近几年来，人工智能领域出现过很多热门的话题，有些热度持续很长时间，有些如同昙花一现，而随着机器人、自动驾驶、AR等技术的飞速发展，这些领域涌现了大量独角兽公司，开发出大量以3D感知、融合定位、重建、测距等多个应用场景的产品。三维重建这个名词也再次变得火热起来。
简单来说，三维重建（3D Reconstruction）是指用相机等传感器拍摄真实世界的物体、场景，并通过计算机视觉技术进行处理，从而得到物体的三维模型。
三维重建是增强现实（AR）、混合现实（MR）、机器人导航、自动驾驶等领域的核心技术之一。也同样，很多大厂在招聘相关岗位的时候都会要求掌握三维重建理论和技术。
作为一个交叉学科，三维重建涉及到高等数学、计算机视觉、计算机图形学等学科，涉及的主要技术有：多视图立体几何、深度图估计、点云处理、网格重建和优化、纹理贴图、马尔科夫随机场、图割等。
很多同学因为导师分配了这个方向，自己去一个人去啃算法框架，奈何无人指导没办法学通，导致很痛苦，3D算法内容多，学习曲线陡，还是需要一定的功力才能入门。
传统的重建方法是使用光度一致性等来计算稠密的三维信息。虽然这些方法在理想的Lambertian场景下，精度已经很高。但也有一些常见的局限性，例如弱纹理，高反光和重复纹理等，使得重建困难或重建的结果不完整。因此，传统三维重建方法在重建的完整性等方面仍有很大的改进空间。
另一方面，相机标定作为一种计算相机二维图像和三维世界相对映射关系的一种方法。毫不夸张的说，相机标定是一切是三维视觉的基础，它广泛应用于双目视觉、手眼机械臂、机器人定位建图、图像拼接、三维重建等场景。
研究各大厂招聘要求就会发现，有没有顶会论文已经成为一项重要的考核指标，而想要从科研小白变身顶会大神，我觉得有两点至关重要：
1、紧跟风口，把握住最近的热门研究风向。
尤其是对于科研还没什么思路的小白，顺着领域内的研究趋势确定自己的方向，是一个正确的选择，毕竟热门研究方向意味着，创新点和idea远比其他非热门领域多。比如刚刚推荐的画质增强。
2、有一位有经验有能力的前辈指导。选对一个好的老师，掌握正确的科研思路和写作方法！
都说SCI论文只有0篇和无数篇的区别，这句话告诉我们，其实做科研写论文也是有方法有套路可循，掌握了窍门，后面的路才会走得通畅。
但是作为一个小白，还在“蹒跚学步”阶段，怎么去掌握窍门？来自前辈的指点必不可少。
一个好的指导老师的作用是，没有课题，能够结合所在课题组具体情况，结合最近热门研究方向，帮你规划课题，如果有了课题而缺少创新方向，老师能够快速帮你找到几种切入点，几种框架，甚至连需要读哪些文献都帮你想好了......
为了论文，大家都在努力的设计新网络、新策略、新training算法，只要能够在某一问题上做到一个很好的performance，论文就水到渠成。而想要快速达到，来自前辈的指点不可或缺。