三維計算視覺研究內容包括：

　　（1）三維匹配：兩幀或者多幀點雲資料之間的匹配，因為鐳射掃描光束受物體遮擋的原因，不可能通過一次掃描完成對整個物體的三維點雲的獲取。因此需要從不同的位置和角度對物體進行掃描。三維匹配的目的就是把相鄰掃描的點雲資料拼接在一起。三維匹配重點關注匹配演算法，常用的演算法有最近點迭代演算法 ICP和各種全域性匹配演算法。

　　（2）多檢視三維重建：計算機視覺中多檢視一般利用影象資訊，考慮多視幾何的一些約束，相關研究目前很火，射影幾何和多檢視幾何是視覺方法的基礎。在攝影測量中類似的存在共線方程，光束平差法等研究。這裡也將點雲的多視匹配放在這裡，比如人體的三維重建，點雲的多視重建不再是簡單的逐幀的匹配，還需要考慮不同角度觀測產生誤差累積，因此存在一個針對三維模型進行優化或者平差的Fusion融合過程在裡面。通常SLAM是通過觀測形成閉環進行整體平差實現，優先保證位姿的精確；而多檢視重建通過Fusion過程實現對模型的整體優化，保證模型最優。多檢視三維重建可以只使用影象，或者點雲，也可以兩者結合（深度影象）實現，重建的結果通常是Mesh網格。最典型的例子是KinectFusion，Kinfu等等.

　　（3）3D SLAM

　　點雲匹配（最近點迭代演算法 ICP、正態分佈變換方法 NDT）+位姿圖優化（g2o、LUM、ELCH、Toro、SPA）；實時3D SLAM演算法 （LOAM，Blam）；Kalman濾波方法。

　　3D SLAM側重於定位，通常可以產生3D點雲，或者Octree Map。

　　基於視覺（單目、雙目、魚眼相機、深度相機）方法的SLAM，比如orbSLAM，lsdSLAM；VINS是IMU與視覺融合的不錯的開源專案。

　　（4）目標識別：無人駕駛汽車中基於鐳射資料檢測場景中的行人、汽車、自行車、以及道路和道路附屬設施（行道樹、路燈、斑馬線等）。

這部分工作也是高精度電子地圖的主要內容。當然高精度電子地圖需要考慮的內容更多。

　　（5）形狀檢測與分類：點雲技術在逆向工程中有很普遍的應用。構建大量的幾何模型之後，如何有效的管理，檢索是一個很困難的問題。需要對點雲（Mesh）模型進行特徵描述，分類。根據模型的特徵資訊進行模型的檢索。同時包括如何從場景中檢索某類特定的物體，這類方法關注的重點是模型。

　　（6）語義分類：獲取場景點雲之後，如何有效的利用點雲資訊，如何理解點雲場景的內容，進行點雲的分類很有必要，需要為每個點雲進行Labeling。可以分為基於點的分類方法和基於分割的分類方法。從方法上可以分為基於監督分類的技術或者非監督分類技術，深度學習也是一個很有希望應用的技術。最近深度學習進行點雲場景理解的工作多起來了，比如PointNet，各種八叉樹的Net。

（7）雙目立體視覺與立體匹配 ZNCC

（9）Multi-View Stereo （MVS）多檢視立體視覺，研究影象一致性，實現稠密重建。

（10）自動造型（構型），快速造型（構型）技術。對模型進行凸分割，模型剖分，以實現模型進一步的編輯修改，派生出其他的模型。

1、點雲濾波方法（資料預處理）：

雙邊濾波、高斯濾波、條件濾波、直通濾波、隨機取樣一致性濾波。

VoxelGrid

2、關鍵點

ISS3D、Harris3D、NARF，

SIFT3D、均勻取樣，曲率方法取樣

3、特徵和特徵描述

PFH、FPFH、3D Shape Context、Spin Image

4、點雲匹配

ICP、穩健ICP、point to plane ICP、Point to line ICP、MBICP、GICP、NICP

NDT 3D、Multil-Layer NDT

FPCS、KFPCS、SAC-IA

5、點雲分割與語義分類

分割：區域生長、Ransac線面提取、、全域性優化平面提取

　　　K-Means、Normalize Cut（Context based）

　　　3D Hough Transform(線、面提取)、連通分析、

分類：基於點的分類，基於分割的分類；監督分類與非監督分類

目前基於深度學習的點雲語義分類比較熱：PointNet，OctNet之類的吧，需要多加關注。

6、SLAM圖優化

Ceres（Google的最小二乘優化庫，很強大）， g2o、LUM、ELCH、Toro、SPA

SLAM方法：ICP、MBICP、IDC、likehood Field、、NDT

7、目標識別、檢索

8、變化檢測

　　基於八叉樹的變化檢測

9. 三維重建

　　泊松重建、 Delaunay triangulations

　　表面重建，人體重建，建築物重建，樹木重建。

　　結構化重建：不是簡單的構建一個Mesh網格，而是為場景進行分割，為場景結構賦予語義資訊。場景結構有層次之分，在幾何層次就是點線面。

　　實時重建：重建植被或者農作物的4D（3D+時間）生長態勢；人體姿勢識別；表情識別；

10.點雲資料管理

　　點雲壓縮，點雲索引（KD、Octree），點雲LOD（金字塔），海量點雲的渲染