计算机视觉概览

本页说明计算机视觉（Computer Vision，CV）在整个 AI 分类体系中的位置，并给出本分类的全景导览。计算机视觉研究如何让机器从图像、视频与三维数据中获取、处理和理解信息——它是 AI 最早也最成功的应用领域之一，横跨传统图像处理与深度学习两大技术路线。

分类定位

在 AI 技术全景中，本分类与「深度学习」「生成式 AI」等分类的关系如下：

• 深度学习：提供通用的神经网络架构与训练方法论（Transformer、RNN、训练技巧等），其中专用于视觉的架构（CNN、ResNet、ViT 等）已归入本分类的「视觉架构」。
• 计算机视觉（本分类）：聚焦”看”——从经典图像处理（OpenCV）到判别式视觉任务（检测、分割、跟踪），再到三维视觉（Open3D）。
• 生成式 AI：负责”画”——扩散模型、GAN 等图像生成方法仍在 生成式 AI 分类下；本分类不重复收录生成模型内容。
• 激光雷达：激光雷达（LiDAR）感知是三维视觉在自动驾驶与机器人领域的专门分支，独立成类（见 激光雷达分类）。

全景导览

视觉架构（01-architectures）

深度神经网络中专门为图像设计或常用于视觉任务的架构：

• CNN 卷积神经网络：视觉任务的基石，局部感受野 + 权值共享
• ResNet：残差连接，让百层网络可训练
• EfficientNet / MobileNet：高效与轻量级架构
• ViT：Transformer 进入视觉，纯注意力做图像分类

视觉任务（02-vision-tasks）

判别式视觉任务：让模型从图像中”读出”结构化信息。

• 图像层面：图像分割、图像复原、深度估计
• 目标层面：目标检测（YOLO）、目标检测（DETR）、多目标跟踪
• 语义层面：OCR 文字识别、图像描述、视觉问答 VQA
• 运动与三维：光流、姿态估计、点云
• 传统路线：OpenCV 与传统视觉——深度学习之前的经典方法综述

OpenCV 教程（03-opencv）

OpenCV 是最流行的开源计算机视觉库，覆盖图像处理、特征检测、相机标定、目标检测等传统方法（104 篇官方教程的中文翻译）：

• 核心模块：Mat 数据结构、像素操作、绘图与变换
• 图像处理：滤波、阈值、形态学、直方图、霍夫变换
• 特征检测：SIFT、SURF、ORB、特征匹配
• 相机标定 与 深度学习模块
• 完整目录见侧边栏

Open3D 教程（04-open3d）

Open3D 是三维数据处理库（点云、网格、RGB-D），常用于三维视觉与机器人感知（36 篇官方教程的中文翻译）：

• 点云基础：读取、可视化、降采样、法向量估计
• 几何处理：网格、体素化、八叉树、曲面重建
• 配准管线：ICP、全局配准、RGB-D 融合

学习路径建议

1. 零基础入门：从 OpenCV 核心模块 开始，掌握图像的基本表示与操作；
2. 经典方法：学习 特征检测与匹配，理解传统 CV 的底层逻辑；
3. 深度学习进阶：从 CNN 到 目标检测 与 分割；
4. 三维视觉：用 Open3D 点云教程 进入三维世界，衔接激光雷达与机器人感知。