從知識結構本身以及企業招聘現狀，兩個方面回答一下。
當下，2d視覺領域被基於學習的方法統治，比如深度學習；3d視覺領域仍以基於幾何的方法為主，雖然最近也出現了不少基於學習的方法的*****。基於學習的方法最火的就是深度學習，而基於幾何方法最火的就是視覺slam。
但站在發表**的角度講，機器學習（尤其是深度學習）相對更容易一些，但大多數應用方向都已經被灌得差不多了；視覺slam方向發表**主要集中在兩方面：一是與基於學習的方法結合，比如與深度學習結合；二是與新的感測器融合，達到更好的效果，比如event camera。
尤其是在2d視覺領域，由於門檻相對比較低，部分人認為懂深度學習模型，跑過幾個資料集，就可以了，結果簡歷面都過不了。會訓模型和調引數就可以拿到高薪的時代已經過去了。
3d視覺領域，今年招聘崗位和薪資，都有了較大幅度的提公升，究其原因在於人才稀缺。這是乙個門檻比較高的領域，需要具備非常強的程式設計能力，以及數學基礎（矩陣、優化等）。我們本身就處於3d世界中，相信3d視覺領域在逐漸迎來屬於自己的春天。
人工智慧知識博大精深，各領域深度交叉融合。唯有深挖乙個方向，夯實基礎，才會立於不敗之地，才會等來屬於自己的機遇。
切忌廣泛涉獵，但又淺嘗輒止；切忌疏於實踐，紙上談兵。
怕什麼真理無窮，進一寸有一寸的歡喜！
三維視覺學習筆記
0.引言 怎麼獲得3d資訊？用2d相機 距離感測器 在3d世界獲得3d資訊?從相機中進行2d 3d重建 用kinect感測器，雷射距離感測器直接3d獲取 感測器思維?用陣列相機 1.2d到3d的重構 可以利用小孔成像或雙目攝像原理實現2d到3d的重構。通過特徵來對應關係，如果相機移動了，就要找到對應...
基於深度學習的視覺三維重建研究總結
三維重建作為環境感知的關鍵技術之一，可用於自動駕駛 虛擬實境 運動目標監測 行為分析 安防監控和重點人群監護等。現在每個人都在研究識別，但識別只是計算機視覺的一部分。真正意義上的計算機視覺要超越識別，感知三維環境。我們活在三維空間裡，要做到互動和感知，就必須將世界恢復到三維。所以，在識別的基礎上，計...
深度學習 三維點雲資料集總結
1.shapenet shapenet是乙個豐富標註的大規模點雲資料集，其中包含了55中常見的物品類別和513000個三維模型。2.shapenetsem 這是乙個小的資料庫，包含了270類的12000個物體。3.modelnet modelnet總共有662中目標分類，127915個cad，以及十...