毕业后到2021年结束，收获颇多，也成长了很多，非常感谢giantpancv公众号的各位大神，这些大神各自有非常擅长的领域，都非常值得学习！
总结而言毕业后就是做感知算法相关的工作。这篇文章仅仅用于自我记录，便于今后翻阅回忆。
2020年，主要集中于人脸的工作。
主要是研究RGBD深度图的空洞补全和去躁，在算法的开发过程中，调研过一些深度学习和传统方法，深度学习方法见如下链接：
传统方法是前10年比较流行的各类方法，文档写在了以前公司文档里，没有发布在知乎上，暂时不准备发布于知乎。由于需要用在arm板子上，且限于数据，最后做的传统深度补全算法。
另外还开发了深度人脸完整度算法，用于安卓设备RK3399上。这个时期对c++算法开发，open3d等工具比较熟悉了。
2021年上半年，重点研究了跨摄像头的3d人体跟踪。这需要先对一些店面先进行三维场景建模（real sense之类的RGBD相机进行三维建模），因此首先研究了一些点云处理算法，主要是做了大规模无序点云的地面提取（主要为了点云扭正）。这时候，对PCL、Eigen库等有一些熟悉了。
然后，为了进行人体3d跟踪，需要对相机进行内外参标定。重点做
1.单目RGB图像的自动畸变校正（本质就是基于场景几何信息进行自标定，实际就是根据畸变线抽取算法优化得到畸变参数）。
2.基于消失点的各类自动内参标定算法（本质要求需要图像满足曼哈顿性质，有采样，搜索，高斯球等算法）。
3.自动外参标定算法（主要是2d-3d跨模态线匹配，因而对线段检测算法的传统和深度学习算法均调研了一番，并改进了线段检测算法，加入了过滤和merge算法等，也实现过一个代码未开源的线段merge算法）。
4.利用内外参得到了homography矩阵从而可以求得站在地面上的人的三维坐标（此时可以假定人的身高），从而对人进行跟踪。
期间也做了目标检测，分类的部署。（在公司服务器平台上，用一种通讯服务发出来，可以网页登录使用模型结果。）
2021下半年正式进入机器人行业。
做了人体实例分割的训练+嵌入式部署（snpe框架，高通865板子上的部署）全流程。对深度学习的cpp部署更为熟悉了。
然后重点是做多传感器融合（RGBD，lidar，RGB目标检测）的机器人感知算法，让机器人能够智能感知三维环境下的人体，本质就是如何将2d bbox与点云的后融合算法。
虽然大多数项目都自己写过一些文档，但因为太过于工程，也出于保密原因，无法公开于网上，也就没法好好锤炼语言，这是一大遗憾。
总体而言，这一年多做的都太过于偏重工程了，希望2022年能够更加偏向于一些深度学习算法的工作（2d+3d）。
猜你喜欢:
6 :二十四孝的故事
10 :数学手抄报简单又漂亮（盘点数学史