MVision 机器视觉
MVision
机器人
3/5
🧩 软硬件结合
已发布
项目简介
机器人视觉 移动机器人 VS-SLAM ORB-SLAM2 深度学习目标检测 yolov3 行为检测 opencv PCL 机器学习 无人驾驶
机器人视觉 移动机器人 VS-SLAM ORB-SLAM2 深度学习目标检测 yolov3 行为检测 opencv PCL 机器学习 无人驾驶
标签
项目特点
**知识体系全面**：从计算机视觉、SLAM、深度学习到无人驾驶，覆盖了机器视觉领域的多个核心方向。
**资源导航丰富**：整理了大量的论文链接（如NIPS、ICML、CVPR）、课程（如斯坦福CS231n、MIT自动驾驶课程）、书籍和开源代码仓库。
**面试知识点汇总**：专门整理了无人驾驶相关的面试知识点，涵盖深度学习、C++、数据结构、SLAM等多个方面，对求职者非常有帮助。
**行业信息整合**：列出了国内外视觉领域的初创公司和上市公司，为职业规划提供参考。
**持续更新**：项目持续收录最新的论文、技术和资源，保持内容的时效性。
技术规格
| 主要领域 | 机器人视觉、SLAM、深度学习、无人驾驶 |
|---|---|
| 核心技术 | ORB-SLAM2, YOLOv3, OpenCV, PCL, 机器学习 |
| 覆盖方向 | 感知、运动规划、防碰撞、地图与定位、控制策略等 |
| 资源类型 | 论文、课程、书籍、开源代码、面试题、公司列表 |
| 语言 | 中文为主，资源链接多为英文 |
项目资源
搜索资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| 深度学习框架 (TensorFlow, PyTorch, Caffe) | 1 | — | 用于模型训练和部署 |
| 计算机视觉库 (OpenCV) | 1 | — | 用于图像处理 |
| 点云库 (PCL) | 1 | — | 用于3D点云处理 |
| SLAM框架 (ORB-SLAM2) | 1 | — | 用于定位与建图 |
| 目标检测算法 (YOLOv3) | 1 | — | 用于物体识别 |
能力画像
⚪ 记忆与知识检索: 5/5
🔵 逻辑推演: 4/5
⚪ 表达与交流: 2/5
⚪ 感知与观察: 1/5
⚪ 数理与计算: 4/5
⚪ 动手与操作: 2/5
⚪ 狂热与坚持: 5/5
⚪ 创造与创新: 3/5
项目图库
视频
所需技能
🔧 **动手能力**：需要具备搭建开发环境、运行和调试开源代码的能力。
💻 **编程能力**：需要熟练掌握 C++ 和 Python，了解 TensorFlow、PyTorch 等深度学习框架。
⚡ **电子电路**：非必需，但了解传感器（如相机、IMU、激光雷达）原理有助于理解SLAM和无人驾驶系统。
适用场景
**系统学习机器视觉**：为初学者和进阶者提供从理论到实践的完整学习路径。
**准备无人驾驶/机器人相关面试**：项目中的面试知识点汇总是宝贵的复习资料。
**查找前沿论文和开源代码**：作为论文和代码的导航站，快速定位所需资源。
**进行学术研究或项目开发**：为SLAM、目标检测、无人驾驶等方向的研发提供参考。