有的读者可能对于计算机视觉中2D和3D视觉的区别仍然较为模糊，此处根据某篇论文中的解释，介绍如下：
2Ｄ视觉包含：目标检测、人脸识别、图像分割，侧重于图像处理等技术。
3D视觉是近几年的热门领域，主要包含三维感知、SLAM、三维重建和三维理解等研究方向。
近期，有师妹、师弟，以及之前的同事私下里问我计算机3D视觉该如何入门？(仅仅是因为笔者一直在研究3D视觉吧，不然怎么可能会问我呢
之前一直忙于工作，都没有好好回答这个问题。今天笔者诚惶诚恐地结合自己的经历，以及由原先的机器视觉转向VSLAM过程中的一点思考，与大家简单聊一聊。
首先，简单从我自己的一些经历开始说起。
我开始的第一个图像处理的项目，是在老师的指导下，开始研究椭圆中心检测的算法。
那时候，跌跌撞撞地一路摸索着前行，只有一点大学时候选修过的Ｃ语言的基础，关于图像与C++的基础几乎为零。原本大学所修专业是机械呀，怎么现在却要和计算机视觉杠上了呢？
既然任务已经布置下来了...
那就硬着头皮干吧，总归要能让自己顺利毕业哇，不然岂不是要让村里人笑话了。
于是，开始学习安装Visual Studio,开始手撕C++，开始找各种渠道下载论文，为此，还总结过一篇文章《那些你所不知道的文献下载网址经验总结》，开始学习图像处理、开始接触卡尔曼滤波、粒子滤波，开始研究相机标定、目标跟踪，期间遇到问题，便会及时与老师及实验室的师兄们讨论交流。
研究生毕业时，在老师与师兄弟们的协助下，完成了光笔系统的开发，参见《立体视觉动态测量技术》，不知不觉中，对三维视觉的认知与好感度越来越强烈。
工作之后，有幸仍在3D视觉行业中找了份差事，开始接触手眼标定、结构光标定与三维成像，也开始接触点云后处理。
在团队的努力下，第一代3D相机产品在18年底落地，参见《3D Scanner相机：为工业机器人装上“火眼金睛”》，3D视觉带给我的更多的是快乐。
现在的我开始接触VSLAM产品的开发，VSLAM对算法以及编程能力的要求更加彻底，尤其最近进行并行化编程，对代码能力又提出了新的要求。
之前一直还在怀疑自己从机器视觉转向VSLAM，会不会由于知识点变化太大而极难入门？会不会因为windows系统切换为ubuntu系统而导致编程实现有困难？
经过这一个多月的学习，以及对高翔《视觉SLAM》十四讲的理解，发现机器视觉与VSLAM存在着很多共通的地方，比如1）都会涉及点云模块；2）都可以基于OpenCV开发；3）C\C++编程；4）GPU加速；5）相机标定等。
所以，归根结底，无论是机器视觉还是VSLAM，都是计算机视觉的一种应用，唯一的较大区别是两者对于测量精度要求稍有区别而已。
回到正题，那么我们如何高效地学习3D视觉技术呢？
笔者总结的方法如下（针对一般学习者）：
1、以视觉项目为导向。
《林肯传》中讲述林肯的学习方法的精髓便是，不会为了学习而学习，学习要带着问题出发，这样才能事半功倍。
2、找到一些志同道合的小伙伴。
一个人学习总是容易会放弃，遇到问题，及时请教与沟通，会让自己节省很多入坑的时间。
3、充分利用业余时间给自己充电
目前，对于3D视觉，很多平台都开设有专门的课程，比如小象学院、深蓝学院等，不过这些平台的费用一般都较为昂贵。
4、反复研读经典书籍。
比如《Learning OpenCV》、冈萨雷斯的《数字图像处理》等。
5、及时关注最新的CVPR等国际会议中的计算机视觉相关的论文。
