目前能想到自己最厉害的样子

最近给自己争取了一段闲暇时间，打算给自己充下电吧！怎么个充法呢？于是乎，花了一小点时间给自己列了下技术和知识清单，发现清单中大多数知识点自己都处于似懂非懂状态。正所谓路要一步步走，饭要一口口吃，能够把这些清单中的知识点搞懂80%~90%，现阶段的我就认可自己了，并给自己盖上一个技术小佬的印章（^_哈哈！），不过时间和发量有限，祝福自己咯！

一、编程技能

1、c++语法

• 基本数据类型
• 指针
• 内存管理
• 类和继承
• 强制转换
• 模板类
• 线程管理
• STL容器
• STL迭代器

2、python语法

• 基本数据类型
• numpy的用法
• matplotlib的用法
• panda的用法
• 图片的基本操作

3、常用算法

• 复杂度分析
• 十大排序算法
• 贪心算法
• 动态规划算法
• 递归算法

4、基本数据结构

• 线性表（顺序表、链表）
• 栈
• 队列
• 二叉树（检索树、霍夫曼树、黑红树）

二、3D算法

1、结构光3D算法

• 常用编码方式（离散、连续、空间、时间）
• 解码方式（傅里叶变换、相移法）
• 空间相位展开（局部：质量导向，全局：最小二乘）
• 空间相位展开（格雷编码、外差、线性、指数、逆指数、双频、查找表等）
• 载频移除
• 高度重建（双目方案、相位-高度标定）
• 误差分析（随机噪声、非线性噪声、边缘噪声、量化噪声、高亮和遮挡）
• 快速测量、高精度测量

2、双目匹配3D算法

• 局部匹配
• 半全局匹配
• 全局优化匹配
• 匹配精度分析

3、相机标定算法

• 常用相机标定方法（自标定、张氏标定、蔡氏标定）
• 单目、双目、多相机标定

4、pcl点云库运用

• pcl库编程规范和点云数据结构
• kd-tree和八叉树
• 点云可视化
• 深度图域点云之间转换
• 点云滤波、采用、投影
• 点云一致性采用算法
• 点云特征提取
• 点云配准
• 点云分割
• 点云曲面重建

5、多视图几何知识

• 2D和3D射影几何和变换
• 单视图几何
• 双视图几何

三、机器学习和深度学习

1、机器学习算法

• k—mean
• 朴素贝叶斯
• 决策树
• 神经网络
• 线性回归
• 逻辑回归
• 随机森林
• SVM
• adaboost
• PCA
• LDA

2、深度学习算法

• 神经网络（前向传播、反向传播、向量表示）
• 超参数调试（方差、偏差、正则化）
• 优化算法（mini-batch、动量梯度、adam优化、 softmax）
• 卷积神经网络（各个层、常用网络模型）
• 深度学习应用实例（目标检测、人脸识别、神经风格转换）、
• 常用模型YOLO；
• Tensorflow的使用
• kera的使用

四、实用编程工具

1、QT

2、GPU加速（cuda）

3、cpu加速（tbb、sse、avx）

4、matlab

四、数学知识

1、矩阵、线性代数

2、概率论

3、傅里叶变换、加窗傅里叶变换、小波变换

4、优化算法

5、差值算法

五、通用图像算法

1、边缘提取、二值化、直方图

2、空域和频域滤波

3、图像分割

4、图像压缩

5、形态学

6、特征点提取和描述（sift、surf、orb）