💡 关于**
本人为 3D视觉+传统图像处理方向，在准备秋招时发现网上竟然找不到对应的求职复习资料，只好自己整理。
本仓库整理 3D视觉(三维重建、SLAM、AR/VR) + 传统图像处理 + 计算机视觉(偏AI) 重要知识点和面试问题。
目前已知的其它求职复习资料有：
- C/C++开发：interview
- java开发：CS-Notes、javaGuide
- CV算法岗（偏AI方向）：CV_interviews_Q-A、AI-Job-Notes、DL-Prep
- 在线使用。直接在线浏览本仓库。
- 本地使用。clone本仓库到本地，使用markdown阅读器
typora打开对应内容阅读。
- 视觉算法工程师笔试题1
- 2D和3D空间中的变换
- 针孔相机模型
- 光流算法
- 矩阵分解与线性方程组 | 包括QR分解和SVD分解求解线性方程组的原理，QR分解投影矩阵P得到相机内外参
- 光线追踪
- LM算法 | 介绍了最速下降法、高斯牛顿法和LM算法
- 2015年大疆算法工程师笔试题 | 包含图像、3D视觉等岗位，其中3D视觉部分含答案
- BA的原理
- ICP算法
- PnP算法 | PnP的多解的错误估计问题还没搞清楚
- PCA算法 | 从最大可分性的角度介绍了PCA，并给出代码实现
- 张正友标定法
- 2D-2D：基本矩阵、本质矩阵 | 在2015年大疆算法工程师笔试题 讲了七七八八，但还没有单独整理
- 相机标定 - DLT、PnP及其变种 | DLT在2015年大疆算法工程师笔试题 讲了七七八八，但还没有单独整理
- 齐次坐标、点到直线距离 | 在视觉算法工程师笔试题1 讲了
- 线性方程解的判定 | 有空补充到矩阵分解与线性方程组里
- K-D tree | 在2015年大疆算法工程师笔试题 讲了
- 相机加畸变与去畸变
- 3*3的几何变换矩阵，每个参数代表啥意思？
- 特征降维有哪些方式？下采样，NMS，1*1，pca，LDA？
- 张定友标定法
- 双目立体视觉、视差图、深度图。双目相机获得深度图伪代码
- 最小二乘法拟合数据，以拟合直线为例
- eigen实现解线性方程组
- eigen单应矩阵的求解方法：DLT-约束||H||=1，DLT-令h_33=1，张的最大似然估计
- 棋盘格检测算法原理
- 亚像素点的精细调整
- [ ]
- SIFT特征。 SIFT的原理（尺度不变性、旋转不变性），如何下采样，下采样因子多少，为什么要求解DOG，为什么要使用三线插值函数，128维度描述子怎么来的，梯度直方图怎么算的，梯度怎么算的，梯度方向怎么算的，邻域范围选的多大等等
- 除了SIFT，还知道哪些特征，除了SIFT、SURF、ASIFT、ORB、HOG还有啥
- 图像降噪算法。
- 图像增强算法。
- 边缘检测算子：Robert prewit sobel 拉普拉斯 canddy
- 手写马赛克代码
- LBP特征。原理，如何计算相似性（汉明距离），汉明距离怎么计算
- 数据增强有哪些方式，具体的图像处理操作又有哪些？
- 图像格式：bayer、rgb、yuv、hsv等等
- 相机的3A参数（自动对焦（AF）、自动曝光（AE）及自动白平衡（AWB））
- [ ]
- 一层楼共有n级台阶，一次可以上至少一级但不超过m级台阶，求有多少种不同的上楼方案数。由于结果可能很大，你只需要输出结果对10007取模的值即可
- 拟合二维平面中的带噪声直线，其中有不超过20%的样本点远离了直线，另外80%的样本点可能有高斯噪声的偏移，要求输出为ax+by+c=0的形式，其中a>0且a^2+b^2=1
- 切比雪夫不等式、协方差与相关系数、各种分布、多元高斯分布
- 线性回归推导回归系数（y=kx，y=kx+b）
- 甲乙两人约好在某地碰面，时间段为10点到11点。若甲先到，最多会等待10分钟，10分钟内乙未出现则离开；若乙先到，最多会等待15分钟，15分钟内甲未出现则离开，请问两人见面的概率是多少？
- ABCDE5个人互相传球，由A开始第一次传球，经5次传球最后回到A的手上，其中A与B不会互相传球，C只会传给D，E不会传给C，共有多少种传球方法？
- MLE、MAP和贝叶斯估计
- MLE，MAP，EM 和 point estimation 之间的关系是怎样的？
- 如何求解Ax=b (非迭代Cholesky分解、QR分解，迭代)
- 最小二乘封闭解与迭代解的取舍
- 梯度下降法、牛顿法、GN、LM，推导、优缺点
- 如何判断点在多边形内
- 一阶、二阶优化，Jacobian、hessian矩阵
- 1000个数的阶乘，求有多少个0
- 递推法求数学期望，反证法，数学归纳法等
想要一起把内容完善，可以按照 合作要求 提交 Pull requests 。
详细的贡献指南参考这里，包括要求和git使用
- 如果有参考资料，请务必注明整理笔记时的参考资料，一方面是版权问题，另一方面是方便读者参考。参考资料包括但不限于书籍名、论文标题和博客链接。
- 对于面试问题，建议在文档开头给出面试问题出处，方便读者参考。如“问题来自头条互娱-图形图像岗，链接：https://www.nowcoder.com/discuss/262804”。
- 笔记内容按照 中文文案排版指北 进行排版，以保证内容的可读性。
推荐使用 typora 作为 markdown 阅读器，并进行如下设置：
- 插入图像时...
复制到制定路径./.markdown.images。设置完成后，图片可以直接粘贴进markdown中，并自动保存在./.markdown.images隐藏目录下 - 对本地位置的图片应用上述规则
- 对网络位置的图片应用上述规则
- 优先使用相对路径
- 插入时自动转义图片URL
- 开启markdown扩展语法，全部打钩
设置完成后如下图：
遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent