| 第一章-计算机视觉简介-10问 |
| 1.CV与AI的关系是什么? |
CV(Computer Vision)是Al的子领域，它致力于使计算机能够理解和解释图像和数据，CV借助AI技术，比如深度学习/机器学习，实现目标识别,分析和处理任务。AI提供了CV所需要的算法和模型，使得计算机能够自动从图像和视频中提取信息，对于自动化，智能化以及自主系统的实现有着非常重要的作用。
| 2.Marr教授把CV划分 为哪三阶段? |
Marr理论把视觉过程划分为三个阶段：
第一阶段将输入的图像作原始的处理，抽取图像中诸如角点、边缘、纹理、线条、边界等基本特征，这些特征的集合称为基元图。
第二阶段在以观测者为观测坐标的中心，由输入图像和基元图恢复场景可见部分的深度、法线方向、轮廓等，这些信息的包含了深度信息，但不是真正的物体三维表示，因此，称为二维半图（2.5D）。
第三阶段在以物体为中心的坐标系中，由输入图像、基元图、二维半图来恢复、表示和识别三维物体
| 3.21 世纪CV快速发展得益于哪些方法或技术的运用?请列出两个以上 |
1.深度学习:深度神经网络的出现以及广泛的应用在图像处理任务上，特别是CNN(卷积神经网络)的出现，大大提高了计算机视觉的性能,开源的深度学习框架如TensorFlow和PyTorch的兴起，使得越来越多的人开始接触深度学习的领域。
2.计算能力:图形处理单元GPU和专用硬件的发展加速了CV算法的训练和推断速度。
3.大规模数据集:互联网上可用的大规模图像和视频数据集使CV模型能够更好地学习和泛化。
| 4.CV领域尚未解决的关键问题有哪些?请列出三个以上。 |
1.物体遮挡：如何处理部分遮挡的物体，以更好地理解场景，目前CV领域对于物体遮挡类的问题还是无从下手，如何更好的去还原和模拟物体遮挡的场景，CV领域在这个方面还有很长的路要去走。
2.视觉推理：如何使计算机进行更深层次的视觉推理，例如理解物体之间的因果关系，对于复杂场景上的模型，CV领域仍然不能如同人眼那般去做处理，对于视觉的推断不够智能呢个，只能做简单场景的推断。
3.不确定性处理：如何更好地处理不确定性，特别是在复杂环境中的目标跟踪和场景理解。
| 5.请列出三个CV的主要应用领域。 |
1.图像分类和物体识别：将图像中的物体分类为预定义的类别。
2.目标检测和跟踪：检测和跟踪视频中的特定物体或目标。
3.人脸识别和生物特征识别：识别人脸或生物特征以进行身份验证和安全应用，这是计算机视觉最为广泛的应用场景了。
4.机器人视觉处理： 机器人的兴起和发展离不开计算机视觉的发展和进步，准确来说，失去了计算机视觉的帮助，机器人就会像无头苍蝇一样，所以计算机视觉在机器人的发展中起到至关重要的作用。
| 6.请列出人眼视觉结构与成像系统结构的区别与联系? |
1.视觉结构与系统结构的区别：人眼视觉结构是生物系统，包括眼球、视网膜、神经系统等，用于感知和理解视觉信息。成像系统结构是工程系统，如摄像机、传感器和处理器，用于捕获和处理图像信息。
2.视觉结构与系统结构的联系：成像系统的设计受到人眼视觉的启发，例如，摄像机的镜头和传感器安排模仿了眼睛的结构。同时，CV领域的研究也借鉴了人眼视觉的一些特性，如边缘检测和色彩感知。
| 7.机器人按照功能可以划分为哪三类? |
机器人按功能分被分为以下3类:
1.工业机器人:这类机器人用于执行物理任务和基本的工程任务，如现实生活执行简单物品的安装和工厂内的加工型机器人。
2.服务机器人:这类机器人的涵盖范围非常广泛，目前比较多的用途有:物流配送性机器人，人机交互性机器人(迎宾机器人和引导机器人较多)，以及安防巡逻机器人。
3.特种机器人:国内一般会把这类机器人单独列出，因为这一部分的机器人我们通常都是见不到的，其常常用到在特定的领域以及特定的场景之下，用途非常的单一，比如核电检修机器人，月球车机器人等等，这种机器人千差万别，通用性很差。
| 8.主动视觉与被动视觉区别是什么? |
主动视觉（Active Vision）：主动视觉涉及机器或系统主动选择视觉信息，并采取措施来改变视点或获取更多信息。例如，一个机器人可以移动其摄像头以查看不同角度的场景。
被动视觉（Passive Vision）：被动视觉是指系统接收来自外部世界的视觉信息，而不采取主动措施来改变视点或获取信息。例如，一个普通的摄像机只能记录其视野中的内容。
结合PPT内容的回答:
主动视觉在识别方面采用投射结构光向测量目标的表面贴上人造的纹理来解决对应点匹配问题，而被动视觉则是采用输入视点或者图像的数目来处理识别问题的这样的方法在处理单目视觉的问题上还能够行的通，但是在处理立体视觉的问题上，容易受到纹理/关照/反射率等因素的影响。
| 9.请尝试回答VR与AR的区别与联系? |
•VR (Virtual Reality，虚拟现实)：是一种通过计算机模拟真实感的图像，声音和其他感觉，从而复制出一个真实或者假想的场景，并且让人觉得身处这个场景之中，还能够与这个场景发生交互。
•AR (Augmented Reality, 增强现实)：是一种直接或间接地观察真实场景，但其内容通过计算机生成的组成部分被增强，计算机生成的部分包括图像，声音，视频或其他类型的信息。
综上所述，AR和VR的最为本质的区别就是AR需要尽可能与现实相结合而VR需要极可能多的隔绝现实。同时两者对于硬件的要求也不一样，AR需要对于场景进行理解，对于CPU的要求高，对于GPU的要求反而低了，而VR需要涉及丰富的图形资源，所以对于GPU的要求高，对于CPU的要求较低。同时AR和VR的联系是两者都是通过计算机信息技术来绘制虚拟图像。
| 10.请列出与CV关系密切的三个研究领域 |
•图像识别:图像处理领域时计算机视觉研究最多的开端，如何更为高效的研究器图像识别是发展计算机视觉的第一环节。
•图像处理:图像处理领域时计算机视觉研究和应用最多的领域，对于图像进行更好的处理，获取更多有用的信心组合是支撑计算机视觉在其他领域广泛应用的关键。
•机器学习:CV领域广泛使用机器学习技术，尤其是深度学习，来训练和优化图像识别和分析模型。CV领域广泛使用机器学习技术，尤其是深度学习，来训练和优化图像识别和分析模型。