1单目深度与尺度歧义
闭卷重建单目深度与尺度歧义的对象、公式、算例、算法与失败边界。
计算机视觉 · 小纸条
选一章打印。双面打印（按长边翻页）后沿虚线剪开，每张卡片正面题目、背面答案。
第 1 页 · 正面（题目）
2RGB-D、深度反投影与缺失值
闭卷重建RGB-D、深度反投影与缺失值的对象、公式、算例、算法与失败边界。
3点云邻域、法向与采样
闭卷重建点云邻域、法向与采样的对象、公式、算例、算法与失败边界。
4ICP配准与最近点迭代
闭卷重建ICP配准与最近点迭代的对象、公式、算例、算法与失败边界。
5体素、网格与表面重建
闭卷重建体素、网格与表面重建的对象、公式、算例、算法与失败边界。
6神经场与新视角合成
闭卷重建神经场与新视角合成的对象、公式、算例、算法与失败边界。
7视觉SLAM与定位建图闭环
闭卷重建视觉SLAM与定位建图闭环的对象、公式、算例、算法与失败边界。
第 1 页 · 背面（答案）
对象：深度像素结合K反投影为三维点；深度单位、无效值、RGB配准和时间同步必须一致。；公式：X=(u-cx)Z/fx，Y=(v-cy)Z/fy。；算例：u-cx=100、Z=2m、fx=500，X=.4m。；边界：0深度当真实零距离；彩色与深度时间错位。。
对象：单目可从学习先验估相对深度，但绝对尺度受相机、场景和训练分布影响。；公式：scale-aligned error minimizes over a global scale factor。；算例：预测深度全是真值一半，形状正确但绝对尺度差2倍。；边界：把相对深度直接当米；训练室内模型用于道路。。
对象：ICP交替建立对应并求刚体变换，依赖初值、重叠、对应拒绝和局部最优。；公式：min_R,t Σ||q_i-(R p_i+t)||²。；算例：一维点集[0,1]到[2,3]的纯平移为+2。；边界：无重叠仍强配准；只看目标下降不检查错误对齐。。
对象：点云无固定网格，邻域尺度决定法向、曲率和去噪；密度变化会偏置学习与几何。；公式：normal is eigenvector of local covariance with smallest eigenvalue。；算例：平面邻域最小方差方向垂直平面，作为法向候选。；边界：k过大跨表面；法向符号未统一导致相邻翻转。。
对象：神经辐射场沿射线积分密度和颜色，需要已知/优化相机姿态与充分视角覆盖。；公式：rendered color=Σ transmittance_i×alpha_i×color_i。；算例：两采样权重.7和.3、颜色0.2和0.8，合成0.38。；边界：训练视角重建好就称三维准确；反光/动态场景违背假设。。
对象：体素适合占据/TSDF融合，网格表达表面拓扑；分辨率提高会立方增加存储。；公式：voxel count≈(side/resolution)^3。；算例：边长1m、分辨率.1m，每轴10格，共1000体素。；边界：全空间高分辨稠密体素爆内存；错误姿态把表面抹厚。。
对象：SLAM联合估计轨迹与地图，前端跟踪、后端优化、回环和重定位共同控制漂移。；公式：pose graph objective sums relative-pose residuals over edges。；算例：100m轨迹终点偏2m，终点漂移率2%，回环应分配误差而非瞬移。；边界：只报局部重投影；错误回环造成全图折叠。。