传统图像处理算法，ISP pipline，机器学习算法，深度学习算法，优化算法

麦克风阵列，波束形成语音增强算法（线性约束最小方差准则（LCMV）的实现：
使用麦克风阵列作为语音引号接收器，接收到多路语音信号后，通过后端传统波束形成信号处理方法，
对语音信号进行增强，使用到的波束形成器是线性约束最小方差准则下的：
1、广义旁瓣消除（GSC）波束形成器
2、最小方差无畸变（MVDR）波束形成器
深度学习语音增强算法实现：
经过传统方法增强后的语音，仍有可以提升的空间，而且，波束形成可以形成多路输出，为多通道深度
学习语音增强提供充足的信息。使用深度学习方法对经过波束形成后的语音做进一步增强。
1、 多通道卷积神经网络（CNN）
2、 多通道循环神经网络（使用 RNN 中的长短期记忆网络（LSTM））

一、三维重建项目准备
1、 深度信息获取设备调研
2、 KinectFusion 各算法及整个流程学习及整理

二、米仓平面三维重建
1、 使用 Intel Realsense D435 深度相机获取米仓的点云，进行多视角下点云拼接，获取整个米仓平面
的三维结构。
硬件设备：Intel Realsense D435 深度相机、NVIDIA TX2 平台
软件：机器人操作系统（ROS）、C++、OpenCV、PCL
流程：使用拓展卡尔曼滤波，融合电机提供的位姿和视觉 2D-3D（PNP 方法）解算的位姿，得到相对稳
定的位姿，通过稳定的位姿，将不同视角下的稠密点云进行拼接，得到米仓平面完整的三维结构。