目录

  • 1 读研入学须知
    • 1.1 研究生的学业内容
    • 1.2 新建课程目录
    • 1.3 研究生应锻炼的能力
    • 1.4 研究生选课
  • 2 写作指导
    • 2.1 科技写作循序渐进
    • 2.2 投稿期刊 推荐目录
    • 2.3 机器人领域的期刊-无人机
    • 2.4 参考文献格式规范问题
    • 2.5 申请专利指导
    • 2.6 课题组已发论文
    • 2.7 毕业论文的注意要点
  • 3 Topic 1: 3D Point cloud processing
    • 3.1 南亮亮教授讲座
    • 3.2 PCL library-刘琴
    • 3.3 点云配准-彭澍
    • 3.4 点云配准-4PCS算法
    • 3.5 三维表面建模-刘琴
    • 3.6 激光雷达与图像融合-朱宁宁
    • 3.7 Fast-LIO-许立
    • 3.8 3DGS-许乐恒
  • 4 Topic 2: 点云深度学习
    • 4.1 电子书-2023动手学深度学习
    • 4.2 Hao Su-Deep Learning on Point Clouds
    • 4.3 点云中的深度学习方法综述-李敏20240731
    • 4.4 点云卷积神经网络-李敏
    • 4.5 Depth completion-李正
  • 5 Topic 3: SLAM 制图导航
    • 5.1 cv course
    • 5.2 Visual Tracking 教学
    • 5.3 Kalman filter
    • 5.4 orbSLAM-李家松
    • 5.5 ORB-SLAM2-李佳
    • 5.6 VDO-SLAM-李佳
    • 5.7 非线性优化-李佳
    • 5.8 VSO-SLAM-钱泓宇
    • 5.9 UAV 视觉引导降落-曹亚楠
  • 6 Topic 4: Deep Learning
    • 6.1 机器学习基础-李明磊
    • 6.2 神经网络基础-李明磊
    • 6.3 卷积神经网络-李明磊
    • 6.4 从UNet学习编程
    • 6.5 ImageNet
    • 6.6 Recursive Bayes Filtering
    • 6.7 Bag of visual word
    • 6.8 Graph cut Tutorial
    • 6.9 遥感地物分类-张彩煜
    • 6.10 张彩煜-ICIVC2022
    • 6.11 李明磊-ISPRS2022
    • 6.12 transformer原理-柴家辉
    • 6.13 Meta-transformer-周聪
  • 7 Topic 5: Structure light 3D
    • 7.1 工业相机的选型
    • 7.2 结构光扫描基本原理
    • 7.3 南理工讲座
    • 7.4 四川大学讲座
    • 7.5 3D结构光课程
      • 7.5.1 第一课:结构光前奏:双目立体匹配算法
      • 7.5.2 第二课:单目标定理论+实践:计算内参,去除畸变
      • 7.5.3 第三课:双目标定理论+实践:确定相机相互位置
      • 7.5.4 第四课:双目立体匹配算法理论+OPENCV实践
      • 7.5.5 第五课:主动标记区域,相移法+多频外差
      • 7.5.6 第六课:主动标记区域,相移法+格雷码
      • 7.5.7 第七课:双目重建实践,三角法
      • 7.5.8 第八课:双目相机重建,逆相机法
  • 8 Topic 6: Point Cloud Completion
    • 8.1 PFNet-周聪
  • 9 项目:​机载光电数据多源融合景象匹配导航
    • 9.1 无人机视频教程
  • 10 临时视频
    • 10.1 点云处理
    • 10.2 新建课程目录
  • 11 雷视融合
    • 11.1 基于几何监督深度学习的激光雷达和相机的动态联合标定
    • 11.2 LCCNET:基于成本体积的激光雷达和相机联合标定
  • 12 组会
    • 12.1 1108
科技写作循序渐进

一篇文章的研究写作步骤如下:

1) 听组会,看文章,跟踪1到2个国内外课题组方向;

2)选方向,采集数据,下载1到2个开源程序,编译调试;

3)设计算法,采集数据,自己设计或优化算法程序(可以基于开源代码);

4)再回头看以前看过的文章,选参考文献,熟读精读2到3篇最相关的文章;

5)选期刊,浏览期刊里相关的几篇相关文章;

6)先写出算法内容,实验方法,实验结果和分析,做成PPT准备组会汇报;

7)写出研究背景和意义,写出摘要;

8)参考以前精读的文章写作思路,写出全文初稿,修订全文初稿;

9)找老师或合作作者,讨论修改,至少3轮全文修改;

10)按期刊刷格式,至少3遍通篇检查,提交论文,使用学校邮箱。


题目:先草拟一个,能够往下推进写作即可,边写边讨论题目取名

摘要:最后写,或者写完方法再写。

一、引言(Introduction)的3段式的写法:

1. 写明论文的研究背景,说明本研究与前人工作的关系。概括性地写清本领域或相关领域内前人所做的工作,如他们研究的贡献,或还存在的问题,从而使读者对该研究工作的目的和重要性有所了解。(要充分考虑投稿期刊的方向)

2. 说明本研究的技术路线总体思路。本文如何沿袭前人的研究成果和路线,准备采用何种或哪些方法和理论依据等来研究本文。

3. 论文预期达到的目的,研究的意义及论文的创新点。如果是沿用已知的理论、原理和方法,只需简略提及,或标注出处即可.It is common to present the objective or aim of the study at the end of the introduction.

必要时,可交代本文的方法和结果的用途,即可供哪些人、或哪些领域

引言必须引用前人的文献文献应该是代表性的,能确切反映本文研究主题的。


相关研究工作(Related work):

第一段(2-3句话),目前的研究趋势或挑战;从哪个角度介绍related work;后面的介绍整体而言分哪几类。

然后,最好是用分类学的方法来介绍相关工作。每个类别里,把相同的方法再凝练,提炼出大的思路,可以介绍一些优点和缺点。

Related work最后,把回归到本文的研究上,因为前面方法存在的问题(或者受到前面方面的启发),所以本文设计什么样的思路解决问题。


本文算法/方法(Methodology):

逻辑要清楚,可以由一个框图把逻辑串联起来,算法设计的步骤讲清楚。

每一步算法介绍分3步(适当添加示意图、示例图):

        第一句话为什么用这个算法,或者由什么引出这个算法;

        中间主体算法的数学形式;

        最后一句话,这个步骤输出什么,或者解决什么问题。


实验分析(Experiment):

实验准备,包括:

  数据来源和特点介绍、

  算法的参数选择、

  配置计算机环境、

  本文的定量评价指标的定义或选择

定性的结果,展示结果图片,分析这个结果表面什么情况。

定量的分析

对比实验分析

最后可以简要介绍本文可能存在的limitation


结论(结束语,讨论)的要求

结论(或结束语)是整篇文章的最后总结,它主要回答“研究出了什么”。它应该以正文中的试验或考察中得到的现象、数据和阐述分析作为依据,由此完整、准确、简洁地指出以下结论:

(1)研究得到的结果,以及本文研究结果所揭示的原理及其普遍性;

(2) 研究中有无发现例外或本论文尚难以解释和解决的问题;

(3) 与先前已经发表过的(包括他人或者自己)研究工作的异同;

(4) 本论文在理论上与应用上的意义与价值;

(5) 必要时可提出进一步深人研究本课题的建议。


常用的表达

多读SCI文章,可以摘录一些常用语、管用句子。

在以前的工作中  In the previous work,

与最新技术的广泛比较 by extensive comparisons with state-of-the-art techniques

在不同的数据集上评估了该方法的有效性: The effectiveness of this method is evaluated on different datasets

test on two publicly available datasets, namely A and B

开源代码:Our implementation is publicly available. Our code is available at

然而,***工作仍面临挑战  However, it is still a challenge to

参数设置:The parameter lambda is set to 12345 for (some reason).

多幅子图同时说明: Images (a) to (c) show that/ something.


【中文的数学符号、公式编辑】参考如下: