高性能三维成像
- 深度估计与补全、透明与反光物体成像
- 结构光、事件相机与散斑投影三维测量
- 焦点堆叠、大景深成像与立体匹配
实验室简介
视觉计算实验室隶属清华大学电子工程系，由王贵锦教授带领。
实验室围绕三维成像与深度估计、RGB-D 语义分割、机器人抓取与操作、手部姿态估计和心电信号分析开展研究，相关工作发表于 IEEE Robotics and Automation Letters、IEEE Transactions on Image Processing、IEEE Transactions on Circuits and Systems for Video Technology、Pattern Recognition 等期刊，以及 CVPR、ICRA、IROS、CoRL、ICIP 等会议。
论文实现与实验数据在 THU-VCLab GitHub 组织公开；网站提供按年份编排的论文总表、带研究简介的精选论文详情，以及实验室新闻与获奖动态。
研究方向
多模态融合感知
- RGB-D 语义分割与跨模态目标检测
- 少样本三维点云分割与可操作区域定位
- 点云网络量化、三维目标检测与姿态估计
具身智能与机器人
- 6-DoF 抓取检测与目标导向抓取
- 动态目标抓取、关节物体操作与人机交接
- 主动感知、强化学习策略与仿真到真实迁移
- 水下与激光 SLAM、四足机器人视觉导航
模式识别与智能交互
- 骨架动作识别与动态手势识别
- 手部姿态估计与指尖定位
- 心电信号分类、心律失常检测与波形分析
- 人脸识别、视线估计与表情分析
开源项目
实验室在 GitHub 公开部分论文实现与实验代码，以下是其中的代表性仓库。
HGGD
以抓取热力图引导局部抓取生成，面向堆叠场景的实时 6-DoF 抓取检测。
github.com/THU-VCLab/HGGD →APeG
结合主动视点探索与强化学习，处理重度堆叠场景中的语言引导抓取。
github.com/THU-VCLab/APeG →GAP-RL
将抓取位姿编码为点云表示，用于连续运动目标的动态抓取策略学习。
github.com/THU-VCLab/GAP-RL →RegionNormalizedGrasp
提出归一化抓取空间与区域感知网络，实现高效的实时 6-DoF 抓取。
github.com/THU-VCLab/RegionNormalizedGrasp →WaterSplat-SLAM
面向水下环境的单目 SLAM，实现稳健位姿估计与高保真三维建图。
github.com/THU-VCLab/WaterSplat-SLAM →MG-Grasp
从稀疏 RGB 观测重建公制尺度点云，实现不依赖深度传感器的 6-DoF 抓取。
github.com/THU-VCLab/MG-Grasp →博士与硕士招生
研究生在图像理解与具身智能两个方向参与课题，工作包括公开基准评测、真实机器人实验与论文实现开源。
博士研究生
图像理解
三维场景理解、少样本点云分割、透明与反光物体成像等课题，侧重独立提出问题和完成系统性实验。
具身智能
三维视觉表示引导的抓取检测、动态闭环决策与关节物体操作，涉及强化学习策略与仿真到真实迁移。
硕士研究生
图像理解
多模态语义分割、三维视觉与手部姿态估计等课题，参与模型设计、实验分析与工程实现。
具身智能
6-DoF 抓取检测、动态抓取与关节物体操作，在公开基准和真实机器人平台上开展系统开发。
博士后招聘
面向工业场景的目标识别算法研究
拟从事研究内容
- 基于 MoE 架构的复杂场景目标识别大模型预训练方法
- 面向复杂工业环境的增量学习与在线自适应目标识别技术
- 面向复杂工业环境的多模态目标识别算法
任职要求
已获电子工程、计算机、自动化、人工智能等相关专业博士学位，年龄不超过 35 周岁，获得博士学位的年限不超过 3 年；具有多模态预训练大模型、小样本识别或目标检测研究经历，在相关领域发表过论文，熟练掌握 C/C++、Python 等编程语言及常用机器学习框架，有算法工程部署经验者优先。
工业场景低层图像重建与识别
拟从事研究内容
- 工业图像退化建模与重建理论，面向噪声干扰等问题的低层视觉算法
- 面向工业场景低层图像的识别算法
任职要求
已获计算机视觉、电子工程、计算机、人工智能等相关专业博士学位，年龄不超过 35 周岁，获得博士学位的年限不超过 3 年；熟悉图像退化数学模型与逆问题求解，具有低层图像重建研究经验，有 OCR 或目标识别算法研究经验者优先。
申请与咨询请发送邮件至 wangguijin@tsinghua.edu.cn。
联系咨询 →新闻动态
最新论文
arXiv 2026
MG-Grasp: Metric-Scale Geometric 6-DoF Grasping Framework with Sparse RGB Observations
IEEE RA-L 2026, 11(5): 5614–5621
WaterSplat-SLAM: Photorealistic Monocular SLAM in Underwater Environment
arXiv 2026
CoRe-ECG: Advancing Self-Supervised Representation Learning for 12-Lead ECG via Contrastive and Reconstructive Synergy
IEEE Signal Processing Letters 2026, 33: 356–360
LVMF3D: Large Vision Model Boosting Multimodal Fusion for Indoor 3D Object Detection
IEEE Robotics and Automation Letters 2026, 11(2): 1058–1065