OpenCV实现SfM（四）：Bundle Adjustment

Bundle Adjustment

在上一篇文章中，成功将三维重建扩展到了任意数量的图像，但是，随着图像的增多，累计误差会越来越大，从而影响最终的重建效果。要解决这个问题，需要用到Bundle Adjustment（下文简称BA）。
BA本质上是一个非线性优化算法，先来看看它的原型
$$\underset{x}{\min }\sum _i{\rho }_i(||f_i(x_{i1},x_{i2},...,x_{ik})|{|}^2)$$
其中$x$是我们需要优化的参数，$f$一般称为代价函数（Cost Function）,$\rho$为损失函数（Loss Function）。其中$f$的返回值可能是一个向量，因此总的代价取该向量的2-范数。
对于三维重建中的BA，代价函数往往是反向投影误差，比如我们需要优化的参数有相机的内参（焦距、光心、畸变等）、外参（旋转和平移）以及点云，设图像$i$的内参为$K_i$，外参为$R_i$和$T_i$