对分布式BA的调研主要是为了解决大规模(大型景点,城市)场景重建问题. 接触三维重建时间不长,如果下述表述有错误,望指正.
现在成熟的开源重建项目(如COLMAP等)多为增量式重建系统,即逐帧进行位姿调整和地图点恢复.这意味着要求解当前帧位姿就需要保留前面所有帧的信息(相机位姿和地图点),并根据这些信息进行优化,这对于图片数量达上万张的大规模场景是非常有挑战性的.大规模场景重建的困难之处在于大量信息存储问题和大型图优化问题,解决大规模场景重建的一个思想是将重建问题分而治之(divide-and-conquer).有一些研究工作(admm-slam,Kai)将大规模场景的pose graph进行图分割,分成多个子图,子图之间通过seperator关联,分别优化子图,最后通过seperator将子图连接成完整pose graph. 另外有一些研究使用数值优化领域的景点算法-----ADMM算法求解大规模BA(Karthikeyan,Runze Zhang),其中,Runze Zhang使用了分布式ADMM,将大规模BA进行分布式求解,通过相机位姿一致性约束将子图连接,相比基于地图点一致性约束的分布式BA系统(Anders Eriksson)时间有大幅提升.因此,主要调研Runze Zhang的论文"Distributed Very Large Scale Bundle Adjustment by Global Camera Consensus".
刚开始看分布式BA论文时有很多名词不懂,特别是"Distributed Very Large Scale Bundle Adjustment by Global Camera Consensus"这篇论文,由于使用了ADMM算法,有许多A