主流SFM处理方式的梳理

SFM是什么？

SFM即Structure-from-motion运动结构重建，从大批量图像数据出发，通过相关处理，获取目标图像集3D几何（结构）和摄像机姿态（运动）信息，主要处理流程可分为如下几步：特征提取；特征匹配；姿态估计；束调整。具体处理流程参见下图：

本文主要聚焦于对不同SFM处理方式的梳理总结，对SFM原理部分，可参考该博主的文章：SFM原理简介
总体来说，现有的主流SFM方式可分为如下四类：
全局式SFM
增量式SFM
分层式SFM
混合式SFM
其中后两种处理方式，是近些年来随着三维重建数据量的不断攀升，而逐渐兴起的针对大规模数据处理而诞生的新的处理方式。

全局式SFM

大多数的全局SFM处理可分为如下两步进行。首先，针对场景中的N个视图计算各视图的全局旋转，即旋转平均；然后在该基础上计算各视图的平移，以及结构，即平移平均。而将这两个步骤分开的好处是，即