Colmap-重三角化

Incremental Reconstruction流程是：

• 初始化部分是寻找一对初始的匹配图像对，这个图像对的选择对后面的重建过程非常重要，所以通常需要精心筛选。论文提到，初始图像对之间的匹配点数量越多，通常可以获得更为鲁棒和精确的结果；而如果匹配点数量较为稀疏，则重建速度会更快，因为BA（Bundle Adjustment）求解的问题较小。
• 选定匹配对后，利用对极几何关系分解获得两张图像的位姿，然后三角化生成三维点。接下来，每次往系统中增加一张新的图像，通过PnP（Perspective-n-Point）估计它的位姿，然后三角化生成新的三维点，之后进行BA优化，BA过程中滤除外点。直至所有图像都被加入系统中。

VSLAM中的特征点三角化        

特征点三角化（Triangulation）是根据特征点在多个相机下的投影恢复出特征点的3D坐标。特征点在某个相机中被观测到，根据相机位姿和观测向量可以得到3D空间中的一条从相机中心出发的观测“射线”，多个相机位姿观测会产生多条观测射线，理想情况下这些观测射线相交于空间中一点，求所有观测射线的交点就是特征点在3D空间的位置，这就是三角化最朴素的思想。

通过三角测量（Triangulation）（或三角化）的方法来估计地图点的深度。