把一个矩阵赋值到structure结构中_SFM：BA Jacobian矩阵推导

SFM算法是一种基于各种收集到的无序图片进行三维重建的离线算法。在进行核心的算法structure-from-motion之前需要一些准备工作，挑选出合适的图片。

从运动到结构流程

首先从图片中提取焦距信息(之后初始化BA需要)，然后利用SIFT等特征提取算法去提取图像特征，用kd-tree模型去计算两张图片特征点之间的欧式距离进行特征点的匹配，从而找到特征点匹配个数达到要求的图像对。对于每一个图像匹配对，计算对极几何，估计F矩阵并通过ransac算法优化改善匹配对。这样子如果有特征点可以在这样的匹配对中链式地传递下去，一直被检测到，那么就可以形成轨迹。

之后进入structure-from-motion部分，关键的第一步就是选择好的图像对去初始化整个BA过程。首先对初始化选择的两幅图片进行第一次BA，然后循环添加新的图片进行新的BA，最后直到没有可以继续添加的合适的图片，BA结束。得到相机估计参数和场景几何信息，即稀疏的3D点云。

BA求解

捆绑调整（Bundle Adjustment）过程是无约束非线性最小化问题，优化算法可以选择最速下降法、牛顿法或者Levenberg-Marquardt算法，Levenberg-Marquardt由其简单实现性和阻尼策略（这样就能使其从初始假设值很快converge到稳定状态）成为最常用的方法。

使用L-M算法时，涉及到Jacobian矩阵。在深蓝学院『基于图像的三维重建』课程中，对于BA中的Jacobian矩阵做了详细推导，文档部分截图如下所示：

Jacobian矩阵推导文档

讨论区留言，领取完整版文档。

---

深蓝学院（https://www.shenlanxueyuan.com/）是专注于人工智能的在线教育平台，致力于构建前沿科技课程培养体系的业界标准，涵盖人工智能基础、机器学习、计算机视觉、自然语言处理、智能机器人等领域。