3D 视觉中全球求解器的最新进展
计算机视觉与模式识别
2026-02-17 v1 机器人学
摘要
全球求解器已成为3D视觉中强大的范式，能够为传统采用局部或启发式方法解决的非凸几何优化问题提供可证明的解。本综述系统性地审查了3D视觉中的全球求解器，通过对三大核心范式的综合分类：分支定界法（Branch-and-Bound, BnB）、凸 relax (Convex Relaxation, CR) 和渐进非凸性（Graduated Non-Convexity, GNC），实现了该领域的统一。我们呈现了这些方法的理论基础、算法设计以及针对鲁棒性和可扩展性的实用性改进，探讨了每种方法如何处理几何估计问题中固有的非凸性。我们的分析涵盖十个核心视觉任务，从Wahba问题到束adjusted，揭示了决定求解器选择的optimality-robustness-scalability权衡。我们识别出关键的未来方向：在保持保证条件的同时扩展算法规模、将数据驱动的先验知识与可证明优化相结合、建立标准化基准，以及关注在安全关键型应用中的社会影响。通过整合理论基础、实际进展和更广泛的影响，本综述提供了统一的视角和通往可证明、可信赖感知的路线图，以服务于实际应用。一个持续更新的文献汇总以及伴随代码教程可在 https://github.com/ericzzj1989/Awesome-Global-Solvers-for-3D-Vision 查阅。
引用
@article{arxiv.2602.14662,
title = {Advances in Global Solvers for 3D Vision},
author = {Zhenjun Zhao and Heng Yang and Bangyan Liao and Yingping Zeng and Shaocheng Yan and Yingdong Gu and Peidong Liu and Yi Zhou and Haoang Li and Javier Civera},
journal= {arXiv preprint arXiv:2602.14662},
year = {2026}
}
备注
Comprehensive survey; 37 pages, 7 figures, 3 tables. Project page with literature tracking and code tutorials: https://github.com/ericzzj1989/Awesome-Global-Solvers-for-3D-Vision