LOSTU：快速、可扩展且不确定性感知的三角测量

本文提出一种非迭代、可扩展且统计最优的三角测量方法，称为\texttt{LOSTU}。与最小化重投影（$L_2$）误差的三角测量算法不同，当相机位姿或参数存在误差时，LOSTU仍可提供最大似然估计。该通用框架用于梳理其他三角测量方法，如直接线性变换（DLT）或中点法。合成实验表明，LOSTU可比使用不确定性感知的Levenberg-Marquardt（或类似）优化方案快得多，同时提供精度相当的结果。最后，LOSTU与不确定性感知位姿估计结合用于序列重建，获得了更好的重建指标。