基于相对运动 Hessian 的无点全局光束法平差

光束法平差（BA）是优化相机位姿并生成场景稀疏表示的标准方法。然而，随着相机位姿与特征数量的增长，通过光束法平差的精化变得低效。受全局运动平均方法启发，我们提出了一种新的光束法平差目标函数，其不依赖图像特征的重投影误差，却保持与经典 BA 相当的精度。我们的方法对相对运动进行平均，同时隐式地纳入结构在平差中的贡献。为此，我们用局部 Hessian 矩阵对目标函数加权——这是在位姿初始化阶段对相对运动（例如两两或三三）进行局部光束法平差时的副产品。此类 Hessian 极为丰富，因为它们同时封装了特征的随机误差与相机间的几何构型。这些信息传播至全局帧有助于以更严谨的方式引导最终优化。我们认为该方法为运动平均方法的升级版，并在摄影测量数据集与计算机视觉基准上展示了其有效性。