现场 SfM: 你所捕捉的就是你所得的

原文约200字，阅读约需1分钟。发表于：。

通过使用词汇树对新拍摄的图像进行快速检索，然后采用最小二乘法进行鲁棒特征匹配，并通过优化实现高效的分层加权局部捆绑调整，实现了在线拍摄时图像的实时注册。

本文提出了一种可扩展的SfM问题求解方法，通过相机聚类算法将大型问题划分为具有重叠的相机簇的子问题，并将局部增量SfM的相对位置应用到全局运动平均框架中以产生准确且一致的全局相机位姿。该方法在重建城市级数据集的相机位姿方面表现出卓越的准确性和鲁棒性。