最近的研究[15, 16, 7, 26, 4, 9, 18, 33, 12, 8, 54]表明,全局方法在重建场景时同时考虑所有图像,比增量技术具有类似或更好的精度,同时更有显著效率。...第三,提出了一种算法,根据点对点对应的历史来自适应地重新排序——无论在之前的估计中,其中一个或两个点都不一致。该方法利用了这些嵌入的特征点可能代表与场景的刚性重建一致的三维点。...为了提高精度和获得P∗,我们采用了由新估计的模型P初始化的迭代重新加权的最小平方拟合。
?
Failures。...来自任一组的每个关键点 p 的得分为 s(t) p∈ [0, 1] 用于确定其在所有关键点中的异常值等级。...比较了三种方法:最初为 RANSAC 提出的均匀匹配(无序);PROSAC 当对应关系根据其 SIFT 比率排序时 [10];以及考虑来自早期估计的点的先验信息而提出的自适应重新排序。