基于图像的大规模三维重建

更完全的空间信息、完全真实的视角、3D打印机的打印模型来源

数字博物馆、虚拟现实、电影产业、地图和导航 altizure
100到1000000张图，10M到100M像素，无序图像，与SLAM不同的是，需要处理无关的图像

问题：

• 奇异性问题
• 规模问题，多机器合作
• 冗余图片
• 图片质量不同

两大步

运动恢复结构sfm：

• SIFT>Harris Conner
• LIFT，迁移数据集泛化能力弱
• 自己提出 GeoDesc，专门用于三维重建，基于L2-Net，预处理出每张图片固定相关的图片，深度神经网络实现检索，代替词袋模型。基于图的匹配解决奇异性问题。
• 以最小生成树进行初始化，通过强三角对进行扩展，基于交流的图强化。最终得到完整的相机连接。
• Camera Registration：相机连接后，图虽然连接了，但顺序仍然未知，传统方法（2006）：找共视点最多的图像作为下一帧；先选出最小相机集再往集合上加图片（2008）；分布式系统加图片（2011）。以上都是递增式registration。  近年来使用全局方法，构造优化函数。将旋转和平移分开进行优化。优点在于可以进行闭环矫正，局部优化速度快。缺点对于outliers敏感。
• 分布式BA算法，参考ADMM