KeyFrame

近些年，structure from motion取得了巨大的进步，但在大规模场景重建仍然遇到困难。对于某些质量较差的图像，在BA的过程中会增加outliers，以及该图像观测到较差的三维点，导致BA收敛速度慢甚至不收敛。本文提出一种新颖的关键帧选择策略，该策略可以优化BA的效率。

# 关键帧选择

定义一个场景变化的因子，用于衡量该帧对地图点的贡献度。首先通过三角化可以测量出该帧可以观测到的3D点数 $n u m_{1}$ ，再计算其新增加的3D点数 $n u m_{2}$ 。

$n u m_{1}$ 可以代表其可以观测到场景的3D点数， $n u m_{2}$ 代表当时增长地图点数。

综合考虑， $n u m_{1}$ 保证场景的完整性， $n u m_{2}$ 保证新增长的地图点的稳定性。

所以关键帧选取为 $n u m_{1} > α_{1}$ 或者 $n u m_{2} > α_{2}$ 的图像。

对于全局BA，仅仅添加关键帧到优化器中进行优化。减少冗余图像信息，避免陷入局部最优解，且提升优化速度。

对于普通帧，从关键帧集合中选取与之匹配数量最多的关键帧参考，在进行全局BA之前，计算相对位姿变换 $δ T = T_{i} T_{k e y}$ ，进行全局BA后，关键帧优化后的位姿为 $T_{k e y}^{'}$ 。

那么对于普通帧，通过传递优化，则普通帧优化后的位姿为 $T_{i}^{'} = δ T T_{k e y}^{'}$ 。