一些综述

37 Hsfm: Hybrid structure-from-motion 2017 CVPR

通过RA获取旋转，然后采用P2P方式逐步配准相机中心

16 Divide and conquer: Efficient large-scale structure from motion using graph partitioning 2014 ACCV

通过图像的相似性分数构建场景图，然后并行执行特征匹配和局部SfM，合并局部重建

18 Parallel structure from motion from local increment to global averaging 2017

19 Very large-scale global SfM by distributed motion averaging 2018 CVPR

17 Graph-based parallel large scale structure from motio 2020 PR

发现最小啊生成树MST来解决最后的合并操作

38 Progressive structure from motion 2018 ECCV

再采用分治法之前，通过RA过滤了错误的对极几何

39 Vio-aided structure from motion under challenging environments 2021 ICIT

采用VINS进行回环检测与矫正

AdaSfM

分区划分

分区之间的重叠区域较少

现存的方法使用图割和扩展的模式，在分区之间创建重叠区域，有两个缺点

• 当试图变得太稀疏时，重叠区域不足以进行最终合并
• 图割的方式倾向于分离那些弱约束的边，但重叠区域也是取决于弱约束的边

分区合并

分区合并时，对异常值不鲁棒，以及在样本数量不足时，估计的相似变换不准确

AdaSfM: From Coarse Global to Fine Incremental Adaptive Structure from Motion

解决问题分区划分，通过扩展分隔符，st分区之间的重叠区域增加，达到一个阈值后，则停止扩展。

解决问题分区合并，动态设定内点率的阈值

Graph SfM

一样的，采用图割的方式进行划分，绿色节点的边代表弱边，红色是切割线

切割完之后，把子图当成一个节点，删掉的边作为新的边，再次将他们连接起来

对这个新的图生成最大生成树

再对最大生成树进行扩展一些边