g2opy 这是图形优化C ++框架的python绑定。 g2o是用于优化基于图的非线性误差函数的开源C ++框架。 g2o被设计为易于扩展到各种问题，通常可以在几行代码中指定一个新问题。 当前的实现为SLAM和BA的多个变体提供了解决方案。 机器人技术和计算机视觉中的许多问题都涉及到最小化可以表示为图形的非线性误差函数。 典型实例是同时定位和映射（SLAM）或捆绑包调整（BA）。 这些问题的总体目标是找到能最大程度解释受高斯噪声影响的一组测量值的参数或状态变量的配置。 g2o是用于解决此类非线性最小二乘问题的开源C ++框架。 g2o被设计为易于扩展到各种问题，通常可以在几行代码中指定一个新问题。 当前的实现为SLAM和BA的多个变体提供了解决方案。 当前，该项目不支持用python编写用户定义的类型，但是预定义的类型足以实现最常见的算法，例如2d或3d场景中的PnP，ICP，捆绑

依次修改BLAS_LIBF2C_LIBLAPACKBLAS_DIRLAPACK_LIB的值如下图所示红色警告消失再次点击Configure然后点击GenerateVS工程生成。

描述： 1.获取相机位置的初始值：[omega, phi, kappa, Xc, Yc, Zc] 2.获取相机内部参数的初始值[f,xc,yc,K1,K2,K3,P1,P2,B1,B2] 在 fraser 1996 中提到； 3. 求解束平差中的所有参数。 N01。 速度相当适合 2000 方程。 N02。 这不是稀疏束调整。 N03。 所有输入参数都存储在一个 .mat 文件中，并附上一个示例文件用于测试目的

>>说明： 在主文件中，随机生成一组点和相机，即分布在平面上的点和平行于平面移动的相机。 每个点计算 2d 图像投影，相机使用真实位置观察该点。 在这一步之后，高斯噪声被添加到点的 3D 坐标 (xyz) 和相机的 6D 坐标 (xyz phi theta psi)。 然后，通过使用3D点到摄像机图像平面的重投影误差定义成本函数来提出优化问题。 Levenberg-Marquardt和Trust-Region-Reflective最小二乘均被使用。 如果指定使用第二种算法，则构建表示雅可比稀疏模式的矩阵以实现优化的显着加速。 编写此代码只是为了展示捆绑调整问题的性质以及如何实现它。 它的意思是用于学术目的。 >>用途： 只需运行主脚本即可。 要更改相机的几何形状或点云的几何形状，只需编辑 Pose 和 Point Cloud Generation 部分下的主脚本。 >>兼容性： 在

在SFM（structure from motion）的计算中BA（Bundle Adjustment）作为最后一步优化具有很重要的作用，在近几年兴起的基于图的SLAM（simultaneous localization and mapping）算法里面使用了图优化替代了原来的滤波器，这里所谓的图优化其实也是指BA。其实很多经典的文献对于BA都有深深浅浅的介绍，如果想对BA的全过程做一个全面的更深层次的了解，推荐阅读 Bundle Adjustment —A Modern Synthesis. 目录 一. 历史由来 二. Bundle Adjustment到底是什么？ 平差也就正好表述了为什么

This paper is a survey of the theory and methods of photogrammetric bundle adjustment, aimed at potential implementors in the computer vision community. Bundle adjustment is the problem of refining a visual reconstruction to produce jointly optimal structure and viewing parameter estimates. Topics covered include: the choice of cost function and robustness; numerical optimization including sparse Newton methods, linearly convergent approximations, updating and recursive methods; gauge (datum) invariance; and quality control. The theory is developed for general robust cost functions rather than restricting attention to traditional nonlinear least squares.

sba一个通用的稀疏光束法平差的软件包，可以用于摄影测量软件开发

本压缩包里是SBA 1.6（Sparse Bundle Adjustment）的VC2010版本 原下载地址是:http://www.ics.forth.gr/~lourakis/sba 本VC2010版本(sba.sln)是使用CMake,根据原下载源码中CMakeLists.txt转换而成,并删除一些不必要的配置/文件后精简而成.其中包含两个项目,sba和eucsbademo,这两个项目的编译和链接选项也进行了简化. 其中sba项目将生成sba.lib,是SBA核心算法的静态库. ecusbademo项目将生成ecusbademo.exe,是SfM的演示程序.该项目用到两个静态库,一个是上边的sba.lib,一个是线性代数库clapack.lib. SBA(VC2010版)的目录结构: ./sba SBA源码 (含readme.txt) ./demo ecusbademo源码 (含readme.txt) ./lib 静态库存放位置，包括clapack.lib和sba项目生成的sba.lib都放在这里 ./documentation 相关论文和文档(我搜集下载的) ./vc2010 VC2010的解决方案和项目配置文件(*.sln, *.vcxproj...) 使用方法: 使用VC2010直接打开sba.sln,全部编译即可. sba项目生成sba.lib,放入./lib目录中. ecusbademo生成ecusbademo.exe,放入./demo中 运行ecusbademo.exe(其参数格式参见./demo中的readme.txt)

由于bundle adjustment算法计算复杂度高，时间花费过多，所以选择了sparse bundle adjustment，该算法可参考multiple view geometry in computer vision 书中的附录6，另外这个文件也包含一篇介绍parse bundle adjustment以及如何使用该代码的文档