由于立体图像对是预先校准的，因此我们将一对左右图像作为一个独立的单元。为了估计相对运动，标准的立体匹配方法依赖于在两对图像的所有四幅图像中观察到的特征点，而我们观察到许多点只被三幅甚至两幅图像共享。忽略这些点可能会丢失估计相机运动的重要信息，特别是当图像重叠受到限制时。因此，这里我们选择显式地处理两个姿势点共享视图的不同情况。具体来说，我们考虑至少三个视图共享的特征点，以确保尺度重建。虽然只有两个视点可以帮助估计旋转和平移的方向，但它们通常来自下图所示的小重叠区域，因此在这里被忽略。另一方面，两个姿势点之间可能有许多类型的共享特征。为了简化问题，我们选择对应性最强的类型来求解相对运动。在三视图情况下，采用立体图像对对特征点进行三角剖分，然后采用 RANSAC+P3P 算法进行求解。在四视图的情况下，我们遵循标准的处理方法，首先对两个站点中的点进行三角剖分，然后应用 RANSAC+PCA 配准算法找到相对运动。在这两种情况下，采用非线性优化程序，通过最小化内直线的重投影误差，对计算出的姿态和三角测量进行优化。最后，将所有的姿态变换为表示左摄像机之间的相对运动。

郑重声明：
1、部分内容来源于网络，本文版权归原作者所有，转载文章仅为传播更多信息之目的。
2、本文仅供学术交流，非商用。如果某部分不小心侵犯了大家的利益，请联系删除。​