Computer vision 对两个视图进行捆绑调整有意义吗？

如果我只有两张单眼图像，光束调整真的有用吗？根据我的想法，只有当我有多个视图/图像，并因此计算多个图像中一个（或实际上多个）3D点的重投影时，束调整才有意义。为什么？因为我在每个图像中都有离散化错误，我可以通过束调整在多个图像上减轻这些错误。如果我只考虑两个视图，重投影误差应该接近于零，不是吗？或者这是错误的，它也适用于2幅图像，因为基本/基本矩阵和相对变换可能是错误的，从而导致较大的错误？我很困惑，因为我看到一些实现总是在一组图像之间最小化重投影错误。

对于普通针孔相机的图像，可以在两个视图上最小化重投影错误。点的投影和三角化三维位置由中心投影下的两个视图进行非模糊定义。取决于初始估计/初始重建结果的准确性，影响可能较小或更显著

从我的想法来看，捆绑调整只会有意义 如果我有多个视图/图像，因此计算 多个图像中的一个（或多个）3D点

嗯，你需要有一些检测到的3D点的图像坐标。根据用于对点的三维位置进行三角剖分的视图数量，束调整的效果将有所不同，例如，应改进从两个视图进行三角剖分的点，当您将其图像坐标放在3个图像中，并将这3个视图上的重投影误差非线性降至最低，而不是基于两个视图执行线性三角剖分

这还取决于是否还优化了摄影机参数。在这种情况下，如果束调整基于大量具有足够视图变化的图像，则束调整应该更精确

对于仿射成像特性和相机模型，只能使用在至少三个图像中检测到的点。否则，结果是不明确的