我正在将多个图像与平面的任意 3D 视图拼接在一起。我对哪些图像重叠进行了一些估计，并对重叠图像对之间的每个成对单应性进行了粗略估计。但是，我需要通过最小化所有图像的全局误差来改进我的单应性。
我已经阅读了几篇不同的论文，其中有各种方法可以做到这一点，我认为最好的方法是使用非线性优化，例如 Levenberg-Marquardt，理想情况下是采用稀疏和/或并行的快速方式。
理想情况下，我想使用现有的库，例如 sba 或 pba，但我真的很困惑如何将计算限制为仅估计单应性的八个参数，而不是相机姿势和对象位置的完整 3 个维度。我还发现了 Szeliski 的这个方便的解释（参见第 50 页的第 5.1 节），但同样，数学都是针对旋转相机而不是平面的。
如何使用 LM 最小化一组单应性的全局误差？有没有一种快速的方法可以使用现有的捆绑调整库来做到这一点？
注意：我不能使用仅依赖于旋转相机运动的方法（例如在 openCV 中），因为这些方法无法准确估计相机位姿，我也不能使用完整的 3D 重建方法（例如 SfM），因为它们的参数太多会导致在非平面点云中。我绝对需要特定于完整的 8 参数单应性的东西。相机内在函数并不重要，因为我已经在前面的步骤中纠正了这些。
谢谢你的帮助！