利用特征点之间的仿射变换来解决相对位姿估计问题，提出了四种方法并证明了它们的有效性，可以在 RANSAC 循环中用于异常值检测和初始运动估计。

Dec, 2019

在本文中，我们提出了一种基于旋转 - 平移解耦估计的新型三视图位姿求解器，该方法通过考虑观测的不确定性并使用 Levenberg-Marquardt（LM）算法高效求解旋转估计，以及通过精心设计的稳健线性平移约束，来准确估计旋转和平移，实验结果表明该方法相较于基于三基数张量的经典方法和最先进的双视图算法，在室内外环境中提高了旋转和平移的准确性。

Mar, 2024

我们提出了一种估计已标定图像对之间相对位姿的方法，通过综合利用点、线及它们在混合方式下的重合情况。我们研究了这些数据模态可以共同使用的所有可能配置，并回顾了文献中可用的最小求解器。我们的混合框架结合了所有配置的优点，在具有挑战性的环境中实现了稳健准确的估计。此外，我们设计了一种方法，可以联合估计两幅图像中的多个消失点对应，并进行了包括所有相关数据模态的束调整。各种室内外数据集上的实验证明我们的方法优于基于点的方法，在可比速度下将 AUC@10° 提升了 1-7 个点。解算器和混合框架的源代码将公开发布。

Sep, 2023

通过推导摄像机拍摄同一场景点的新型线性位置约束，得出一种直接的全局摄像机平移估计线性方法，解决了共线摄像机运动和弱图像关联的问题。最终线性公式不涉及场景点坐标，使其适用于大规模数据，采用基于 $L_1$ 范数的线性方程求解，使该系统对基础矩阵和特征对应的离群值更加鲁棒，在顺序捕获图像和无序互联网图像上进行实验，证明了其在鲁棒性，精度和效率方面的优势。

Mar, 2015

本文介绍了一种新的 RGB-D 相对位姿估计方法，该方法适用于小重叠或非重叠扫描，并且可以输出多个相对位姿。该方法执行场景补全和匹配补全的扫描。

Dec, 2019

本研究提出一种基于 1 点 RANSAC 的高效姿态估计方法，利用地面对象假设和 2D 对象边框作为附加观察来实现姿态计算，以实现最快的性能，并采用分层的鲁棒性估计方法来优化估计结果。在合成和实际数据集中的实验表明所提出的方法具有优越性。

Aug, 2020

本文提出了一种新的多视点点云配准方法，使用神经网络评估扫描对之间的重叠，构建稀疏的姿态图，并在 IRLS 方案中设计了一种新的历史加权函数以提高对异常边缘的强鲁棒性，实验结果表明，相对于现有方法，我们的方法在 3DMatch 数据集上实现了 11% 的更高配准召回率，在 ScanNet 数据集上实现了约 13% 的更低配准误差，降低了约 70% 的必要的成对注册。

Apr, 2023

该研究提出了一种基于 RANSAC 框架求解几何优化问题的方法，通过设计一种学习策略，可以避免计算大量伪解，从而有效地解决了几何优化问题的难点。通过在相对位姿问题中使用该方法，在每个视图中使用四个点进行最小松弛，可以快速精确地计算出相机之间的相对位置。

Dec, 2021

该论文通过将相对位姿估计建模为一个二次约束二次规划问题，直接从对应关系中估计正确的相对相机位姿，绕过后续的唯象几何约束的加强处理步骤，通过详尽的合成和实际实验证实了该方法的有效性、高效性和准确性。

Dec, 2023

提出了三种新的求解器，用于从仿射对应中估计多相机系统的相对位姿，使得用更少的对应数即可快速准确计算。

Jul, 2020