提出了一种基于最小问题求解的相对相机位姿估计方法，其中采用了三点和一条线以及三点和两条线（穿过两个点）的三视图对应信息；该方法采用了一种新的高效的同伦继续求解（HC）求解器框架 MINUS，能够解决之前由 Groebner 基础方法不能有效解决的问题，并通过模拟实验和真实实验充分验证了该方法的有效性。

Mar, 2019

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

通过考虑特征的 2D 和 3D 坐标的不确定性，提出了一种基于 EPnP 和 DLS 的 PnP (L) 求解器，将其应用于机器人和 AR / VR 系统中的相机定位，实验表明该方法在准确度方面优于现有算法，并使位姿估计出现提高。

Jul, 2021

在两视相对估计中，本文介绍了一种基于最近的仅位姿成像几何来通过适当的重新加权过滤异常值的线性相对姿态估计算法，该算法能够处理平面退化场景，在存在高比例异常值的情况下提高鲁棒性和准确性，通过将线性全局平移约束嵌入迭代重新加权最小二乘 (IRLS) 和 RANSAC 的策略中来实现鲁棒异常值去除，Strecha 数据集的仿真和实际测试表明，该算法在面对高达 80% 的异常值时实现了 2 到 10 倍的相对旋转准确性改进。

Jan, 2024

基于点线组合的三维姿态估计问题的新凸方法，使用统一的二次约束二次问题并通过 Shor 松弛法将其放松为半定规划，可以优雅地处理点和线的混合配置并在不确定的情况下恢复有限数量的解。实验结果表明，该方法不仅具有灵活性，而且结果与最好的现有方法相符。

Jul, 2019

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

本文提出了一种基于全局优化的稳健方法，来解决基于地图的视觉惯性定位中的共识最大化问题，该问题的主要挑战是在变化环境下存在外点，该方法可以在高百分比的外点存在时仍实现确定性全局收敛。

Feb, 2020

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

本文介绍了一种多人 3D 姿态估计的快速、鲁棒方法，使用多方式匹配算法来解决在噪声和不完整的 2D 姿态预测中查找跨视角对应关系的主要挑战，并结合几何和外观提示进行跨视角匹配。

Jan, 2019

本文提出了一种基于 2D-3D 线对应的高效单目相机在先前 LiDAR 地图中的定位方法，并使用位姿预测和离群值排除来优化相机位姿和 2D-3D 对应关系的投影误差，实验结果表明该方法可以在结构化环境中高效地估计相机位姿。

Apr, 2020