Bundle adjustment

束束调整 是计算机视觉中的一个重要技术，广泛应用于多视角几何、三维重建、视觉SLAM等领域。其目标是优化多个相机的内参（如焦距、主点）、外参（如旋转矩阵、平移向量）以及三维点的位置，以最小化重投影误差，进而提高三维重建的精度。

假设我们有一个多相机的拍摄系统，能够从不同的视角获取二维图像，并且通过特征匹配算法获得了图像间的对应点（即2D-2D匹配点）。同时，我们也有一些三维场景点（即3D-3D匹配点）。我们的目标是优化相机的内外参数和三维点的坐标，使得这些三维点在图像中的投影位置尽可能地与实际观测到的匹配点一致。

在多视图几何中，特别是在三维重建的场景下，束束调整的核心就是通过最小化重投影误差（reprojection error）来调整这些参数，从而提高重建结果的精度。

Gauss-Newton 方法是一种迭代优化算法，专门用于解决非线性最小二乘问题。它的主要思想是通过局部线性化非线性模型，逐步逼近问题的最优解。相比于一般的梯度下降法，Gauss-Newton 方法利用了目标函数的结构特性（残差平方和），具有更快的收敛速度。