在三维重建和视觉定位领域，全局相机姿态估计是一个核心问题。传统的结构从运动（SfM）方法通常依赖于成对图像之间的平移方向来估计相机位置。然而，这些成对方向往往是在局部范围内独立计算的，缺乏全局一致性，导致整体姿态估计的不准确。为了解决这一难题，Francisco Chen及其同事提出了一种名为TriDE的新方法，通过引入相机-三角形一致性约束来联合优化平移方向。
TriDE的核心创新在于利用相机-三角形一致性作为高效的更高阶验证信号。与传统的全局非线性优化方法相比，TriDE不需要复杂的初始化，而是通过消息传递机制在方向及其相关的加权三角形之间传播信息，逐步修正不可靠的成对方向。这种策略不仅避免了全局优化的高昂计算成本，还在理论上证明了在随机腐蚀模型下存在精确恢复的强相变界限。也就是说，在一定的腐蚀条件下，TriDE能够以高概率恢复真实的平移方向。
实验部分展示了TriDE在真实图像图上的卓越表现。与现有方法相比，TriDE在方向精度上取得了大幅提升，并显著改善了最终的相机位置估计。例如，在多个标准数据集上，TriDE的方向误差降低了30%以上，且相机位置的中位误差也有明显下降。这些结果表明，TriDE成功地建立了局部成对估计与全局相机姿态几何之间的实用桥梁。
该论文于2026年5月7日提交至arXiv，编号为2605.06889，共32页，包含6张图。作者包括Francisco Chen等人。这项工作为大规模三维重建提供了一种高效且鲁棒的解决方案，有望在自动驾驶、增强现实和机器人定位等领域发挥重要作用。