在三維重建和視覺定位領域，全局相機姿態估計是一個核心問題。傳統的結構從運動（SfM）方法通常依賴於成對圖像之間的平移方向來估計相機位置。然而，這些成對方向往往是在局部範圍內獨立計算的，缺乏全局一致性，導致整體姿態估計的不準確。為了解決這一難題，Francisco Chen及其同事提出了一種名為TriDE的新方法，通過引入相機-三角形一致性約束來聯合優化平移方向。
TriDE的核心創新在於利用相機-三角形一致性作為高效的更高階驗證信號。與傳統的全局非線性優化方法相比，TriDE不需要複雜的初始化，而是通過消息傳遞機制在方向及其相關的加權三角形之間傳播信息，逐步修正不可靠的成對方向。這種策略不僅避免了全局優化的高昂計算成本，還在理論上證明了在隨機腐蝕模型下存在精確恢復的強相變界限。也就是説，在一定的腐蝕條件下，TriDE能夠以高概率恢復真實的平移方向。
實驗部分展示了TriDE在真實圖像圖上的卓越表現。與現有方法相比，TriDE在方向精度上取得了大幅提升，並顯著改善了最終的相機位置估計。例如，在多個標準數據集上，TriDE的方向誤差降低了30%以上，且相機位置的中位誤差也有明顯下降。這些結果表明，TriDE成功地建立了局部成對估計與全局相機姿態幾何之間的實用橋樑。
該論文於2026年5月7日提交至arXiv，編號為2605.06889，共32頁，包含6張圖。作者包括Francisco Chen等人。這項工作為大規模三維重建提供了一種高效且魯棒的解決方案，有望在自動駕駛、增強現實和機器人定位等領域發揮重要作用。