在三維重建和視覺定位領域，全域性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影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區域性範圍內獨立計算的，缺乏全域性一致性，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，透過引入相機-三角形一致性約束來聯合最佳化平移方向。
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訊號。與傳統的全域性非線性最佳化方法相比，TriDE不需要複雜的初始化，而是透過訊息傳遞機制在方向及其相關的加權三角形之間傳播資訊，逐步修正不可靠的成對方向。這種策略不僅避免了全域性最佳化的高昂計算成本，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。也就是說，在一定的腐蝕條件下，TriDE能夠以高機率恢復真實的平移方向。
實驗部分展示了TriDE在真實影像圖上的卓越表現。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，在多個標準資料集上，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成功地建立了區域性成對估計與全域性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。