我正在用平面表面的任意3D视图拼接多个图像。我估计了哪些图像重叠以及对重叠图像对之间的每个成对单应性的粗略估计。但是，我需要通过最小化所有图像的全局误差来优化我的单应性。
我已经阅读了一些不同的论文，其中有各种方法可以做到这一点，我认为最好的方法是使用非线性优化，例如Levenberg-Marquardt，理想情况是以稀疏和/或并行的快速方式
理想情况下，我想使用现有的库，例如sba或pba，但我真的很困惑如何将计算限制为仅估计单应性的八个参数而不是相机姿态和对象位置。我还发现了Szeliski的this handy explanation（参见第50页的第5.1节），但同样，数学是针对旋转相机而不是平面的。
如何使用L-M来最小化一组单应性的全局误差？有没有快速的方法来使用现有的捆绑调整库？
注意：我不能使用依赖于仅旋转摄像机运动的方法（例如在openCV中）因为那些无法准确估计摄像机姿势，而且我也无法使用全3D重建方法（例如SfM）因为那些太多了导致非平面点云的参数。我绝对需要特定于完整的8参数单应性的东西。相机内在函数并不重要，因为我已经在前面的步骤中纠正了这些内容。
感谢您的帮助！