接上一篇：

http://www.cnblogs.com/letben/p/5446074.html#3538201

捆绑调整

（好开心有同学一起来看看这些问题，要不然就是我自己的话，我应该也不会看的吧，所以某种程度上说，他也帮了我呢。。。吼吼吼）

关于捆绑调整，由于摄影设备本身的焦距、光圈等等问题，是容易导致图片集的结果不一致的。【但是原文里面提到的相机参数又包括什么呢？ TODO 】那么问题就来了，如果要进行拼接，第一幅图拼接第二幅的时候，会遵从一个标准（比如，以第一幅为标准的亮度，或者是第二幅，或者是两个图片的均值），接下来如果第三幅图片拼接一跟二的结果的时候，又出现了这种标准不一致的问题，要怎么办，照这个情况下去，都拼接完，全景图也还是不能看的。所以。要是能为所有的图像给出一个基准的容器或者模板或者说相框的话，把每一次都要放到模板中的图片进行旋转和焦距长度的初始化以后，【所以相机参数指的是 悬着和焦距么？】最后在使用L-M算法更新。

执行一个调用：关于L-M算法。【大概是工程数学学到的拟合问题，有一个我记得叫龙格库塔？大概是这么个人吧，总之就是利用给的一些离散的点（算了还是不要装逼了，就是 初中数学学到的，在xy轴上随意的几个点，如果他们是（1,2） （3,6）的话就好了，这样必然有一条曲线（这里面是直线）能够描述，如果这个线比较特殊，点也比较多，不能用一条直线，甚至不能用某一条曲线刻画的话，那么一定在误差允许范围内有一条大概能够描述这些点的曲线，说白了，就是用手画一条平滑（当然是不是可以有顿点，拐点，不连续点也未可知）曲线（或者直线或者几次函数）来尽量把所有的点都描起来，如果还是描不起来的话，那就让点距离曲线的距离尽量小，）】

还是不好理解的话，就是因为我们所有相机参数比较离散（分散，且不具有可描述的规律），不能通过以前学的初中甚至高中数学知识来精确算得，这样在大学学到的近似描述可以大概确定一个比较靠谱的点，实际应用也不要求我们找到这样一个曲线，所以只要能定参数就够了，这里采用了Levenberg Marquardt这个算法来确定一个近似最优解。

那这里面的求解最优解，其实可以比如用别的算法，

http://www.cppblog.com/abilitytao/archive/2010/12/10/136058.html

这里面提到了他，是不是用了12步？

【那采用龙格库塔的话算法速度应该还会快吧~~~毕竟龙格库塔四阶趋近的速度？印象中是，这不就是一个算法速度的改进嘛~~~至于效率，，，其实感觉上是杯水车薪，能快个几百纳秒？】

龙格库塔：http://blog.sina.com.cn/s/blog_418394a90101jy26.html

然后是L-M 的具体算法，如果 你有工程数学那本书的话，可以翻翻，就是一些书上内容的叙述。

以及图片到文章的对应。

接下来是 Huber函数

http://blog.csdn.net/u010922186/article/details/41217847

这里在众多的函数中挑选了这个，倒是也没说为什么，就可以试一下别的误差函数收敛一下。看看效果。

然后4.1通过一堆理论的推导，发现可以通过算

来近似计算矩阵转置残差

（虎头蛇尾了。。。）

关于automatic_Panoramic_Image_Stitching_using_Invariant_features 的阅读笔记（2）