然而，上述库似乎使用了一个不支持OpenCV的拼接类，可能需要我将其移植到OpenCV中。
在继续之前，考虑到这可能不是一项容易的任务，我想先问问周围是否有其他人遇到过同样的问题？
我目前正在使用：
1. 使用FASTFeatureDetector计算特征
Ptr<FeatureDetector> detector = new FastFeatureDetector(5,true);
detector->detect(firstGreyImage, features_global[firstImageIndex].keypoints); // Previous picture
detector->detect(secondGreyImage, features_global[secondImageIndex].keypoints); // New picture
2. 使用SIFTDescriptorExtractor提取特征
Ptr<SiftDescriptorExtractor> extractor = new SiftDescriptorExtractor();
extractor->compute(firstGreyImage, features_global[firstImageIndex].keypoints, features_global[firstImageIndex].descriptors); // Previous Picture
extractor->compute(secondGreyImage, features_global[secondImageIndex].keypoints, features_global[secondImageIndex].descriptors); // New Picture
3. 使用BestOf2NearestMatcher进行特征匹配
vector<MatchesInfo> pairwise_matches;
BestOf2NearestMatcher matcher(try_use_gpu, 0.50f);
matcher(features_global, pairwise_matches);
matcher.collectGarbage();
4. 从设备传递的CameraParams.R四元数（略微不准确，导致问题）
5. CameraParams.Focal == 389.0f -- 尝试了不同的值，389.0f是唯一与图像水平匹配但垂直不匹配的值。
6. Bundle Adjustment（cvLevMarq，calcError & calcJacobian）
Ptr<BPRefiner> adjuster = new BPRefiner();
adjuster->setConfThresh(0.80f);
adjuster->setMaxIterations(5);
(*adjuster)(features,pairwise_matches,cameras);
7. 曝光补偿器 (增益)
8. OpenCV 多频带混合器
目前的进展:
接缝查找器- 在某种程度上有效，但它取决于cvLevMarq算法的结果。也就是说，如果算法不正确，seamFinder也会失效。基于单应性估计器非常有效。然而，由于它“依赖”于特征，所以不幸的是这不是我正在寻找的方法。
我不想依赖于特征，因为我已经有了矩阵，如果有一种方法可以“优化”当前的矩阵，那么这将是预期的结果。
目前的结果:
cvLevMarq “俄罗斯轮盘” 6/10：
这就是我想要实现的10/10次效果。但是有4/10次，它看起来像下面这张图片。
仅仅重新运行算法就会改变结果。有4/10的概率结果看起来像这样（或更差）:
cvLevMarq“俄罗斯轮盘赌” 4/10:
期望结果：
我想使用已匹配的特征“精细”我的相机参数，希望图像能够完美对齐。不要指望cvLevMarq可以为我完成这项工作（它有4/10的概率无法完成），是否有其他方法来确保图像对齐呢？
更新：
我尝试了以下版本：
OpenCV 3.1：使用3.1版的CVLevMarq就像玩俄罗斯轮盘一样。有时候可以完美地对齐它们，而有时候它会估计焦距为NAN，这会导致多波段混合器中的segfault（ROI = 0,0,1,1，因为出现了NAN）。
OpenCV 2.4.9/2.4.13：使用2.4.9或2.4.13版的CvLevMarq，遗憾的是除了NAN问题之外，情况完全一样。6/10次可以完美地对齐图像，但另外4次则完全不行。
我的猜测/想法：
使用OpenCV进行模板匹配。也许如果我对图像的末端进行模板匹配（即x = 0，y = 0，height = image.height，width = 50），会有所帮助。您对此有何想法？
我发现这篇关于在Homography中应用Levenberg Marquardt的论文很有趣。看起来这可以解决我的问题，因为该论文使用角点检测等方法来检测图像中的特征。您对此有何想法？
也许问题不在于
CvLevMarq，而是在于BestOf2NearestMatcher？但是，我已经搜索了好几天，找不到另一种方法来返回成对的匹配结果以传递给BPRefiner。Hough Line Transform 检测第一/第二幅图像中的直线并将其用于对齐图像。您对此有何想法？--一个问题可能是，如果图像中没有任何直线怎么办？例如空墙？
也许我在处理一个非常简单的东西时过度处理了..或者我没有？基本上，我正在尝试对齐一组图像，以便我可以对它们进行变形而不会重叠。如果您觉得不理解，请留言 :)
更新于8月12日:
尝试了各种组合后，目前绝对最好的选择是CvLevMarq。唯一的问题就是如上面的图片所示，结果不稳定。如果有任何建议，将永远感激不尽。
camera_global[i].Focal = 418.0f，使其在水平方向上看起来对齐了，但在垂直方向上没有对齐。 - user4200570CvLevMarq和calcJacobian，但没有成功。虽然它可以对齐图像，但结果是不可预测的。 - user4200570