Bundle Adjustment（束调整，简称 BA）是视觉 SLAM 与 SfM 中的核心步骤：在给定多帧图像的特征匹配与（可选）其他传感器观测下，联合优化“相机位姿”和“3D 点位置”，使所有点在各相机中的重投影误差总和最小。
要点
- 目标
- 最小化重投影误差：观测像素 − 由当前位姿与 3D 点投影得到的预测像素。
- 可加入鲁棒核抑制外点，并按测量噪声加权。
- 优化变量
- 相机位姿（SE3/含内参若自标定）
- 地图点（3D 坐标）
- 视觉惯性场景下还可包含速度、IMU 偏置、重力（称“视觉惯性束调”）。
- 形式
- 非线性最小二乘，在李群流形上迭代（Gauss-Newton/LM）。
- 大规模稀疏问题，利用 Schur 补先消去点，只在位姿上求解主方程，提高效率。
- 在 SLAM 中的用法
- 局部 BA：只优化当前关键帧及其邻域（实时保持质量）。
- 全局 BA：回环后或离线对全图精修（最准确，但耗时）。
- 与“位姿图优化”的区别
- 位姿图只优化位姿，边是位姿间相对约束（快）；BA 同时优化位姿与点（更准）。
- 何时有效/易失败
- 有足够视差与良好初值时效果最佳；纯旋转、弱纹理、匹配外点多、滚动快门强畸变会导致退化或收敛差。
- 输出
- 更一致的相机轨迹与稀疏 3D 点云，显著降低漂移与重投影误差。
一句话比喻
- 把“相机位姿”和“空间点”当钉子，把“像素观测”当橡皮筋；BA 是在同时调整所有钉子的位置，让所有橡皮筋都尽量不被拉伸。