针对360街拍视频切割数据的单目三维重建中增量过程分析与改进
360摄像机街拍视频根据FOV切割5视角图片进行重建。
狭窄复杂街道，人群多，光影复杂，匹配度较差，图像匹配实验：https://blog.****.net/huqinweI987/article/details/108850821
使用colmap进行点云生成。
因为colmap的增量过程采用了分块模式，并且此模式在倾斜摄影中应用效果可接受，所以此功能被保留用于AR街景的场景重建。
分块本身对AR增量过程产生影响的典型情况示意图：
因为匹配度不佳，结构脆弱，分块导致图片间匹配割裂。
分块后增量实验：
以742张图的第一块为例。
增量产生多块子模型的间接原因：
首次Reconstruct失败，产生0个manager，for循环，放宽参数继续重建（如成功，则size大于0，break）：
产生多块的直接原因：
启用了“多子模型”模式，一次性无法注册所有图片，且单个子模型满足下限，导致产出多个子模型。
上图，不注册所有图片无法break，下图，不break需循环指定次数才会结束
多模型模式下，最小模型size直接影响产出子模型数量和单个模型的规模，且参数数值固定
实验：不同“最小模型注册图数”对产出模型的影响。
下图是一次重建结果，分别产出13、108、11图片数的子模型，目前不确定建出size=13的块与建出size=108的块的顺序颠倒是否可能影响互相的融合关系（先108，是否会直接产生108+13=121或更大的块，而不是割裂的）。根据局部增图和BA得流程猜测有影响（又或者，有更好的大块可以做增量基础，但是超过重试次数导致没有被发现）
调整参数(默认10)：options_->min_model_size = 100
结果可以一个模型注册所有块
所有图片被注册，也不需要放宽参数
只产生一个文件夹（对比，之前产生过三四个文件夹）
下图：对比，一次重建产生了0、1、2三个目录，本次产生0一个目录
作为对照，直接使用job5，不重新分块，
调整参数(默认10)：options_->min_model_size = 10
不能完成所有图片的注册，产生4个子模型，丢图数=742-19-14-20-11=678
极其烂的结果
结束是因为超过10次重试（也可修改此参数，对于此场景，是很应该改的）
合并过程会使用其中最大的（20张图）子模型，导致丢图722张。
针对上次实验，做一个修补尝试，修改阈值为30：
实测可以改善，证明阈值更改有效
产出单个模型742张图，不丢图！
文件大小对比：
一次成型
三个子模型