中文摘要：

捆绑调整是对具有稀疏耦合特征的参数进行优化的方法，这个方法在三维视觉研究领域有重要应用。经过四十多年的发展，这个方法在使用L2范数的情况下所涉及的理论、算法、及相关优化工具已经比较完善。但经典的L2方法在实际应用中存在对外点敏感的不足之处。L1范数具有和L2范数相类似的几何意义且对外点鲁棒，但采用L1范数存在不可微的问题，当前非线性L1范数的优化方法非常匮乏且效率不高。为此，本课题研究具有稀疏耦合这种特殊形式的L1范数优化问题。重点解决三个科学问题初始点选取、原始问题转换为一系列凸问题的高效求解方法、利用稀疏耦合性质的加速方法。然后把方法集成为工具包并应用到相关领域来迭代改进。通过本课题的研究，可望得到高效鲁棒的捆绑调整方法、提高三维重建的精度、改进相关领域的优化方法。因此，本课题的研究具有重要的科学意义和应用价值。