假设我有一组 5 个标记。我正在尝试使用ARToolkit等增强现实框架找到每个标记之间的相对距离。在我的相机中，前 20 帧只显示前 2 个标记，以便我可以计算出 2 个标记之间的转换。第二个 20 帧只显示第二个和第三个标记，依此类推。最后 20 帧向我展示了第 5 和第 1 个标记。我想建立所有 5 个标记的标记位置的 3D 地图。

我的问题是，知道由于视频馈送质量低而导致距离不准确，鉴于我收集的所有信息，我如何最大限度地减少不准确？

我天真的方法是使用第一个标记作为基点，从前 20 帧中取变换的平均值，然后放置第二个标记，以此类推第三和第四个。对于第 5 个标记，通过将其放置在第 5 和第 1 以及第 4 和第 5 之间的转换平均值的中间，将其放置在第 4 和第 1 之间。我觉得这种方法偏向于第一个标记放置，并且没有考虑到相机每帧看到超过 2 个标记。

最终，我希望我的系统能够计算出 x 个标记的地图。在任何给定的帧中，最多可以出现 x 个标记，并且由于图像质量而存在非系统性错误。

任何有关此问题的正确方法的帮助将不胜感激。