为了解决传统算法中由旋转和平移耦合优化引起的相互干扰以及量纲差异问题，提出了一种基于旋转-平移解耦优化的稠密重建算法。该算法将相机位姿空间拆分成旋转和平移两个独立子空间，并在子空间内独立地搜索两分量的优质解。在每次迭代中，该算法针对旋转和平移的当前估计值设置搜索邻域，并在搜索邻域内采样候选解，通过评估选出最优解以更新估计值。迭代该过程，直到满足结束条件。实验结果显示，该算法有效地减少了旋转与平移优化过程中的相互干扰，从而提高了优化的效率和精度。这证明了在稠密重建中相机位姿估计环节，该算法设计具有一定优势。