En este estudio se discute el mal condicionamiento del método iterativo para modelos no lineales. Debido a la efectividad de la estimación de crestas para problemas mal condicionados y a la falta de una combinación de la fórmula H-K con el método iterativo, se estudia la mejora del algoritmo LM en este documento. Considerando el algoritmo LM para mínimos cuadrados no lineales mal condicionados, se propone un algoritmo LM mejorado basado en la fórmula H-K para la corrección de distorsión de imagen utilizando auto-calibración. Se utilizan tres métodos de diferencia finita para aproximar la matriz Jacobiana, y se utiliza la fórmula H-K para calcular el factor de amortiguación en cada iteración. El modelo Brown, el modelo polinómico cuadrático y el modelo de Fourier se aplican a la auto-calibración, y el algoritmo LM mejorado se utiliza para resolver los parámetros del modelo. En el experimento de simulación de resección espacial de una sola imagen, evaluamos el rendimiento del algoritmo LM basado en la relación de ganancia (LM) y el algoritmo LM mejorado basado en la fórmula H-K (LM), y se compara la precisión de diferentes modelos y algoritmos. Se realiza un análisis de trazado de crestas en el factor de amortiguación para ilustrar los efectos del algoritmo mejorado en el manejo del mal condicionamiento. En el segundo experimento, se aplica el algoritmo mejorado para medir el diámetro de una moneda utilizando una sola cámara. Los resultados experimentales muestran que el algoritmo LM mejorado puede alcanzar la misma o mayor precisión que el algoritmo LM, y puede debilitar el mal condicionamiento hasta cierto punto y mejorar la estabilidad de la solución. Mientras tanto, se verifica la aplicabilidad del algoritmo LM mejorado en la auto-calibración.