.774. 智能系统学报 第11卷 ternational Conference on Robotics and Automation.Piscat- Applications.Lisbon,Portugal,2014:1103-1114 away,USA,2013:2305-2310. [29]KERL C.STURM J.CREMERS D.Dense visual SLAM 18]HENRY P,KRAININ M,HERBST E,et al.RGB-D map- for RGB-D cameras[C]//Proceedings of IEEE/RSJ Inter- ping:using depth cameras for dense 3-D modeling of in- national Conference on Intelligent Robots and Systems.To- door environments[M]//KHATIB O,KUMAR V,PAP. kyo,Japan,2013:2100-2106. PAS G J.Experimental Robotics.Berlin Heidelberg: [30]Lowe D G.Distinctive image features from scale-invariant Springer,2014:647-663. keypoints[J].International journal of computer vision, [19]HENRY P,KRAININ M,HERBST E,et al.RGB-D 2004,60(2):91-110. Mapping:Using Depth Cameras for Dense 3-D Modeling [31]BAY H,TUYTELAARS T,VAN GOOL L.SURF:spee- of Indoor Environments[C]//12th International Symposi- ded up robust features M]//LEONARDIS A,BISCHOF um on Experimental Robotics.Berlin Germany,2014:477 H,PINZ A.Computer Vision-ECCV 2006.Berlin Heidel- -491. berg:Springer,2006. [20]HENRY P,KRAININ M,HERBST E,et al.RGB-D map- [32]RUBLEE E.RABAUD V,KONOLIGE K,et al.ORB: ping:Using Kinect-style depth cameras for dense 3-D An efficient alternative to SIFT or SURF[C]//Interna- modeling of indoor environments[J].International journal tional Conference on Computer Vision.Barcelona,Spain, of robotics research,2012,31(5):647-663. 2011:2564-2571. [21]ENGELHARD N,ENDRES F,HESS J.Real-time 3-D [33]ALI A M,JAN NORDIN M.SIFT based monocular SLAM visual SLAM with a hand-held RGB-D camera[C]//Pro- with multi-clouds features for indoor navigation[C]//2010 ceeedings of the RGB-D workshop on 3-D Perception in IEEE Region 10 Conference TENCON.Fukuoka,2010: Robotics at the European Robotics Forum.Vasteras,Swe- 2326-2331. den,2011. [34]WU E Y,ZHAO L K,GUO Y P,et al.Monocular vision [22]STUHMER J,GUMHOLD S,CREMERS D.Real-time SLAM based on key feature points selection[C]//2010 dense geometry from a handheld camera[C//GOESELE IEEE International Conference on Information and Automa- M,ROTH S,KUIJPER A,et al.Pattern Recognition. tion (ICIA).Harbin,China,2010:1741-1745. Berlin Heidelberg:Springer,2010:11-20. [35]CHEN C H,CHAN Y P.SIFT-based monocluar SLAM [23]ENGEL J,STURM J,CREMERS D.Semi-Dense Visual with inverse depth parameterization for robot localization Odometry for a Monocular Camera C]//International [C]//IEEE Workshop on Advanced Robotics and Its So- Conference on Computer Vision.Sydney,NSW,2013: cial Impacts,2007.Hsinchu,China,2007:1-6. 1449-1456. [36]Zhu D X.Binocular Vision-SLAM Using Improved SIFT [24]NEWCOMBE R A.LOVEGROVE S J.DAVISON A J. Algorithm[C]//2010 2nd International Workshop on In- DTAM:Dense tracking and mapping in real-time [C]// telligent Systems and Applications (ISA).Wuhan,China, International Conference on Computer Vision.Barcelona, 2010:1-4. Spain,2011:2320-2327. [37]ZHANG Z Y,HUANG Y L,LI C,et al.Monocular vision [25]FORSTER C.PIZZOLI M.SCARAMUZZA D.SVO:Fast simultaneous localization and mapping using SURF[C]/ semi-direct monocular visual odometry [C]//2014 IEEE WCICA 2008.7th World Congress on Intelligent Control International Conference onRobotics and Automation.Hong and Automation.Chongqing,China,2008:1651-1656. Kong,China,2014:15-22. [38]YE Y.The research of SLAM monocular vision based on [26]ENGEL J,SCHOPS T,CREMERS D.LSD-SLAM:Large- the improved surf feather[C]//International Conference Scale Direct Monocular SLAM[M1//FLEET D,PAJDLA on Computational Intelligence and Communication Net- T,SCHIELE B,et al,eds.Computer Vision-ECCV 2014. works.Hongkong,China,2014:344-348. Switzerland:Springer International Publishing,2014:834 [39]WANG Y T,FENG Y C.Data association and map man- -849. agement for robot SLAM using local invariant features [27]NEWCOMBE R A,IZADI S,HILLIGES O,et al.Kinect- [C]//2013 IEEE International Conference on Mechatron- Fusion:Real-time dense surface mapping and tracking ics and Automation.Takamatsu,2013. [C]//IEEE International Symposium on Mixed and Aug- [40]ROSTEN E,DRUMMOND T.Machine Learning for High- mented Reality.Basel,Switzerland,2011:127-136. Speed Corer Detection[M]//LEONARDIS A,BISCHOF [28]GOKHOOL T,MEILLAND M,RIVES P,et al.A dense H,PINZ A,et al.European Conference on Computer Vi- map building approach from spherical RGBD images[C]/ sion.Berlin Heidelberg:Springer,2006:430-443. International Conference on Computer Vision Theory and [41]CALONDER M,LEPETIT V,STRECHA C,et al.ｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｒｏｂｏｔｉｃｓ ａｎｄ Ａｕｔｏｍａｔｉｏｎ． Ｐｉｓｃａｔ⁃ ａｗａｙ， ＵＳＡ， ２０１３： ２３０５－２３１０． ［ １８］ＨＥＮＲＹ Ｐ， ＫＲＡＩＮＩＮ Ｍ， ＨＥＲＢＳＴ Ｅ， ｅｔ ａｌ． ＲＧＢ⁃Ｄ ｍａｐ⁃ ｐｉｎｇ： ｕｓｉｎｇ ｄｅｐｔｈ ｃａｍｅｒａｓ ｆｏｒ ｄｅｎｓｅ ３⁃Ｄ ｍｏｄｅｌｉｎｇ ｏｆ ｉｎ⁃ ｄｏｏｒ ｅｎｖｉｒｏｎｍｅｎｔｓ［Ｍ］ ／ ／ ＫＨＡＴＩＢ Ｏ， ＫＵＭＡＲ Ｖ， ＰＡＰ⁃ ＰＡＳ Ｇ Ｊ． Ｅｘｐｅｒｉｍｅｎｔａｌ Ｒｏｂｏｔｉｃｓ． Ｂｅｒｌｉｎ Ｈｅｉｄｅｌｂｅｒｇ： Ｓｐｒｉｎｇｅｒ， ２０１４： ６４７－６６３． ［１９］ ＨＥＮＲＹ Ｐ， ＫＲＡＩＮＩＮ Ｍ， ＨＥＲＢＳＴ Ｅ， ｅｔ ａｌ． ＲＧＢ⁃Ｄ Ｍａｐｐｉｎｇ： Ｕｓｉｎｇ Ｄｅｐｔｈ Ｃａｍｅｒａｓ ｆｏｒ Ｄｅｎｓｅ ３⁃Ｄ Ｍｏｄｅｌｉｎｇ ｏｆ Ｉｎｄｏｏｒ Ｅｎｖｉｒｏｎｍｅｎｔｓ［Ｃ］ ／ ／ １２ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉ⁃ ｕｍ ｏｎ Ｅｘｐｅｒｉｍｅｎｔａｌ Ｒｏｂｏｔｉｃｓ． Ｂｅｒｌｉｎ Ｇｅｒｍａｎｙ， ２０１４： ４７７ －４９１． ［ ２０］ＨＥＮＲＹ Ｐ， ＫＲＡＩＮＩＮ Ｍ， ＨＥＲＢＳＴ Ｅ， ｅｔ ａｌ． ＲＧＢ⁃Ｄ ｍａｐ⁃ ｐｉｎｇ： Ｕｓｉｎｇ Ｋｉｎｅｃｔ⁃ｓｔｙｌｅ ｄｅｐｔｈ ｃａｍｅｒａｓ ｆｏｒ ｄｅｎｓｅ ３⁃Ｄ ｍｏｄｅｌｉｎｇ ｏｆ ｉｎｄｏｏｒ ｅｎｖｉｒｏｎｍｅｎｔｓ［ Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ ｊｏｕｒｎａｌ ｏｆ ｒｏｂｏｔｉｃｓ ｒｅｓｅａｒｃｈ， ２０１２， ３１（５）： ６４７－６６３． ［２１］ ＥＮＧＥＬＨＡＲＤ Ｎ， ＥＮＤＲＥＳ Ｆ， ＨＥＳＳ Ｊ． Ｒｅａｌ⁃ｔｉｍｅ ３⁃Ｄ ｖｉｓｕａｌ ＳＬＡＭ ｗｉｔｈ ａ ｈａｎｄ⁃ｈｅｌｄ ＲＧＢ⁃Ｄ ｃａｍｅｒａ［Ｃ］ ／ ／ Ｐｒｏ⁃ ｃｅｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＲＧＢ⁃Ｄ ｗｏｒｋｓｈｏｐ ｏｎ ３⁃Ｄ Ｐｅｒｃｅｐｔｉｏｎ ｉｎ Ｒｏｂｏｔｉｃｓ ａｔ ｔｈｅ Ｅｕｒｏｐｅａｎ Ｒｏｂｏｔｉｃｓ Ｆｏｒｕｍ． Ｖåｓｔｅｒåｓ， Ｓｗｅ⁃ ｄｅｎ， ２０１１． ［２２］ ＳＴÜＨＭＥＲ Ｊ， ＧＵＭＨＯＬＤ Ｓ， ＣＲＥＭＥＲＳ Ｄ． Ｒｅａｌ⁃ｔｉｍｅ ｄｅｎｓｅ ｇｅｏｍｅｔｒｙ ｆｒｏｍ ａ ｈａｎｄｈｅｌｄ ｃａｍｅｒａ［Ｃ］ ／ ／ ＧＯＥＳＥＬＥ Ｍ， ＲＯＴＨ Ｓ， ＫＵＩＪＰＥＲ Ａ， ｅｔ ａｌ． Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｂｅｒｌｉｎ Ｈｅｉｄｅｌｂｅｒｇ： Ｓｐｒｉｎｇｅｒ， ２０１０： １１－２０． ［２３］ＥＮＧＥＬ Ｊ， ＳＴＵＲＭ Ｊ， ＣＲＥＭＥＲＳ Ｄ． Ｓｅｍｉ⁃Ｄｅｎｓｅ Ｖｉｓｕａｌ Ｏｄｏｍｅｔｒｙ ｆｏｒ ａ Ｍｏｎｏｃｕｌａｒ Ｃａｍｅｒａ ［ Ｃ］ ／ ／ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ． Ｓｙｄｎｅｙ， ＮＳＷ， ２０１３： １４４９－１４５６． ［２４］ ＮＥＷＣＯＭＢＥ Ｒ Ａ， ＬＯＶＥＧＲＯＶＥ Ｓ Ｊ， ＤＡＶＩＳＯＮ Ａ Ｊ． ＤＴＡＭ： Ｄｅｎｓｅ ｔｒａｃｋｉｎｇ ａｎｄ ｍａｐｐｉｎｇ ｉｎ ｒｅａｌ⁃ｔｉｍｅ ［ Ｃ］ ／ ／ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ． Ｂａｒｃｅｌｏｎａ， Ｓｐａｉｎ， ２０１１： ２３２０－２３２７． ［２５］ＦＯＲＳＴＥＲ Ｃ， ＰＩＺＺＯＬＩ Ｍ， ＳＣＡＲＡＭＵＺＺＡ Ｄ． ＳＶＯ： Ｆａｓｔ ｓｅｍｉ⁃ｄｉｒｅｃｔ ｍｏｎｏｃｕｌａｒ ｖｉｓｕａｌ ｏｄｏｍｅｔｒｙ ［ Ｃ］ ／ ／ ２０１４ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎＲｏｂｏｔｉｃｓ ａｎｄ Ａｕｔｏｍａｔｉｏｎ． Ｈｏｎｇ Ｋｏｎｇ， Ｃｈｉｎａ， ２０１４： １５－２２． ［２６］ＥＮＧＥＬ Ｊ， ＳＣＨÖＰＳ Ｔ， ＣＲＥＭＥＲＳ Ｄ． ＬＳＤ⁃ＳＬＡＭ： Ｌａｒｇｅ⁃ Ｓｃａｌｅ Ｄｉｒｅｃｔ Ｍｏｎｏｃｕｌａｒ ＳＬＡＭ［Ｍ］ ／ ／ ＦＬＥＥＴ Ｄ， ＰＡＪＤＬＡ Ｔ， ＳＣＨＩＥＬＥ Ｂ， ｅｔ ａｌ， ｅｄｓ． Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ⁃ＥＣＣＶ ２０１４． Ｓｗｉｔｚｅｒｌａｎｄ： Ｓｐｒｉｎｇｅｒ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｐｕｂｌｉｓｈｉｎｇ， ２０１４： ８３４ －８４９． ［２７］ＮＥＷＣＯＭＢＥ Ｒ Ａ， ＩＺＡＤＩ Ｓ， ＨＩＬＬＩＧＥＳ Ｏ， ｅｔ ａｌ． Ｋｉｎｅｃｔ⁃ Ｆｕｓｉｏｎ： Ｒｅａｌ⁃ｔｉｍｅ ｄｅｎｓｅ ｓｕｒｆａｃｅ ｍａｐｐｉｎｇ ａｎｄ ｔｒａｃｋｉｎｇ ［Ｃ］ ／ ／ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｍｉｘｅｄ ａｎｄ Ａｕｇ⁃ ｍｅｎｔｅｄ Ｒｅａｌｉｔｙ． Ｂａｓｅｌ， Ｓｗｉｔｚｅｒｌａｎｄ， ２０１１： １２７－１３６． ［２８］ＧＯＫＨＯＯＬ Ｔ， ＭＥＩＬＬＡＮＤ Ｍ， ＲＩＶＥＳ Ｐ， ｅｔ ａｌ． Ａ ｄｅｎｓｅ ｍａｐ ｂｕｉｌｄｉｎｇ ａｐｐｒｏａｃｈ ｆｒｏｍ ｓｐｈｅｒｉｃａｌ ＲＧＢＤ ｉｍａｇｅｓ［Ｃ］ ／ ／ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ Ｔｈｅｏｒｙ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ． Ｌｉｓｂｏｎ， Ｐｏｒｔｕｇａｌ， ２０１４： １１０３－１１１４． ［２９］ＫＥＲＬ Ｃ， ＳＴＵＲＭ Ｊ， ＣＲＥＭＥＲＳ Ｄ． Ｄｅｎｓｅ ｖｉｓｕａｌ ＳＬＡＭ ｆｏｒ ＲＧＢ⁃Ｄ ｃａｍｅｒａｓ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ＩＥＥＥ／ ＲＳＪ Ｉｎｔｅｒ⁃ ｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｒｏｂｏｔｓ ａｎｄ Ｓｙｓｔｅｍｓ． Ｔｏ⁃ ｋｙｏ， Ｊａｐａｎ， ２０１３： ２１００－２１０６． ［３０］Ｌｏｗｅ Ｄ Ｇ． Ｄｉｓｔｉｎｃｔｉｖｅ ｉｍａｇｅ ｆｅａｔｕｒｅｓ ｆｒｏｍ ｓｃａｌｅ⁃ｉｎｖａｒｉａｎｔ ｋｅｙｐｏｉｎｔｓ ［ Ｊ ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ ｊｏｕｒｎａｌ ｏｆ ｃｏｍｐｕｔｅｒ ｖｉｓｉｏｎ， ２００４， ６０（２）： ９１－１１０． ［３１］ＢＡＹ Ｈ， ＴＵＹＴＥＬＡＡＲＳ Ｔ， ＶＡＮ ＧＯＯＬ Ｌ． ＳＵＲＦ： ｓｐｅｅ⁃ ｄｅｄ ｕｐ ｒｏｂｕｓｔ ｆｅａｔｕｒｅｓ［Ｍ］ ／ ／ ＬＥＯＮＡＲＤＩＳ Ａ， ＢＩＳＣＨＯＦ Ｈ， ＰＩＮＺ Ａ． Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ⁃ＥＣＣＶ ２００６． Ｂｅｒｌｉｎ Ｈｅｉｄｅｌ⁃ ｂｅｒｇ： Ｓｐｒｉｎｇｅｒ， ２００６． ［３２］ ＲＵＢＬＥＥ Ｅ， ＲＡＢＡＵＤ Ｖ， ＫＯＮＯＬＩＧＥ Ｋ， ｅｔ ａｌ． ＯＲＢ： Ａｎ ｅｆｆｉｃｉｅｎｔ ａｌｔｅｒｎａｔｉｖｅ ｔｏ ＳＩＦＴ ｏｒ ＳＵＲＦ［ Ｃ］ ／ ／ Ｉｎｔｅｒｎａ⁃ ｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ． Ｂａｒｃｅｌｏｎａ， Ｓｐａｉｎ， ２０１１： ２５６４－２５７１． ［３３］ＡＬＩ Ａ Ｍ， ＪＡＮ ＮＯＲＤＩＮ Ｍ． ＳＩＦＴ ｂａｓｅｄ ｍｏｎｏｃｕｌａｒ ＳＬＡＭ ｗｉｔｈ ｍｕｌｔｉ⁃ｃｌｏｕｄｓ ｆｅａｔｕｒｅｓ ｆｏｒ ｉｎｄｏｏｒ ｎａｖｉｇａｔｉｏｎ［Ｃ］ ／ ／ ２０１０ ＩＥＥＥ Ｒｅｇｉｏｎ １０ Ｃｏｎｆｅｒｅｎｃｅ ＴＥＮＣＯＮ． Ｆｕｋｕｏｋａ， ２０１０： ２３２６－２３３１． ［３４］ＷＵ Ｅ Ｙ， ＺＨＡＯ Ｌ Ｋ， ＧＵＯ Ｙ Ｐ， ｅｔ ａｌ． Ｍｏｎｏｃｕｌａｒ ｖｉｓｉｏｎ ＳＬＡＭ ｂａｓｅｄ ｏｎ ｋｅｙ ｆｅａｔｕｒｅ ｐｏｉｎｔｓ ｓｅｌｅｃｔｉｏｎ ［ Ｃ］ ／ ／ ２０１０ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ Ａｕｔｏｍａ⁃ ｔｉｏｎ （ＩＣＩＡ）． Ｈａｒｂｉｎ， Ｃｈｉｎａ， ２０１０： １７４１－１７４５． ［３５］ ＣＨＥＮ Ｃ Ｈ， ＣＨＡＮ Ｙ Ｐ． ＳＩＦＴ⁃ｂａｓｅｄ ｍｏｎｏｃｌｕａｒ ＳＬＡＭ ｗｉｔｈ ｉｎｖｅｒｓｅ ｄｅｐｔｈ ｐａｒａｍｅｔｅｒｉｚａｔｉｏｎ ｆｏｒ ｒｏｂｏｔ ｌｏｃａｌｉｚａｔｉｏｎ ［Ｃ］ ／ ／ ＩＥＥＥ Ｗｏｒｋｓｈｏｐ ｏｎ Ａｄｖａｎｃｅｄ Ｒｏｂｏｔｉｃｓ ａｎｄ Ｉｔｓ Ｓｏ⁃ ｃｉａｌ Ｉｍｐａｃｔｓ， ２００７． Ｈｓｉｎｃｈｕ， Ｃｈｉｎａ， ２００７： １－６． ［３６］ Ｚｈｕ Ｄ Ｘ． Ｂｉｎｏｃｕｌａｒ Ｖｉｓｉｏｎ⁃ＳＬＡＭ Ｕｓｉｎｇ Ｉｍｐｒｏｖｅｄ ＳＩＦＴ Ａｌｇｏｒｉｔｈｍ［Ｃ］ ／ ／ ２０１０ ２ｎｄ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｗｏｒｋｓｈｏｐ ｏｎ Ｉｎ⁃ ｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ （ＩＳＡ）． Ｗｕｈａｎ， Ｃｈｉｎａ， ２０１０： １－４． ［３７］ＺＨＡＮＧ Ｚ Ｙ， ＨＵＡＮＧ Ｙ Ｌ， ＬＩ Ｃ， ｅｔ ａｌ． Ｍｏｎｏｃｕｌａｒ ｖｉｓｉｏｎ ｓｉｍｕｌｔａｎｅｏｕｓ ｌｏｃａｌｉｚａｔｉｏｎ ａｎｄ ｍａｐｐｉｎｇ ｕｓｉｎｇ ＳＵＲＦ［Ｃ］ ／ ／ ＷＣＩＣＡ ２００８． ７ｔｈ Ｗｏｒｌｄ Ｃｏｎｇｒｅｓｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｃｏｎｔｒｏｌ ａｎｄ Ａｕｔｏｍａｔｉｏｎ． Ｃｈｏｎｇｑｉｎｇ， Ｃｈｉｎａ， ２００８： １６５１－１６５６． ［３８］ＹＥ Ｙ． Ｔｈｅ ｒｅｓｅａｒｃｈ ｏｆ ＳＬＡＭ ｍｏｎｏｃｕｌａｒ ｖｉｓｉｏｎ ｂａｓｅｄ ｏｎ ｔｈｅ ｉｍｐｒｏｖｅｄ ｓｕｒｆ ｆｅａｔｈｅｒ ［ Ｃ］ ／ ／ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｎｅｔ⁃ ｗｏｒｋｓ． Ｈｏｎｇｋｏｎｇ， Ｃｈｉｎａ， ２０１４： ３４４－３４８． ［３９］ＷＡＮＧ Ｙ Ｔ， ＦＥＮＧ Ｙ Ｃ． Ｄａｔａ ａｓｓｏｃｉａｔｉｏｎ ａｎｄ ｍａｐ ｍａｎ⁃ ａｇｅｍｅｎｔ ｆｏｒ ｒｏｂｏｔ ＳＬＡＭ ｕｓｉｎｇ ｌｏｃａｌ ｉｎｖａｒｉａｎｔ ｆｅａｔｕｒｅｓ ［Ｃ］ ／ ／ ２０１３ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｍｅｃｈａｔｒｏｎ⁃ ｉｃｓ ａｎｄ Ａｕｔｏｍａｔｉｏｎ． Ｔａｋａｍａｔｓｕ， ２０１３． ［４０］ＲＯＳＴＥＮ Ｅ， ＤＲＵＭＭＯＮＤ Ｔ． Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ ｆｏｒ Ｈｉｇｈ⁃ Ｓｐｅｅｄ Ｃｏｒｎｅｒ Ｄｅｔｅｃｔｉｏｎ［Ｍ］ ／ ／ ＬＥＯＮＡＲＤＩＳ Ａ， ＢＩＳＣＨＯＦ Ｈ， ＰＩＮＺ Ａ， ｅｔ ａｌ． Ｅｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉ⁃ ｓｉｏｎ． Ｂｅｒｌｉｎ Ｈｅｉｄｅｌｂｅｒｇ： Ｓｐｒｉｎｇｅｒ， ２００６： ４３０－４４３． ［ ４１ ］ ＣＡＬＯＮＤＥＲ Ｍ， ＬＥＰＥＴＩＴ Ｖ， ＳＴＲＥＣＨＡ Ｃ， ｅｔ ａｌ． ·７７４· 智 能 系 统 学 报 第 １１ 卷