简介

联合相容分枝定界（英语：Joint Compatibility Branch and Bound，简称JCBB）， 是计算机视觉和机器人研究中在同步定位与地图创建时经常使用的一种数据关联算法。

JCBB算法通过比较一对数据的联合相容性，可以比较成功的判别虚假的配对，因此在比较复杂的数据中可以比较能够体现出它的鲁棒性。

计算机视觉

计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图像处理，用计算机处理成为更适合人眼观察或传送给仪器检测的图像。

作为一门科学学科，计算机视觉研究相关的理论和技术，试图创建能够从图像或者多维数据中获取“信息”的人工智能系统。这里所指的信息指香农定义的，可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。

作为一个工程学科，计算机视觉寻求基于相关理论与模型来创建计算机视觉系统。这类系统的组成部分包括：

1. 1.

   过程控制（例如工业机器人和无人驾驶汽车）

2. 2.

   事件监测（例如图像监测）

3. 3.

   信息组织（例如图像数据库和图像序列的索引创建）

4. 4.

   物体与环境建模（例如工业检查，医学图像分析和拓扑建模）

5. 5.

   交感互动（例如人机互动的输入设备）

计算机视觉同样可以被看作是生物视觉的一个补充。在生物视觉领域中，人类和各种动物的视觉都得到了研究，从而创建了这些视觉系统感知信息过程中所使用的物理模型。另一方面，在计算机视觉中，靠软件和硬件实现的人工智能系统得到了研究与描述。生物视觉与计算机视觉进行的学科间交流为彼此都带来了巨大价值。

计算机视觉包含如下一些分支：画面重建，事件监测，目标跟踪，目标识别，机器学习，索引创建，图像恢复等。

鲁棒性

计算机科学中，鲁棒性（英语：Robustness）是指一个计算机系统在执行过程中处理错误，以及算法在遭遇输入、运算等异常时继续正常运行的能力。 诸如模糊测试之类的形式化方法中，必须通过制造错误的或不可预期的输入来验证程序的健壮性。很多商业产品都可用来测试软件系统的健壮性。健壮性也是失效评定分析中的一个方面。