胡章芳，曾念文，罗 元，肖雨婷，钟征源

(重庆邮电大学光电工程学院 重庆 南岸区 400065)

近年来，同步定位与建图(SLAM)[1]是机器人自动导航技术方面的研究热点。在SLAM中，通过后端优化可以不断地修正误差，但是微小的误差会不断累积。消除累计误差的代表性方法是判断机器人是否“到访”过某个区域，如果是则视为同一位置，这就是闭环检测[2]。闭环检测可以极大地校正漂移误差，是视觉SLAM的重要组成部分。目前大多数研究是基于外观的方法，利用提取的图像特征和描述符来估计是否到达过某个位置。如3DMAP[3]、卷积神经网络(convolutional neural networks,CNN)[4]、视觉词袋法(bag-of-words, BoW)[5]等。视觉词袋法目前在闭环检测中较为常用。文献[6]提出了一种基于外观和颜色组合的双视觉词典方法，并添加了贝叶斯滤波来判断是否闭环。文献[7]结合了词袋模型和ORB-SLAM算法，使用场景分割的方法略微提高了准确率。最富标志性的是FABMAP[8]和DBoW2[9]，它们使用离线的预训练词汇进行在线测试，分为离线预处理和在线处理两个阶段。前者从采集到的整个图像数据库中提取视觉单词，并对其量化构造成一个视觉词典；后者查找的图像由基于视觉词典的直方图表示，并与数据库直方图进行比较来判断是否闭环。然而，移动机器人不可避免地会处于复杂多变的环境中，包括光照、时间、天气等，闭环检测是视觉SLAM的最重要组成部分，易受到上述因素的影响，改善移动机器人在各种条件下(尤其是在光照变化下)的鲁棒性，是视觉SLAM不可或缺的工作。……