朱 田，彭之川，张智腾，朱泽敏，谢勇波，王文明

（长沙中车智驭新能源科技有限公司， 湖南 长沙 410000）

0 引言

机器人在未知环境中自主工作的第一步是环境感知和建立环境模型。同步定位与建图(simultaneous localization and mapping, SLAM)是研究此步骤的重要方法，即机器人在传感器数据基础上，自主移动建立环境模型并同时完成自身定位[1]。闭环检测是SLAM中的一个关键问题[2]，其通过机器人的当前位置图像与先前位置图像进行配准来判断机器人是否曾经到达过先前位置，因此闭环检测也可以被视为是一类场景识别问题。正确的闭环检测可以为位姿图添加边约束，减小机器人运动估计的累计误差，并能构建一致性地图；而错误的闭环检测会对已有位姿图带来干扰，导致地图创建的失败。因此，闭环检测的研究意义重大，设计一个好的闭环检测算法，对于构图一致性乃至整个SLAM系统都是至关重要的。

目前主流的方法是基于单张图像特征进行匹配来检测闭环，比较经典的方法有基于词袋模型[3]的视觉闭环检测算法，其可以将场景图像中的视觉特征聚类成许多个“单词”，然后基于这些“单词”用向量的形式对整幅图像进行描述，进而将视觉闭环检测问题转化为两张图像的描述向量的相似度度量问题。由于机器人所在的工作环境是变化的，受光照变化、物体移动或者摄像头位置等因素的影响，即使来自同一个地方的两张图片，其绝对相似度很可能也不满足正确匹配的要求。……