同步定位与地图构建(Simultaneous Localizationand Mapping,SLAM)是指运用传感器获取信息,实现设备在运动过程中构建环境地图的同时进行自主定位的过程。其中视觉 SLAM(Visual Simultaneous Localization and Mapping,vSLAM)系统是指主要外部传感器为相机的SLAM系统。视觉SLAM在长时间的自主导航运行中,会存在邻近帧间的误差积累,导致后端的优化收敛出现严重的偏差。在系统中引入回环检测模块,使设备能够准确识别曾到达过的场景,可以有效减少邻近帧间的误差积累。一个稳定有效的回环检测算法应该同时满足视觉SLAM系统对准确率和实时性的要求,本文针对这两个方面开展了研究工作。1.针对传统的回环检测算法在面对较快的场景变化、光照变化、天气变化以及视角变化时准确率会大幅度下降问题,提出了基于预训练卷积神经网络的回环检测算法。首先,对比了预训练的卷积神经网络不同中间层输出图像特征的效果;其次,基于图像相似性策略,构造图像特征矩阵;最后,使用余弦相似性度量,对新加入图像帧在图像特征矩阵中分组判别回环检测。实验结果表明,算法在复杂场景下的回环检测准确率得到了显著提升。2.针对传统的回环检测算法在提取图像特征和构建特征描述子进行匹配比较中时间消耗较高的问题,提出了基于局部敏感哈希快速回环检测算法。首先,运用随机超平面的思想构建了余弦距离下的局部敏感哈希函数;其次,结合局部敏感哈希算法对高维度的特征矩阵进行降维聚类;然后,对新加入图像帧经过哈希映射获得其哈希索引;最后,基于阈值在聚类内部进行回环检测。在标准数据集上对比实验表明,算法在可以接受的范围内牺牲了小部分准确率,但大幅度提升了回环检测的时间性能。