1、機器人的閉環(huán)檢測問題是機器人在定位、導航時是否需要更新地圖的重要依據(jù)，但是移動機器人在同步定位與地圖創(chuàng)建時，由于視覺傳感器自身的累積誤差，無法正確的判斷是否發(fā)生了閉環(huán)響應。本文針對目前移動機器人閉環(huán)檢測算法中存在的關(guān)鍵問題進行研究分析，主要研究內(nèi)容包括：
　　首先，以課題研究意義及背景為依據(jù)，介紹移動機器人視覺場景閉環(huán)檢測算法，詳細分析閉環(huán)檢測算法的研究現(xiàn)狀以及關(guān)鍵的問題，并建立移動機器人視覺成像模型，為后續(xù)的移動機器人閉環(huán)檢測問

2、題的研究提供理論模型。
　　其次，針對模糊圖像對特征點提取的影響，利用最大期望算法對圖像進行盲去模糊處理，通過最大似然估計將圖像恢復到清晰圖像，然后使用SIFT算子進行MATLAB仿真實驗，證明利用盲去模糊處理的圖像提高了圖像特征匹配的正確率。
　　再次，針對機器人閉環(huán)檢測算法中準確率低、耗時長等問題，設計一種基于改進視覺詞典的閉環(huán)檢測算法，提取經(jīng)過盲去模糊化圖像的底層特征，選出優(yōu)化的特征描述符，并提出基于二次標記法的視覺詞

3、典構(gòu)建算法，將提取到的連續(xù)圖像特征轉(zhuǎn)換為離散的視覺單詞。最后利用場景分類仿真實驗，證明改進的算法不僅提高了檢測正確率，而且縮短了計算時間。
　　最后，針對樸素貝葉斯算法中似然函數(shù)估計觀測模型的準確性差、算法冗余、計算時間長等缺陷，設計出改進的貝葉斯算法模型，并與改進的BOVW模型結(jié)合，將算法分為訓練階段和測試階段，實現(xiàn)貝葉斯框架下的圖像相似度計算。解決利用傳統(tǒng)貝葉斯概率模型中似然估計的不確定性帶來的誤差問題，通過對比實驗，驗證改進