基于视觉的 SLAM 中,RGB-D SLAM 技术是以 RGB-D 摄像机为传感器的一种具有代表性的 SLAM技术。RGB 回环检测是消除漂移量的重要手段,也是特征提取和优化的关键环节。经典回环检测过程中,特征匹配需要每帧图像与之前的每一帧进行匹配,耗时长、效率低,由此提出一种基于词袋模型的改进检测方法,可以有效加快特征匹配,提高回环检测的效率。首先,在经典 RGB-D SLAM 技术中的 ORB 特征提取基础上,根据文章中的算法计算出根节点、设置权重,并计算其他数据 ;根据得到的节点数据生成词典和 K 叉树,使用 TF-IDF 算法计算节点权重。用节点权重和节点距离组合得到词袋模型,通过对两帧图像词袋模型中的节点计算相似度,从而减少累积误差,达到减少计算量和回环检测的目的,以提高 SLAM 建图效率,较好地解决定位与地图构建问题。