1.基于多种网络特征的闭环检测方法，其特征在于，包括以下步骤：S1、获取多个不同的适配闭环检测系统的神经网络模型，并组合神经网络模型中不同网络特征作为图像描述子；

S2、对图像描述子进行数据预处理；

S3、根据数据预处理结果计算图像数据集的相似度矩阵；

S4、根据相似度矩阵进行闭环检测。

2.根据权利要求1所述的闭环检测方法，其特征在于，所述步骤S1包括以下分步骤：S11、训练不同的神经网络模型，并确定每个神经网络模型的最佳输入、输出、网络层数和激活函数，或者利用迁移学习的方法对现有的神经网络模型进行部分参数的训练，得到多个不同的适配闭环检测系统的神经网络模型；

S12、依次找出每个神经网络模型中不同输出层的最佳组合方式，并记录每个神经网络模型中最佳组合方式的输出层位置；

S13、罗列每个神经网络模型中最佳组合方式的输出层位置，并任意组合不同神经网络模型下最佳的输出层用于表征图像，作为图像描述子。

3.根据权利要求1所述的闭环检测方法，其特征在于，所述步骤S2包括以下分步骤：S21、采用降维算法对图像描述子进行降维处理；

S22、对降维后的图像描述子进行组合；

S23、对组合后的图像描述子进行归一化处理。

4.根据权利要求3所述的闭环检测方法，其特征在于，所述步骤S22中对降维后的图像描述子进行组合的具体方法为：采用直接级联的方式分配不同神经网络模型在图像描述子中所占的比重，实现图像描述子的组合。

5.根据权利要求3所述的闭环检测方法，其特征在于，所述步骤S22中对降维后的图像描述子进行组合的具体方法为：调整不同神经网络模型的网络层所占比重，找到合适的参数，得到组合后的图像描述子。

6.根据权利要求3所述的闭环检测方法，其特征在于，所述步骤S23中归一化处理的公式为：其中img_proc表示归一化后的图像描述子，img表示特征级联之后的图像特征矩阵，表示img的L2范数，d表示神经网络模型某一层的输出维度。

7.根据权利要求1所述的闭环检测方法，其特征在于，所述步骤S3中相似度矩阵的计算公式为：其中Sim(i,j)表示第i幅图像li与第j幅图像lj的相似度矩阵， 表示第i幅图像li归一化后的图像描述子， 表示第j幅图像lj归一化后的图像描述子，表示第i幅图像li与第j幅图像lj的差异大小，Sim(i,j)∈[0,

1]。

8.根据权利要求7所述的闭环检测方法，其特征在于，所述步骤S4具体为：设定阈值Th，若Sim(i,j)≥Th，则判断为闭环，否则判断为非闭环，实现闭环检测。