1.一种机器人基于原图光照不变图词袋模型改进的闭环检测方法，其特征在于，包括以下步骤：步骤1、首先，将移动机器人所搭载的摄像头采集到的原始图像采用色彩空间不变性的方法转化为只与光源有关的光照不变图；

步骤2、然后，对原始图像和光照不变图提取特征点，利用K‑means聚类方法生成视觉词典；

步骤3、接着，采用TF‑IDF的方法来区分视觉词典中不同视觉单词的重要性步骤4、最后，采用直方图交叉核的方法来测量原始图像与光照不变图两个矩阵的相似性得分，选择分数大于阈值且不包含相邻帧的帧作为检测正确的闭环对，完成闭环检测；

所述步骤3采用TF‑IDF方法来区分不同单词的重要性的具体实施过程为：S31：将n定义为词的总数，ni是包含特征词wi的词数，逆文档频率的表达式为：S32：单个帧中某些特征词的出现频率TFi可表示为：S33:在考虑单词的权重之后，对于特定的图像A，将原图特征和光照不变图特征添加到词袋中，完善原图‑光照不变图词典：A＝{(FRGB1,FII1,β1),(FRGB2,FII2,β2)...(FRGBn,FIIn,βn)}，FRGBn,FIIn,βn分别表示第n个原图的视觉单词，光照不变图的视觉单词，TF‑IDF分数；

所述步骤4选择分数大于阈值且不包含相邻帧的帧作为检测正确的闭环对的具体步骤包括：S41：定义两个矩阵间的相似性得分S：

其中h1，h2是用于比较相似性的直方图，H1(l)，H2(l)为第l个原图交叉核，光照不变图交叉核，N为词典的大小；

S42：完成两个矩阵的相似性得分计算以后，对得分矩阵进行归一化并组合两个得分矩阵生成最终的得分矩阵，如下式所示：Sfinal＝SRGB+η·SII

其中SRGB是原始彩色图像的视觉词袋归一化得分矩阵，SII是得到的光照不变图像的视觉词袋归一化得分矩阵，Sfinal是最终的得分矩阵，η是两个得分矩阵间的平衡因子；

S43：由于相邻的两幅图像十分相似，容易被误视为闭环，因此选择分数大于阈值且不包含相邻帧的帧作为判断正确的闭环对。

2.根据权利要求1所述的一种机器人基于原图光照不变图词袋模型改进的闭环检测方法，其特征在于，所述步骤1将移动机器人摄像头采集到的原始图像转化为只与光源有关的光照不变图，具体包括：S11：在光波长为λ时，光谱灵敏度F(λ)，图像传感器的光照响应R，物体的表面反射率S(λ)和物体上的光谱功率分布E(λ)之间存在以下等式关系：x,E x x x x x

R ＝a·nI∫S(λ)E(λ)F(λ)dλx x x

其中I为光照强度，单位矢量a ，n分别表示光源方向和表面法线方向，I表示光源在物x x体上点x处的强度，S表示物体点x处的表面反射率，E (λ)表示光波长为λ时，物体点x处的光功率谱分布，E表示总光功率；

S12：将光谱敏感度F(λ)假设为以波长λi为中心的狄拉克增量函数，从而产生以下响应函数：x,E x x x x x

R ＝a·nIS(λi)E(λi)

S13：为减少光照强度I的影响，得到取决于表面反射率S(λi)的光照不变图ζ，将上式取对数如下：x x x x

log(Rx,E)＝log(GI)+log{(S(λi)) }+log{(E(λi))}x x x

其中，G＝a·n，表示物体上点x处光源和物体之间的相对几何形状；

S14：将光照近似为普朗克光源，再将维恩常数近似代入普朗克光源中：其中h为普朗克常数，c为光速，kB为玻尔兹曼常数，T是黑体源的相关色温；

S15：当参数α满足以下约束时，一维色彩空间ζ将相关色温T无关：简化为：

其中，λ2、λ1、λ3分别不同的光波长；

因此，可以根据相机传感器取适当的α值，将原始图像转换为光照不变图像ζ。

3.根据权利要求2所述的一种机器人基于原图光照不变图词袋模型改进的闭环检测方法，其特征在于，所述步骤2对二者提取特征点，利用K‑means聚类方法生成视觉词典的具体实施过程为：S21：将采集到的彩色图像设为集合S1，将光照不变图设为集合Sh，两者存在以下关系：Sh＝ζ(S1)；

S22：使用树数据结构来构建词典，在每一层使用K‑means聚类方法对描述符进行分类，其中只有叶节点存储可视单词，而中间节点仅用于查找单词。