1.一种基于改进动态扩展模型自适应算法的视觉回环检测方法，其特征在于，包括以下步骤：（1）获取动态作业环境中若干连续环境图像，并进行标签定义，获得环境图像的标签集合，标签集合中包括特征标签矩阵；

（2）对第一张环境图像进行原型聚类，得到第一原型聚类图像，通过第一张环境图像与第一原型聚类图像之间的特征标签矩阵的相似性计算，得到第一张环境图像中每个特征标签矩阵的非相似性值；对第t张环境图像，通过与第t‑1聚类图像之间的特征标签矩阵的相似性计算，得到第t张环境图像中每个特征标签矩阵的非相似性值；其中t＞1；

（3）通过特征标签矩阵的非相似性值与阈值的比较，对特征标签矩阵进行划分，划分为强数据标签集合和正常数据标签集合；

（4）对环境图像进行改进的动态扩展模型自适应算法处理：对第一张环境图像的强数据标签集合和正常数据标签集合进行改进的原型聚类处理，将正常数据标签集合聚类到第一原型聚类图像中的聚类中心附近，将强数据标签集合嵌套到距第一原型聚类图像中的聚类中心更远处，形成第一聚类图像；对第t张环境图像的强数据标签集合和正常数据标签集合进行改进的原型聚类处理，将正常数据标签集合聚类到第t‑1聚类图像中的聚类中心附近，将强数据标签集合嵌套到距第t‑1聚类图像中的聚类中心更远处，形成第t聚类图像；

（5）对改进的动态扩展模型自适应算法处理后的若干环境图像，进行三维结算处理，获得关键帧，对关键帧进行视觉里程计的回环检测，实现对环境图像基于动态扩展模型自适应算法的视觉回环检测。

2.根据权利要求1所述的视觉回环检测方法，其特征在于，所述步骤（1）中进行标签定义包括：通过学习网络分类器进行标签定义，学习网络分类器公式为：；

其中，为分类器的类别标签； 为学习网络； 为输入学习网络的环境图像；为学习网络的参数；为分类器的权重参数；为分类器的偏置参数。

3.根据权利要求1所述的视觉回环检测方法，其特征在于，所述步骤（2）中非相似性值的计算公式为：；

；

其中， 为环境图像中的第 特征标签矩阵与聚类图像中的聚类中心的特征标签之间相似性的最大值； 为环境图像中的标签集合； 为环境图像中的标签集合中的第 特征标签矩阵； 为聚类图像中的聚类中心的第 特征标签矩阵； 为环境图像中的第 特征标签矩阵的非相似性值。

4.根据权利要求3所述的视觉回环检测方法，其特征在于，非相似性值大于阈值的特征标签矩阵划分至强数据标签集合 ；非相似性值不大于阈值的特征标签矩阵划分至正常数据标签集合 。

5.根据权利要求4所述的视觉回环检测方法，其特征在于，所述阈值采用自适应阈值，具体为：从0到1遍历阈值数，选择损失函数最小时的阈值；阈值 选取公式为：；

其中，为环境图像中所有特征标签矩阵的总数； 为聚类图像中的第 特征标签矩阵的非相似值， 为环境图像中非相似性值大于阈值的特征标签矩阵的总数； 为环境图像中非相似性值不大于阈值的特征标签矩阵的总数； 为环境图像中非相似性值大于阈值的特征标签矩阵的非相似性值的和； 为环境图像中非相似性值不大于阈值的特征标签矩阵的非相似性值的和。

6.根据权利要求5所述的视觉回环检测方法，其特征在于，所述步骤（4）中改进的原型聚类处理的原型聚类损失函数 如下：；

其中，为阈值划分后图像中的数据标签集合中聚类中心的特征标签矩阵；为含有聚类中心的图像的聚类中心的类别； 为特征标签矩阵 与第聚类图像中的聚类中心的特征标签矩阵的距离函数，为阈值划分后图像中的正常数据标签集合中的第 特征标签矩阵； 为第 特征标签矩阵与聚类图像中的聚类中心的距离函数； 为阈值划分后图像中的强数据标签集合中的第 特征标签矩阵； 为第 特征标签矩阵与聚类图像中的聚类中心的特征标签矩阵的距离函数； 为常数；为指示函数。

7.根据权利要求6所述的视觉回环检测方法，其特征在于，输入的特征标签矩阵与聚类图像中的聚类中心的特征标签矩阵的距离函数 计算公式为：；

其中，为输入的特征标签矩阵中非相似性值的最小值； 为输入的第 特征标签矩阵。

8.根据权利要求7所述的视觉回环检测方法，其特征在于，所述步骤（5）中，所述对改进的动态扩展模型自适应算法处理后的若干环境图像，进行三维结算处理，获得关键帧具体为：对改进的动态扩展模型自适应算法处理后的若干环境图像的相邻两张图像 和 进行特征点提取，得到两个特征点的二维坐标 、 ，利用两个特征点的二维坐标，通过三维结算得到三维坐标，获得关键帧。

9.根据权利要求8所述的视觉回环检测方法，其特征在于，三维坐标计算公式为：；

其中， 为图像 的投影矩阵 的第一行元素； 为图像 投影矩阵 的第三行元素；

为图像 的投影矩阵 的第一行元素； 为图像 的投影矩阵 的第三行

元素； 为三维坐标点的x轴坐标； 为三维坐标点的y轴坐标； 为三维坐标点的z轴坐标。

10.根据权利要求9所述的视觉回环检测方法，其特征在于，所述步骤（5）中对关键帧进行视觉里程计的回环检测具体为：对关键帧通过欧几里得距离计算相似性及相似性评分，根据计算出的相似性评分，通过基于滑动窗口的方法判断当前帧和历史帧之间是否存在回环关系，如果存在回环关系，则进一步使用约束信息来修正累积误差，并更新视觉里程计，实现基于动态扩展模型自适应算法的视觉回环检测。