回环检测是视觉SLAM中的一个重要模块,成功检测出回环能够有效减少环境地图生成过程中的累积误差.针对传统方法主要利用人工设计特征,具有对光照变化非常敏感等问题,将深度学习算法运用于回环检测中,提出一种基于卷积神经网络的回环检测算法.利用预训练的卷积神经网络模型VGG16提取图像卷积特征,选取网络末端的池化层作为图像的全局特征表示,并通过感知哈希算法判断特征相似性,验证回环.从准确性和运算时间上在New college数据集上评估该算法的性能.实验结果表明,相对于传统算法,提出的算法有着更高的准确度和速率,准确度提高了27.9％,而特征提取时间减少了68.8％.证明了深度卷积神经网络对回环检测的有效性,能够更好地消除视觉SLAM系统的累积误差,同时具有更高的实时性.