詞袋模型是一種文本表征方法，它應用到計算機視覺領域就稱之為BoF（bag of features），通過BoF可以把一張圖片表示成一個向量。DBoW2是一個視覺詞袋庫，它提供了生成和使用詞典的接口，但它並不等同於slam中的回環檢測。
回環檢測屬於slam前端，也是vslam三大模塊（視覺里程計，回環，優化）之一。回環檢測的主要目的是確認當前位置是否曾經到達過。它接收一段圖片序列，然后繪制拓撲地圖，故又稱之為拓撲制圖。基於BoF的回環檢測是目前比較流行的回環解決方案，諸如IAB-MAP，FAB-MAP，RTAB-MAP等都使用這種解決方案。一個典型的基於BoF的回環方案主要由3個部分組成：BoF模塊+回環檢測算法模塊+驗證模塊。從方案處理的數據的不同上又可以分為基於關鍵幀的和基於連續序列的。例如DLoopDetector就是基於連續序列的BoF回環方案，而RTAB-MAP是基於關鍵幀的BoF回環方案。
DLoopDetector基於DBoW2構建和使用視覺詞典，並且添加了回環檢測算法模塊和驗證模塊，所以它是一個完整的回環檢測/拓撲制圖系統。本篇關注其LC算法部分，LC算法主要有bayes方法和相似性方法兩種，DLoopDetector采用的就是相似性方法。除了采用DBoW2庫中的基本的向量相似度度量，DLoopDetector作者針對連續序列回環檢測問題設計了兩種相似性度量：
（1） 幀與幀之間的回環相似性度量
（2） 幀與一段幀序列之間的回環相似性度量
算法會通過找尋最優匹配幀序列的方式找到最優匹配幀。由於閉環往往存在時間上的連續性，所以如果之后k幀也能用同樣的方法找到回環，則說明當前的回環是正確的。
參考文獻：
1， Galvez-López, D, Tardos, J.D. Bags of Binary Words for Fast Place Recognition in Image Sequences[J]. Robotics IEEE Transactions on, 2012, 28(5):1188-1197.
2， Gálvez-López D, Tardós J D. Real-time loop detection with bags of binary words[C]// IEEE/RSJ International Conference on Intelligent Robots & Systems. 2011:51-58.
3， 中譯文：董海霞, 曾連蓀. 視覺SLAM中閉環檢測算法的研究[J]. 微型機與應用, 2016, 35(5):1-3.