本文介绍了多种基于三维片段和图像特征的闭环检测与定位方法，如SegMatch、GoMatch和GeoWarp。这些方法在大规模非结构化环境中实现了高效的定位和闭环检测，显著提高了准确性和实时性，适用于视觉SLAM和地理定位等领域。

该研究提出了一种名为 LCR-Net 的多头网络模型，用于解决姿态估计漂移和退化问题。该模型通过特征提取和姿态感知机制来准确估计 LiDAR 扫描之间的相似度和 6-DoF 姿态，实现了强大而准确的在线 LiDAR SLAM。该模型在候选项检索、闭环点云配准和连续重定位等三个设置中展示了优异的性能，并表现出卓越的泛化能力。该模型不依赖于耗时的鲁棒姿态估计器，适用于在线 SLAM 应用。这是首个具有深度闭环检测和重定位能力的 LiDAR SLAM。