在外部环境和图像视角变化的情况下,传统视觉闭环检测算法的精度和稳健性变得很差。为此,提出一种融合多层次卷积神经网络特征的闭环检测算法。高层次的卷积特征包含较多的语义信息,可以应对图像视角的变化;中等层次卷积特征包含更多的几何空间信息,对光照等变化具有更好的稳健性。通过充分利用中高等层次卷积特征的特性进行组合式相似性度量,提高了闭环检测的精度与稳健性。由于卷积特征向量的维度特别大,因此,首先对卷积特征向量进行降维处理。在Gardens Point数据集上的实验结果证明,利用多层次卷积特征的图像匹配检测效果好于其他单一层。针对不同时刻所拍摄图像中的动态干扰因素,进一步提出图像动态干扰语义滤波机制,利用过滤掉动态干扰的图像进行匹配,在Tokyo24/7数据集上的实验证实了此方法的可行性和有效性。