摘要： 为解决失效卫星位姿估计中视觉SLAM方法回环检测效果差的问题，结合空间特殊的应用环境，提出一种改进RANSAC校验的空间失效卫星位姿估计回环检测方法。首先利用深度学习提取图像的全局特征和局部特征；然后对全局特征进行快速检索，建立回环候选帧集合；最后，将图像网格化并提取优质特征点作为RANSAC算法的随机抽样点集，采用改进的RANSAC算法对回环候选帧集合进行图像匹配校验，挑选出匹配程度最高的作为回环检测结果。实验表明：在牛津数据集上，所提方法与无校验的方法对比，100%准确率下的最大召回率提升了30.6%，说明改进RANSAC校验在回环检测中的有效性；在失效卫星数据集上，所提方法无需预训练，对光照变化的空间场景具有高适应性，和基于词袋模型（BoW）算法相比，缩减时间24.1%。