La detección de cierre de bucle es una parte crucial del VSLAM. Sin embargo, los algoritmos tradicionales de detección de cierre de bucle son difíciles de adaptar a escenas complejas y cambiantes. En este artículo, fusionamos características Gist, características semánticas y características de apariencia de la imagen para detectar los cierres de bucle de manera rápida y precisa. En primer lugar, aprovechamos la rápida velocidad de extracción de la característica Gist utilizándola para filtrar los fotogramas candidatos a cierre de bucle. Luego, el fotograma actual y el fotograma candidato se segmentan semánticamente para obtener los bloques de máscara de varios tipos de objetos, y se construyen los nodos semánticos para calcular la similitud semántica entre ellos. A continuación, se calcula la similitud de apariencia entre las imágenes de acuerdo con la forma de los bloques de máscara. Finalmente, basándose en la similitud Gist, la similitud semántica y la similitud de apariencia, se puede construir el modelo de cálculo de similitud de imagen como base para la detección de cierre de bucle. Se realizan experimentos tanto en conjuntos de datos públicos como en conjuntos de datos filmados por nosotros mismos. Los resultados muestran que nuestro algoritmo propuesto puede detectar el cierre de bucle en la escena de manera rápida y precisa cuando hay cambios en la iluminación, el punto de vista y los objetos.