El reconocimiento de lugares es un componente esencial de la navegación de robots móviles autónomos. Se utiliza para la detección de cierre de bucles para mantener mapas consistentes, o para localizar el robot a lo largo de una ruta, o en situaciones de robot secuestrado. Los sensores de cámara proporcionan información visual rica para esta tarea. Comparamos diferentes enfoques para el reconocimiento visual de lugares: métodos holísticos, métodos basados en firmas (utilizando coeficientes de Fourier o descriptores de características) y métodos basados en características (mapeo rápido basado en apariencia). Como nuevas contribuciones, investigamos si la deformación, un método de homing visual exitoso, es adecuado para el reconocimiento de lugares. Además, extendemos la conocida brújula visual para usar múltiples planos de escala, un concepto también empleado por la deformación. Para lograr tolerancia ante las condiciones de iluminación cambiantes, examinamos la medida de distancia NSAD en imágenes filtradas por bordes. Para reducir el impacto de los cambios de iluminación en los valores de distancia, sugerimos calcular razones de distancias de imágenes para normalizar estos valores a un rango común. Probamos todos los métodos en múltiples bases de datos interiores, así como en una pequeña base de datos exterior, utilizando imágenes con condiciones de iluminación constantes o cambiantes. Se utilizan análisis ROC (características del operador receptor) y la distancia métrica entre pares de imágenes de mejor coincidencia como medidas de evaluación. La mayoría de los métodos funcionan bien bajo condiciones de iluminación constantes, pero fallan bajo iluminación cambiante. La brújula visual que utiliza la medida NSAD en imágenes filtradas por bordes con múltiples planos de escala, aunque es más lenta que los métodos de firma, funciona mejor en este último caso.