针对当前闭环检测算法采用单一特征表征图像时存在表征不足，闭环搜索时存在耗时过长，进而出现闭环检测准确率低和实时性差的问题，提出一种基于ResNet18卷积特征和传统ORB人工特征并结合层次化可导航小世界HNSW网络的闭环检测算法。首先对检测图像提取ResNet18卷积特征和ORB人工特征，通过构建的视觉词典利用VLAD算法对提取特征进行编码，对2种VLAD编码利用最优融合权重系数进行融合；其次利用层次化可导航小世界HNSW网络构建VLAD索引结构，对融合VLAD编码进行加速检索，并在闭环检测公开数据集上进行验证。结果表明：相对于单一ResNet18卷积特征的VLAD编码，基于双特征融合VLAD编码的算法在NewCollege和CityCentre数据集上的闭环检测准确率分别提高了29%和20%;相比于原始算法的暴力搜索，采用HNSW网络的VLAD索引结构搜索算法在NewCollege数据集上的闭环搜索总时间下降了51%

同时闭环检测准确率高达85%。基于双特征和HNSW网络的闭环检测算法具有闭环检测准确率高和搜索时间短，为高精度的实时闭环检测系统提供了一种新的设计方案。