1.一种同步定位与地图构建方法，其特征在于，包括以下步骤：S1，初始化系统状态：

当t＝0时，根据机器人运动模型先验概率p(x0)选取N个粒子，记为 i＝

1,2,···,N，所述N为正整数，每个粒子对应的权重为S2，计算优化的混合提议分布；

S3，在该提议分布中采样粒子；

S4，计算并更新权重；

S5，计算有效粒子数Neff，当有效粒子数Neff小于预先设定的阈值Nth时，进行重采样；否则直接执行步骤S6；

S6，更新地图，返回步骤S2。

2.根据权利要求1所述的同步定位与地图构建方法，其特征在于，混合提议分布的计算方法为：利用退火参数α来优化控制里程计运动模型 和观测模型之间的比例，此时，混合提议分布的表示形式为：其中α为退火参数，取值范围[0,1]； 表示第i个粒子在t时刻的状态，由该粒子在t-1时刻的状态和t-1[1,t-1]时刻的里程计的控制输入u决定；

表示在t时刻的观测信息，由第i个粒子在t-1时刻的携带的地图信息和该粒子在t时刻的状态决定。

3.根据权利要求2所述的同步定位与地图构建方法，其特征在于，当提议分布由里程计运动模型起主导作用时，设置退火参数α为0.6；当融入激光测距仪的观测模型更接近真实状态分布时，则增加观测模型的比率，设置α为0.02。

4.根据权利要求1所述的同步定位与地图构建方法，其特征在于，权重的计算方法为：其中 表示第i个粒子在t时刻的状态，由该粒子在t-1时间段的状态和t-1时刻的里程计的控制输入u决定； 表示在t时刻的观测信息，由第i个粒子在t-1时刻的携带的地图信息和该粒子在t时刻的状态决定； 表示第i个粒子在t-1时刻的权重。

5.根据权利要求1所述的同步定位与地图构建方法，其特征在于，有效粒子数Neff的计算方法为：其中N为粒子数目个数， 为归一化重要性权重，即 为第i个粒子在t时刻的权重。

6.根据权利要求1所述的同步定位与地图构建方法，其特征在于，重采样的计算方法包括以下步骤：a.设置高阈值权重 和低阈值权重 所述H为大于L的正数，根据粒子权重与门限值的大小关系将粒子分成两部分：I部分为高权重粒子域和低权重粒子域：

II部分为中等权重粒子域：

其中NHL＝NH+NL表示高权重粒子域与低权重粒子域的粒子数量之和，N-NHL表示中等权重粒子域的粒子数量， 表示第i个粒子在t时刻的状态， 表示第i个粒子在t时刻的权重；

b.决定第i个粒子被复制的次数ni，对于II部分中的粒子，直接复制；对I部分的粒子，根据权重由高到低给粒子排序，依次设定粒子的序号为1、2、3、……NHL，设置每个粒子被选择的概率：其中rank(i)为某一粒子排序后的序号，αrank和βrank为系数，当粒子数确定时，αrank＝2-βrank，1≤βrank≤2，取值为：*

如果第i个粒子的概率小于其被选择的概率，即p(i)＝(1/NHL)＜p(i)，则该粒子被*舍弃；如果第i个粒子的概率大于或者等于其被选择的概率，即p(i)＝(1/NHL)≥p(i)，则该粒子被复制，被复制的次数ni由以下决定：

表示舍余取整，

如果粒子被复制的总次数小于采样前的高权重和低权重的粒子总数，则依次增加由最高到低权重粒子被复制的次数，使得粒子被复制的总次数等于采样前的高权重和低权重的粒子总数；如果粒子被复制的总次数大于采样前的高权重和低权重的粒子总数，则依次减少由最低到高权重粒子被复制的次数，使得粒子被复制的总次数等于采样前的高权重和低权重的粒子总数；

复制后高权重的各粒子的权重为 为高权重粒子的权重，ni*为对应各粒子增加或者减少后实际被复制的次数；其余粒子权重保持不变。

7.根据权利要求6所述的同步定位与地图构建方法，其特征在于，H为2，L为0.5。

8.根据权利要求1所述的同步定位与地图构建方法，其特征在于，更新地图的计算方法为：根据描述机器人轨迹的粒子的位姿 和历史观测信息z1:t来更新计算对应的地图的后验概率 其中 为第i粒子在[1,t]时间段的状态，z1:t为[1,t]时间段的观测信息， 为第i粒子的地图信息由第i粒子在[1,t]时间段的状态和[1,t]时间段的观测信息决定。