1.一种视觉SLAM系统动态模糊处理方法，其特征在于，包括如下步骤：输入图像序列；

提取所述图像序列中各帧图像的特征点，获得每帧图像对应的候选特征点集；

检测所述图像序列中各帧图像的运动模糊程度：响应于所述运动模糊程度为全局清晰，则保留该帧图像及其对应的候选特征点集；

响应于所述运动模糊程度为全局模糊，则从所述图像序列中删除该帧图像及其对应的候选特征点集；

响应于所述运动模糊程度为局部模糊，则保留该帧图像并重新提取该帧图像内的特征点，生成新的候选特征点集；

基于相邻两帧图像的候选特征点集的匹配程度，完成所述图像序列的追踪；

所述检测所述图像序列中各帧图像的运动模糊程度包括如下步骤：将当前帧图像划分为若干个图像窗口，生成候选区域序列；

将所述候选区域序列输入局部残差模糊判别网络中，输出判别结果序列，所述判别结果序列用于指示对应的图像窗口为模糊区域或清晰区域；

基于所述判别结果序列中模糊区域的数量与所述候选区域序列数量的比值，计算所述当前帧图像的图像模糊比；

基于所述图像模糊比确定所述当前帧图像的运动模糊程度；

重新提取该帧图像内的特征点，生成新的候选特征点集的方法包括：降低该帧图像中模糊区域中特征点的数量；

增加该帧图像中清晰区域中特征点的数量。

2.如权利要求1所述的视觉SLAM系统动态模糊处理方法，其特征在于，所述局部残差模糊判别网络的网络结构依次包括输入层、卷积层、全连接层和输出层，所述卷积层包括残差卷积层、第一卷积层和第二卷积层。

3.如权利要求1所述的视觉SLAM系统动态模糊处理方法，其特征在于，将当前帧图像划分为若干个图像窗口，生成候选区域序列之后，还包括以下步骤：计算各个所述图像窗口内的图像的纹理丰富度；

筛选出所述纹理丰富度大于第三阈值的图像窗口，生成更新后的候选区域序列；

将更新后的候选区域序列作为所述局部残差模糊判别网络的输入。

4.如权利要求1所述的视觉SLAM系统动态模糊处理方法，其特征在于，所述基于所述图像模糊比确定所述当前帧图像的运动模糊程度的方法包括：响应于所述图像模糊比小于第一阈值，则确定该帧图像的运动模糊程度为全局清晰；

响应于所述图像模糊比大于第二阈值，则确定该帧图像的运动模糊程度为全局模糊；

响应于所述图像模糊比大于第一阈值且小于第二阈值，则确定该帧图像的运动模糊程度为局部模糊。

5.如权利要求1所述的视觉SLAM系统动态模糊处理方法，其特征在于，所述局部残差模糊判别网络的训练方法包括：获取训练样本数据，所述训练样本数据中包括若干帧图像的灰度图以及每帧图像对应的清晰度判断结果；

以每帧图像的灰度图作为输入，以每帧图像对应的清晰度判断结果作为标记，训练所述局部残差模糊判别网络。

6.如权利要求5所述的视觉SLAM系统动态模糊处理方法，其特征在于，所述局部残差模糊判别网络的测试方法包括：获取测试样本数据，所述测试样本数据中包括若干帧图像的灰度图以及每帧图像对应的清晰度判断结果，所述测试样本数据区别于所述训练样本数据；

以每帧图像的灰度图作为输入，以每帧图像对应的清晰度判断结果作为标记，检测所述局部残差模糊判别网络的训练结果。

7.如权利要求5或6所述的视觉SLAM系统动态模糊处理方法，其特征在基于每帧图像的运动模糊偏移长度确定该帧图像的清晰度判断结果：响应于该帧图像的运动模糊偏移长度低于第四阈值，则该帧图像标记为清晰；

响应于该帧图像的运动模糊偏移长度高于第四阈值，则该帧图像标记为模糊。