1.一种仓储搬运机器人的自学定位控制方法，其特征在于，包括：S1：获取仓储搬运机器人的实际位置、搬运起点和搬运终点，基于所述实际位置、所述搬运起点和所述搬运终点，生成对应的搬运控制算法；

S2：基于所述搬运控制算法，控制所述仓储搬运机器人进行移动，并获取所述仓储搬运机器人在移动过程中识别的环境识别数据；

S3：基于所述环境识别数据，确定所述仓储搬运机器人的搬运偏差范围；

S4：基于所述搬运偏差范围，更新所述搬运控制算法，基于更新后的所述搬运控制算法，接力控制所述仓储搬运机器人继续进行移动；

步骤S3：基于所述环境识别数据，确定所述仓储搬运机器人的搬运偏差范围，包括：将第一环境识别数据输入至预设的第一神经网络迭代模型，获得第一搬运偏差因子；

对第二环境识别数据中的环境视频进行定点追踪，基于定点追踪结果，确定所述仓储搬运机器人对应的第一平均帧间位移；

查询预设的平均帧间位移‑瞬时速度映射表，确定所述第一平均帧间位移对应的第一瞬时速度；

对第三环境识别数据中的环境视频进行定点追踪，基于追踪结果确定所述仓储搬运机器人对应的第二平均帧间位移；

查询预设的平均帧间位移‑瞬时速度映射表，确定所述第二平均帧间位移对应的第二瞬时速度；

将所述第一瞬时速度和所述第二环境识别数据输入至预设的第二神经网络迭代模型，获得第二搬运偏差因子；

将所述第二瞬时速度和所述第三环境识别数据输入至预设的第二神经网络迭代模型，获得第三搬运偏差因子；

基于所述第一搬运偏差因子、所述第二搬运偏差因子、所述第三搬运偏差因子以及第一偏差值和第二偏差值，确定所述仓储搬运机器人的搬运偏差范围。

2.根据权利要求1所述的一种仓储搬运机器人的自学定位控制方法，其特征在于，所述仓储搬运机器人上设置有：侧探测器、第一探测器和第二探测器；

所述仓储搬运机器人在搬运轨道上移动，所述搬运轨道上设置有：与所述侧探测器对应的轨道中心定位标志、与所述第一探测器对应的轨道左边缘定位标志以及与所述第二探测器对应的轨道右边缘定位标志；

所述侧探测器和所述第一探测器以及所述第二探测器都是激光探测器；

所述轨道中心定位标志和所述轨道左边缘定位标志以及所述轨道右边缘定位标志都是强反光标志。

3.根据权利要求2所述的一种仓储搬运机器人的自学定位控制方法，其特征在于，S1：获取仓储搬运机器人的实际位置、搬运起点和搬运终点，基于所述实际位置、所述搬运起点和所述搬运终点，生成对应的搬运控制算法，包括：S101：从预设的控制云端中获取所述仓储搬运机器人的搬运指令；

S102：解析所述搬运指令，获得所述搬运起点和所述搬运终点；

S103：确定所述仓储搬运机器人的实际位置，并将所述实际位置、所述搬运起点和所述搬运终点标记在控制云端预先存储的轨道路线图中，获得标记结果；

S104：基于所述标记结果，生成最佳搬运路线；

S105：基于所述最佳搬运路线和预设的控制算法生成方法，生成对应的搬运控制算法。

4.根据权利要求3所述的一种仓储搬运机器人的自学定位控制方法，其特征在于，确定所述仓储搬运机器人的实际位置，包括：基于预设定位算法，获取所述仓储搬运机器人的第一当前位置；

获取所述第一当前位置对应的第一环境视频；

基于所述第一环境视频和所述第一当前位置生成所述仓储搬运机器人的位置确认指令，并将所述位置确认指令发送至控制云端；

基于所述位置确认指令从预设的环境数据库中调取所述第一当前位置对应的第一标准数据；

在所述轨道路线图中绘制以所述第一当前位置为圆心、预设长度为半径的圆；

将所述圆的范围内除所述第一当前位置以外的所有轨道位置作为偏差位置；

从所述环境数据库中调取所有所述偏差位置对应的环境数据作为第二标准数据；

整合所述第一标准数据和所述第二标准数据，获得第三标准数据；

基于特征提取技术，从所述第一环境视频中提取第一环境特征数据，并从所述第三标准数据中筛选与所述第一环境特征数据对应的第三标准数据作为第一参考环境数据；

获取所述第一参考环境数据和所述轨道路线图中各个目标位置的对应关系；

基于所述对应关系，确定所述第一参考环境数据在所述轨道路线图中对应的第一目标位置，将所述第一目标位置作为所述仓储搬运机器人的实际位置。

5.根据权利要求4所述的一种仓储搬运机器人的自学定位控制方法，其特征在于，基于特征提取技术，从所述第一环境视频中提取第一环境特征数据，并从所述第一标准数据集合中筛选与所述第一环境特征数据对应的第三标准数据作为第一参考环境数据，包括：基于预设检测方法，检测出所述第一环境视频中每一帧图像中的所有第一特征点；

获取相邻所述第一特征点的视觉特征梯度变化函数，基于所述视觉特征梯度变化函数，对相应的相邻第一特征点进行重构关联；

基于预设的相机位姿误差，对重构关联结果进行校正，对校正后的结果进行局部重建，获得二维特征框架，将所述二维特征框架作为所述第一环境特征数据；

将所述第三标准数据按照预设划分方法划分为多个子集合；

确定二维特征框架中对应于所述第一特征点的第二特征点；

将所述第二特征点和每个所述子集合中的标准特征点进行匹配，获取匹配度，并与对应所述子集合进行关联；

汇总所述子集合关联的全部所述匹配度，获得所述第一环境特征数据和每个所述子集合对应的总体匹配度，将最大所述总体匹配度对应的子集合中的第三标准数据作为第一数据；

确定所述第一环境视频中每一帧图像中的第一特征点和所述第一数据中的对应标准特征点的坐标差；

当所有所述第一环境视频中每一帧图像中的第一特征点和所述第一数据中的对应标准特征点的坐标差未超过预设坐标差阈值时，则将对应所述第一数据作为所述第一参考环境数据；

否则，将第二大所述总体匹配度对应的子集合中的第三标准数据作为所述第一数据，直至所有所述第一环境视频中每一帧图像中的第一特征点和确定的所述第一数据中的对应标准特征点的坐标差未超过预设坐标差阈值时，将对应所述第一数据作为所述第一参考环境数据。

6.根据权利要求3所述的一种仓储搬运机器人的自学定位控制方法，其特征在于，S104：基于所述标记结果，生成最佳搬运路线，包括：S1041：在所述轨道路线图中确定所述仓储搬运机器人当前所在的第一轨道；

S1042：将所述第一轨道作为第一评价目标，在所述轨道路线图中确定与所述第一评价目标相连的第二轨道，并作为第二评价目标；

S1043：获取所述第二评价目标对应的轨道数据；

S1044：确定所述轨道数据中所述第一评价目标和每个所述第二评价目标对应的转角差值，基于所述转角差值计算出每个所述第二评价目标对应的第一评价因子；

S1045：获取所述第一评价目标的第一轨道等级，同时，获取每个所述第二评价目标对应的第二轨道等级；

S1046：计算所述第一轨道等级和每个所述第二轨道等级之间的差值；

S1047：查询预设的差值‑评价因子映射表，确定所述差值对应的第二评价因子；

S1048：获取每个所述第二评价目标对应的轨道类型；

S1049：查询预设的轨道类型‑评价因子映射表，确定所述轨道类型对应的第三评价因子；

S10410：获取每个所述第二评价目标对应的拥挤程度；

S10411：查询预设的拥挤程度‑评价因子映射表，确定所述拥挤程度对应的第四评价因子；

S10412：基于所述第一评价因子、所述第二评价因子、所述第三评价因子和所述第四评价因子计算出每个所述第二评价目标对应的评价指数；

S10413：将最大所述评价指数对应的第二评价目标为所述第一评价目标对应的子路线；

S10414：将所述第二评价目标作为新的第一评价目标；

S10415：确定与所述第二评价目标相连的所有第三轨道，将所述第三轨道作为新的第二评价目标，计算出每个所述新的第二评价目标对应的新的评价指数，将最大所述新的评价指数对应的新的第二评价目标作为所述新的第一评价目标对应的子路线；

S10416：循环S10414至S10415，直至确定出所述实际位置和所述搬运起点之间以及所述搬运起点和所述搬运终点之间的所有子路线；

S10417：将所有子路线进行连接，获得最佳搬运路线。

7.根据权利要求4所述的一种仓储搬运机器人的自学定位控制方法，其特征在于，S2：基于所述搬运控制算法，控制所述仓储搬运机器人进行移动，并获取所述仓储搬运机器人在移动过程中识别的环境识别数据，包括：S201：将所述第一环境视频作为第一环境识别数据；

S202：控制所述仓储搬运机器人按照第一移动方向移动，同时，每隔预设的时间间隔确定所述仓储搬运机器人在移动过程中的第二当前位置，并获取所述第二当前位置对应的第二环境视频；

S203：当所述侧探测器探测到任一所述轨道中心定位标志时，开始第一次计数；

S204：直至所述第一探测器探测不到任一所述轨道左边缘定位标志且所述第二探测器探测不到任一所述轨道右边缘定位标志时，停止计数，将对应的第一计数值作为第一偏差值，同时，确定所述仓储搬运机器人的第三当前位置，并获取所述第三当前位置对应的第三环境视频；

S205：将所述第二环境视频和所述第三环境视频作为第二环境识别数据；

S206：当确定出所述第一偏差值时，将所述第一计数值清零，并控制所述仓储搬运机器人按照第二移动方向移动，同时，每隔所述时间间隔确定所述仓储搬运机器人在移动过程中的第四当前位置，并获取所述第四当前位置对应的第四环境视频；

S207：当所述侧探测器探测到任一所述轨道中心定位标志时，开始第二次计数；

S208：直至所述第一探测器探测不到任一所述轨道左边缘定位标志且所述第二探测器探测不到任一所述轨道右边缘定位标志时，停止计数，将对应的第二计数值作为第二偏差值，同时，确定所述仓储搬运机器人的第五当前位置，并获取所述第五当前位置对应的第五环境视频；

S209：将所述第四环境视频和所述第五环境视频作为第三环境识别数据，并将所述第一偏差值和所述第二偏差值作为第四环境识别数据；

S210：将所述第一环境识别数据、所述第二环境识别数据、所述第三环境识别数据和所述第四环境识别数据作为所述仓储搬运机器人在移动过程中识别的环境识别数据，完成获取。

8.根据权利要求1所述的一种仓储搬运机器人的自学定位控制方法，其特征在于，基于所述搬运偏差范围，更新所述搬运控制算法，包括：基于卡尔曼滤波算法和所述搬运偏差范围，校正所述仓储搬运机器人的实时位置；

基于校正后的所述实时位置，更新所述搬运控制算法。

9.根据权利要求6所述的一种仓储搬运机器人的自学定位控制方法，其特征在于，基于更新后的所述搬运控制算法，接力控制所述仓储搬运机器人继续进行移动，之后还包括：基于预设定位算法，确定所述仓储搬运机器人在移动过程中的第六当前位置；

并将所述第六当前位置标记在控制云端预先存储的轨道路线图中，生成所述仓储搬运机器人的实时动态轨迹；

同时，获取所述实时动态轨迹和所述最佳搬运路线的实时偏差率，当所述实时偏差率大于预设偏差率阈值时，获取所述仓储搬运机器人的轨迹偏移值；

判断所述轨迹偏移值是否大于预设的偏移值阈值，若是，则获取所述第六当前位置对应的第六环境视频；

从预设的环境数据库中调取所述第六当前位置对应的第四标准数据；

基于特征提取技术，从所述第六环境视频中提取第二环境特征数据，并从所述第四标准数据中筛选与所述第二环境特征数据对应的第四标准数据作为第二参考环境数据；

获取所述第二参考环境数据和所述轨道路线图中各个目标位置的对应关系；

基于所述对应关系，确定所述第二参考环境数据在所述轨道路线图中对应的第二目标位置，将所述第二目标位置作为所述仓储搬运机器人的实际位置；

基于所述实际位置和当前搬运目的地的位置，获得纠正路线；

基于所述纠正路线更新所述搬运控制算法，基于更新后的所述搬运控制算法，接力控制所述仓储搬运机器人继续进行移动；

否则，保持当前工作状态。