1.一种机器人单目半稠密地图三维重建方法，其特征在于，包括：S1、以机器人搭载单目相机采集的图像作为关键帧，计算关键帧深度，形成半稠密深度图；关键帧与半稠密深度图相结合得到半稠密点云数据；

S2、提取关键帧边缘线段，每个边缘线段为多个像素构成的像素序列；

S3、将关键帧中的每个边缘线段拟合为第一3D线段，构成第一3D线段集合LD；

S4、对同一关键帧中的第一3D线段集合进行聚类，聚类后每个3D线段簇再次拟合为第二3D线段，用关键帧中的第二3D线段表示图像细节，简化ORB‑SLAM得到的半稠密点云数据，实现半稠密地图三维重建。

2.根据权利要求1所述的机器人单目半稠密地图三维重建方法，其特征在于，所述步骤S2采用边缘绘制算法提取关键帧边缘线段。

3.根据权利要求1所述的机器人单目半稠密地图三维重建方法，其特征在于，所述步骤S3对关键帧中的边缘线段拟合为第一3D线段，包括如下步骤：S31、设关键帧中的第m个边缘线段lsm由n个像素点组成，对应的像素序列为lsm＝{p1,p2,...,pn}，每个像素点的坐标为(xp,yp,Zp)，其中(xp,yp)为像素点在图像坐标系中的坐标，Zp为所述像素点在半稠密深度图中的深度；

初始化两个空像素集合pixels和outliers，pixels用于存放待拟合像素点，outliers用于存放当前离群的像素点；

S32、根据lsm中的前B个像素拟合直线：首先取lsm前B个像素，基于坐标(xp,yp)在图像坐标系OXY内拟合一条直线lim；对lsm建立局部坐标系p1xz，所述局部坐标系的原点为lsm中第一个像素点p1，x轴正向为第一个像素点p1指向最后一个像素点pn的射线 z轴正向为p1处的深度方向；基于坐标(Dp,Zp)在局部坐标系p1xz内拟合一条直线lde作为初始线段，其中Dp为像素点在局部坐标系x轴的值；

S33、计算lsm其余像素到两条直线lim和lde的距离：分别计算像素序列lsm中的第B+k个像素点到lim和lde的距离dim和dde；如果dim

S34、判断是否出现B个连续的像素是离群值，若出现连续B个连续的像素是离群值，将pixels集合中的像素分别在图像坐标系OXY和局部坐标系p1xz中拟合新的初始直线lim′和lde′，再以lim′和lde′确定的平面上以像素深度值Zp和像素到x轴的距离Dp再次进行拟合，得到边缘线段lsm的第一3D线段ldm，将ldm加入LD集合，并清空outliers和pixels，跳转至步骤S31进行下一个边缘线段lsm+1的拟合。

4.根据权利要求3所述的机器人单目半稠密地图三维重建方法，其特征在于，采用总体最小二乘法进行直线拟合。

5.根据权利要求1所述的机器人单目半稠密地图三维重建方法，其特征在于，所述步骤S4具体包括：

S41、将LD中第一个3D线段ld1作为初始线段簇C1，令当前线段簇总数H＝1；从LD中第w个

3D线段ldw开始，按如下步骤S42‑S44进行聚类；w＝2,3,…,W，W为当前关键帧中第一3D线段的总数；

S42、令h＝1；

S43、计算ldw与线段簇Ch中第一个3D线段之间的角度测度α和距离测度d：d＝min(d1,d2)

其中pi、qi分别为ldw的两个端点；pi+1、qi+1分别为线段簇Ch中第一个3D线段的两个端点；

S44、如果α<λα且d<λd，则将ldw加入线段簇Ch中，令w加一，跳转至步骤S42进行下一个线段的聚类；否则，如果h

S45、滤除线段数小于3的线段簇；

S46、对于剩余的每个线段簇，将其中的3D线段拟合为一个新的3D线段作为表示该簇的第二3D线段。

6.根据权利要求1所述的机器人单目半稠密地图三维重建方法，其特征在于，所述步骤S46具体包括：

对于线段簇Ch，以Pe表示包含该簇中3D线段所有端点的集合，对Pe中所有点组成的矩阵进行SVD分解得到向量 获取平行 并通过Pe的质心的3D直线l3D；将Pe中所有的点投影到l3D上，以相距最远的两个投影点为端点确定一条3D线段Seg3D，Seg3D即为表示线段簇Ch的第二3D线段。

7.一种机器人单目半稠密地图三维重建系统，其特征在于，包括：半稠密点云数据获取模块，用于以机器人搭载单目相机采集的图像作为关键帧，计算关键帧深度，形成半稠密深度图；关键帧与半稠密深度图相结合得到半稠密点云数据；

关键帧边缘线段提取模块，用于提取关键帧边缘线段，每个边缘线段为多个像素构成的像素序列；

第一3D线段集合构建模块，用于将关键帧中的每个边缘线段拟合为第一3D线段，构成第一3D线段集合LD；

第二3D线段获取模块，用于对同一关键帧中的第一3D线段集合进行聚类，聚类后每个

3D线段簇再次拟合为第二3D线段，用关键帧中的第二3D线段表示图像细节，简化ORB‑SLAM得到的半稠密点云数据，实现半稠密地图三维重建。