1.一种模仿人类记忆的移动机器人目标搜索方法，其特征在于：包括以下步骤：步骤一、语义信息提取：移动机器人对工作环境进行自主探索，通过目标检测算法对视觉传感器的RGB信息进行检测，得到具有单个或多个环境中物体的2D包围框，将所获取的2D物体包围框映射到栅格地图坐标系，得到物体位置在全局坐标系下的分布；

步骤二、拓扑地图构建：构建机器人感知范围模型，在机器人工作环境中自适应构建无碰撞的探索树，对当前环境中的随机探索树的树节点进行删减，得到能够感知整个工作环境空间且具有最少拓扑节点的拓扑地图；

步骤三、仿人记忆的概率更新：利用仿人记忆机制对物体与拓扑节点的归属关系进行概率更新，确定物体在环境中各个拓扑节点处分布的概率；

步骤四、概率‑拓扑‑语义信息融合：在语义信息与拓扑节点之间建立归属关系，仿人记忆机制对物体的拓扑节点归属关系进行概率衰减，实现对概率‑拓扑‑语义信息的融合；

步骤五、基于概率‑拓扑‑语义地图的目标搜索：给定需要搜索的目标，移动机器人对给定目标特征进行提取，通过仿人记忆的概率更新部分获取物体在各个拓扑节点分布的概率，计算预期加权搜索时间，生成用于机器人搜索的路径；

步骤六、目标相似度计算：根据所生成路径进行搜索时，将目标与当前视觉传感器捕获的RGB信息进行相似度计算，用以确定当前物体是否为给定目标。

2.根据权利要求1所述的一种模仿人类记忆的移动机器人目标搜索方法，其特征在于：所述步骤一中物体包括目标物体和障碍物体。

3.根据权利要求2所述的一种模仿人类记忆的移动机器人目标搜索方法，其特征在于：所述步骤一具体包括：

描述当前环境语义信息的元组表示为，其中，P为物体在全局坐标系下的三维坐标，C为物体的类别，Si为当前物体所属的区域，T为识别到物体时的时间戳，

通过目标检测算法对视觉传感器的RGB信息进行检测，得到具有单个或多个物体的2D包围框，将像素平面上坐标映射到栅格地图坐标系，经过以下转换关系，将像素坐标系下坐标转化到成像平面，

像素坐标系与成像平面经过公式(1)进行转换，其中(u0,v0)代表成像平面原点在像素坐标系中的坐标位置，dx与dy代表每个像素在U,V轴方向上的物理尺寸，(u,v,1)代表像素坐标系下的齐次坐标，(x,y,1)代表成像平面坐标系下的对应坐标；

辅助信息Zc，Zc代表物体的深度由深度相机获取，经过下式运算，将成像平面坐标系的坐标(x,y,1)映射到相机坐标系下的相应坐标(Xc,Yc,Zc)，其中f为相机焦距，即为相机坐标系原点到成像平面的距离；

相机坐标系与机器人坐标系存在平移和旋转关系，经过下式运算即可求得相机坐标系坐标(Xc,Yc,Zc)在机器人坐标系下的表示(Xr,Yr,Zr)，其中旋转矩阵R和平移矩阵T属于相机外参的一部分，

Rm和Tm为机器人在地图坐标系下相对旋转和平移矩阵，由自适应蒙特卡洛定位方法得出，经过以下运算求得机器人坐标系的坐标(Xr,Yr,Zr)在地图坐标系下的表示(Xm,Ym,Zm)，目标检测算法所获取的2D物体包围框通过下式，转换到栅格地图坐标系，简化为：

其中，

为相机内参，由标定得到。

4.根据权利要求3所述的一种模仿人类记忆的移动机器人目标搜索方法，其特征在于：所述步骤二具体包括：

以机器人为圆心，以传感器探测范围为半径构建机器人感知范围模型，在机器人工作环境中规避障碍物体构建无碰撞的探索树，将树节点之间的连线删除；从起始节点开始，获取机器人3/4倍感知范围内的树节点，并求解形心，计算如下，将式(8)作为损失函数，通过不断迭代，求解合适的形心，使得损失函数J最小，其中，xn代表该当前机器人3/4倍感知范围内的树节点空间坐标，N为3/4倍感知范围内的树节点总数，n∈(1,N)，求解使得J最小的形心u0，以形心u0为圆心，以机器人最大感知范围为半径作圆，将圆内除圆心以外的树节点删减，通过循环删减，直至对树节点删减完毕。

5.根据权利要求4所述的一种模仿人类记忆的移动机器人目标搜索方法，其特征在于：所述步骤三具体包括：

赋予机器人以人类的记忆模型，以S形曲线描述物体在某个位置的概率变化关系，在某个区域识别到物体后，物体在该区域的概率会先保持在一个较高的状态，若没有在该位置重新发现该物体，则概率会逐渐衰减到0，公式如下所示：其中，a代表遗忘率，b代表记忆半衰期，t为识别到物体时的时间戳，n代表重复发现的次数；

机器人对遗忘率的调整规律如下式，an＝a0‑nΔa0   (11)其中，an为记过n次重新发现后的遗忘率，a0为初始遗忘率，Δa0代表遗忘率的变化率，对记忆半衰期的调整规律如下式，

bn＝b0+nΔb0   (12)其中，bn为记过n次重新发现后的记忆半衰期，b0为初始记忆半衰期，Δb0代表记忆半衰期的变化率。

6.根据权利要求5所述的一种模仿人类记忆的移动机器人目标搜索方法，其特征在于：所述步骤四具体包括：

在语义信息与拓扑节点之间建立归属关系，将所有物体位置信息标记在度量地图中，获取在每个拓扑节点感知范围内物体的坐标，并将其添加进语义信息中，代表物体归属于某个拓扑节点，从语义信息确定开始，仿人记忆机制对物体与拓扑节点归属关系进行概率衰减，若在同一个拓扑节点探测范围内多次发现该物体，则根据公式(11)‑(12)对遗忘率以及记忆半衰期进行自适应调整，并根据公式(10)进行概率计算，实现对概率‑拓扑‑语义信息的融合。

7.根据权利要求6所述的一种模仿人类记忆的移动机器人目标搜索方法，其特征在于：所述步骤五具体包括：

先给定需要查找的目标以及对应的ROI，移动机器人对其SIFT特征进行提取；

根据步骤四的融合地图，找出其所属的各个拓扑节点，再通过Dijkstra算法向目标所对应的拓扑节点规划出一条实际可行的路径，求得机器人按照路径运行的预期时间tm，其中，Lm为从机器人当前位置到中目标所在拓扑节点的路径长度，v为机器人匀速运动的速度，并对预期时间进行归一化，求出从机器人当前位置向目标所在区域运动的归一化时间

根据公式(10)获取目标物体m在各个拓扑节点的概率pm，并对概率进行归一化，求出目标在各个拓扑节点对应区域存在的归一化概率在进行目标搜索时，需要对物体所属拓扑节点概率与机器人当前位置到拓扑节点的预期时间同时进行考虑，用于生成搜索路径，作为机器人搜索的目标区域，具有较大的目标存在概率，相对于机器人所在位置具有较短的预期运动时间，对于物体可能所在位置对应的M个拓扑节点，当

且

机器人优先在物体存在概率以及预期搜索时间较优的拓扑节点i进行搜索，将物体存在概率以及预期搜索时间进行综合考虑，使用加权代价作为拓扑节点访问序列生成的指标，当物体存在概率越大，且预期时间越短，则加权代价越小；当概率越小，而预期时间越长，则加权代价越大，加权代价costm的计算公式为式中，α为时间权重系数，用于调整执行时间紧迫任务的预期时间权重，当执行时间紧迫任务时，α增大；当执行非时间紧迫任务时，减小α，使机器人的目标搜索达到最优。

8.根据权利要求7所述的一种模仿人类记忆的移动机器人目标搜索方法，其特征在于：所述步骤六具体包括：

根据所规划路径进行搜索时，对于视觉传感器捕捉的RGB信息进行目标检测，筛选出属于同类物体的ROI，再对关键点特征进行提取，计算其与目标物体特征点的欧氏距离；最后，判断欧氏距离是否小于阈值，若小于则认为当前识别物体即为目标物体，若大于阈值，则继续读取RGB信息，进行判断。