1.一种基于FPGA的机器人位置最优估计方法，其特征在于，所述方法包括：通过机器人设备获取所述机器人设备所处区域对应的两路视觉信息和激光传感信息；

所述两路视觉信息分别通过所述机器人设备上的两个摄像设备获取；

通过FPGA设备对所述两路视觉信息和所述激光传感信息进行特征信息提取，得到多个视觉特征点信息和每一所述视觉特征信息对应的激光特征点信息；

对所述两路视觉信息进行立体匹配，得到每一所述视觉特征点信息的位置信息，根据所述位置信息，对所述多个视觉特征点信息进行聚类分割，以确定静态物体对象和动态物体对象；

根据所述静态物体对象和所述动态物体对象对应的所述视觉特征点信息和所述激光特征点信息，基于最优估计算法模型和贝叶斯算法模型，计算所述机器人设备的最优位置。

2.根据权利要求1所述的基于FPGA的位置最优估计方法，其特征在于，所述根据所述位置信息，对所述多个视觉特征点信息进行聚类分割，以确定静态物体对象和动态物体对象，包括：根据所述位置信息，基于K均值聚类算法，对所述多个视觉特征点信息进行物体分割，以得到多个物体对象；

基于特征点速度计算算法，根据所述多个视觉特征点信息，确定静态物体对象和动态物体对象。

3.根据权利要求1所述的基于FPGA的机器人位置最优估计方法，其特征在于，所述视觉特征信息或所述激光特征点信息包括特征点的强度信息、方向信息和运动特征信息。

4.根据权利要求1所述的基于FPGA的位置最优估计方法，其特征在于，所述根据所述静态物体对象和所述动态物体对象对应的所述视觉特征点信息和所述激光特征点信息，基于最优估计算法模型和贝叶斯算法模型，计算所述机器人设备的最优位置，包括：基于以下公式对所述机器人设备的最优位置进行计算：

其中，为所述机器人设备的位置 的最优估计，Ut为所述机器人设备的控制信号信息,Zt为三维测量信息，Zt＝{ZC,t,ZL,t}，其中，ZC,t,和ZL,t分别为所述视觉特征点信息的三维测量信息和所述激光特征点信息对应的三维测量信息，且有ZC,t＝{ZCS,t,ZCD,t}，ZL,t＝{ZLS,t,ZLD,t}，其中，ZCS,t和ZCD,t分别为所述静态物体对象和所述动态物体对象对应的所述视觉特征点信息的三维测量信息；ZLS,t和ZLD,t分别为所述静态物体对象和所述动态物体对象对应的所述激光特征点信息的三维测量信息，t为采样时间，t＝1,…,n，n为第n个采样时间；

其中，基于贝叶斯公式，可以推导：

其中η1为归一化系数， 可取：

其中η2为归一化系数， 分别为ZC,t,和ZL,t中的第i个特征点，N为特征点数量；

其中：

其中ZD,t‑1＝{ZCD,t‑1,ZLD,t‑1}，η3为归一化系数。其中：其中N()为高斯分布密度函数， NC,t＝QC，NL,t＝QL，ND,t＝QD；其中，QC，QL，QD分别为所述机器人设备单独在所述视觉特征点信息、所述激光特征点信息、所述动态物体对象对应的特征信息的辅助下的运动误差值，w1、w2、w3为加权系数。

5.根据权利要求4所述的基于FPGA的机器人位置最优估计方法，其特征在于，所述加权系数w1、w2和w3可以由下式求解得到：其中，E{}为均方误差函数，0≤w1,w2,w3≤1，w1+w2+w3＝1。

6.一种基于FPGA的机器人位置最优估计系统，其特征在于，所述系统包括：信息获取模块，用于通过机器人设备获取所述机器人设备所处区域对应的两路视觉信息和激光传感信息；所述两路视觉信息分别通过所述机器人设备上的两个摄像设备获取；

特征提取模块，用于通过FPGA设备对所述两路视觉信息和所述激光传感信息进行特征信息提取，得到多个视觉特征点信息和每一所述视觉特征信息对应的激光特征点信息；

物体分割模块，用于对所述两路视觉信息进行立体匹配，得到每一所述视觉特征点信息的位置信息，根据所述位置信息，对所述多个视觉特征点信息进行聚类分割，以确定静态物体对象和动态物体对象；

位置估计模块，用于根据所述静态物体对象和所述动态物体对象对应的所述视觉特征点信息和所述激光特征点信息，基于最优估计算法模型和贝叶斯算法模型，计算所述机器人设备的最优位置。

7.根据权利要求6所述的基于FPGA的机器人位置最优估计系统，其特征在于，所述物体分割模块根据所述位置信息，对所述至少一个视觉特征点信息进行聚类分割，以确定静态物体对象和动态物体对象的具体方式，包括：根据所述位置信息，基于K均值聚类算法，对所述至少一个视觉特征点信息进行物体分割，以得到多个物体对象；

基于特征点速度计算算法，根据所述至少一个视觉特征点信息，确定静态物体对象和动态物体对象。

8.根据权利要求6所述的基于FPGA的位置最优估计系统，其特征在于，所述视觉特征信息或所述激光特征点信息包括特征点的强度信息、方向信息和运动特征信息。

9.根据权利要求6所述的基于FPGA的机器人位置最优估计系统，其特征在于，所述位置估计模块根据所述静态物体对象和所述动态物体对象对应的所述视觉特征点信息和所述激光特征点信息，基于最优估计算法模型和贝叶斯算法模型，计算所述机器人设备的最优位置的具体方式，包括：基于以下公式对所述机器人设备的最优位置进行计算：

其中，为所述机器人设备的位置 的最优估计，Ut为所述机器人设备的控制信号信息,Zt为三维测量信息，Zt＝{ZC,t,ZL,t}，其中，ZC,t,和ZL,t分别为所述视觉特征点信息的三维测量信息和所述激光特征点信息对应的三维测量信息，且有ZC,t＝{ZCS,t,ZCD,t}，ZL,t＝{ZLS,t,ZLD,t}，其中，ZCS,t和ZCD,t分别为所述静态物体对象和所述动态物体对象对应的所述视觉特征点信息的三维测量信息；ZLS,t和ZLD,t分别为所述静态物体对象和所述动态物体对象对应的所述激光特征点信息的三维测量信息，t为采样时间，t＝1,…,n，n为第n个采样时间；

其中，基于贝叶斯公式，可以推导：

其中η1为归一化系数， 可取：

其中η2为归一化系数， 分别为ZC,t,和ZL,t中的第i个特征点，N为特征点数量；

其中：

其中ZD,t‑1＝{ZCD,t‑1,ZLD,t‑1}，η3为归一化系数。其中：其中N()为高斯分布密度函数， NC,t＝QC，NL,t＝QL，ND,t＝QD；其中，QC，QL，QD分别为所述机器人设备单独在所述视觉特征点信息、所述激光特征点信息、所述动态物体对象对应的特征信息的辅助下的运动误差值，w1、w2、w3为加权系数。

10.根据权利要求9所述的基于FPGA的机器人位置最优估计方法，其特征在于，所述加权系数w1、w2和w3可以由下式求解得到：其中，E{}为均方误差函数，0≤w1,w2,w3≤1，w1+w2+w3＝1。