1.一种基于关联概率语义地图的机器人目标搜索方法，其特征在于所述方法包括步骤如下：步骤一：栅格地图的构建

使用激光雷达对当前环境的结构信息进行描述，生成一张二维栅格地图作为底层架构，并使用定位算法确定机器人在栅格地图中的位置；

步骤二：栅格‑语义地图的构建

2‑1目标识别；

使用目标识别算法对深度相机获得的RGB彩色图像进行检测，获得包围检测物体的矩形框，利用矩形框得到物体的中点像素坐标；

2‑2三维坐标解算得到物体在全局地图坐标系下的坐标；

2‑3根据物体在全局地图坐标系下的坐标，对物体进行语义信息标注，完成物体语义到二维栅格地图的映射，进而得到栅格‑语义地图；

步骤三：关联概率语义地图的构建

3‑1提取两物体关联关系；

3‑2基于贝叶斯的关联概率更新；

对于环境中的某两个物体，使用a表示关联状态，p(a＝1)表示两个物体的关联概率，p(a＝0)表示两个物体的非关联概率，且满足公式(3)；

p(a＝1)+p(a＝0)＝1 (3)

对于尚未观测到的两个物体，初始化关联概率和非关联概率均为0.5；

采用关联概率p(a＝1)与非关联概率p(a＝0)的概率之比A(a)来描述物体间的关联状态；若A(a)＞1代表物体间关联性较强，A(a)＜1代表物体间关联性较弱；

假设在t时刻两物体间的关联状态At(a)，下一时刻t+1时得到了一次新的观测wt+1∈{0,

1}，wt+1表示对深度相机的信息进行关联关系提取后的结果，即物体关联或非关联，此时相关物体间的关联关系At(a)得到更新，将其写为条件概率的形式：其中w1:t+1表示初始时刻到t+1时刻的观测叠加；

则关联概率的更新公式为：

根据贝叶斯公式可得：

其中p(a＝1|w1:t)表示先验概率，p(a＝1|w1:t+1)表示后验概率， 是计算的中间变量；

将公式(7)和公式(8)代入公式(5)可得关联概率的更新模型：其中 表示更新系数；

3‑3构建关联概率语义地图

使用基于快速随机树算法的观测点生成方法在栅格‑语义地图中随机生成观测点；观测点生成后，对环境中的语义点和观测点按欧式距离进行归属分类，赋予观测点语义信息，并基于物体的语义信息将物体‑物体间的关联概率与观测点结合，得到基于实时关联信息更新的关联概率语义地图；

步骤四：基于概率语义地图的目标搜索

4‑1在关联概率语义地图中，根据机器人当前位置，根据公式(10)计算观测点的关联概率与机器人和观测点之间距离dro的比值作为当前观测点的收益值gain；根据各个观测点的收益值gain，使用贪心策略确定观测点的遍历序列；

其中，po为观测点的关联概率；

4‑2根据观测点的遍历序列，采用离散搜索的方式，在所选取的观测点处进行目标搜索，在当前观测点到下一个观测点的路程中不进行目标检测，当机器人到达观测点后在原地旋转一周再进行目标搜索；根据机器人目标搜索中深度相机获取的信息，结合公式(9)，对物体间的关联概率进行更新，重复步骤四。

2.根据权利要求1所述方法，其特征在于步骤2‑2具体是：结合深度相机获得的Depth深度图像获得中点像素坐标对应的深度值，经过公式(1)的坐标转换将像素平面坐标系下的中点坐标转换成相机坐标系下的坐标；

T T

式中，Puv＝[u v 1]为物体在像素坐标系下的齐次坐标，Pc＝[Xc Yc Zc]为物体在相机坐标系下的坐标，Zc为深度相机测量得到的物体深度信息，fx和fy分别为相机在x和y方向上的焦距，cx和cy分别为像素坐标系原点和光轴之间的平移关系，矩阵K表示相机的内参矩阵；

根据物体在相机坐标系下的坐标，经过公式(2)坐标变换，获得物体在全局栅格坐标系下的坐标；

T

式中，Pw＝[Xw Yw Zw]为物体在全局坐标系下的坐标，R和T是相机坐标系相对于全局坐标系的旋转及平移变换关系。

3.根据权利要求1所述方法，其特征在于步骤3‑1中，

1)初次识别到地标物体A时，以该物体在全局地图坐标系下的位置表示(Xl,Yl)，并在栅格‑语义地图标记地标物体A坐标；

2)当再次识别到新地标物体B，首先判断新地标物体B是否与已有的地标物体语义信息相同，若否则直接在栅格‑语义地图标记新地标物体B坐标与语义信息，若是则再次依次遍历所有已有的地标物体，求解新地标物体B的全局坐标与各已有地标物体(Xi,Yi)的全局坐标间欧氏距离，判断该物体是否在以(Xi,Yi)为中心，以空间阈值R为半径的邻域内，若是则不记录此新地标物体B的位置与语义信息，若否则在栅格‑语义地图标记新地标物体B坐标与语义信息；

3)当识别到除地标物体外的其他物体C时，求解其他物体C全局坐标与各地标物体全局坐标的欧式距离，找到与物体C距离最小的地标物体(Xj,Yj)，判断物体C是否处于以(Xj,Yj)为中心，以空间阈值R为半径的邻域内，若是则视作一次关联，若否则视作一次非关联。

4.根据权利要求1所述方法，其特征在于步骤3‑3中，所述基于物体的语义信息将物体‑物体间的关联概率与观测点结合过程为：查找与地标物品的语义信息相符的观测点，将关联概率赋予该观测点。

5.根据权利要求1所述方法，其特征在于步骤4‑1中，若在训练时从未在观测点发现目标，则观测点概率po设为0.1。

6.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1‑5中任一项所述的方法。

7.一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1‑5中任一项所述的方法。