1.一种融合深度学习特征匹配的同步跟踪与建图方法，其特征在于，它包括以下步骤：步骤S1、采集视觉前端图像，进行初始化；

步骤S2、通过特征匹配估计运动位姿，跟踪局部地图，决定下一关键帧；

步骤S3、依据关键帧信息，构建局部地图；

步骤S4、回环检测和优化。

2.根据权利要求1所述的方法，其特征在于，在步骤S1中，使用双目相机采集视觉前端图像，使用LoFTR算法进行匹配，将匹配结果用作初始化跟踪线程，进行地图初始化；

具体步骤如下：

步骤S101、调用gpu，选取第一帧双目图像记录为关键帧，使用LoFTR算法通过gpu运算进行匹配，输出格式为[mkpts0，mkpts1，mconf]；其中mkpts0、mkpts1分别为特征点在左右目图像中的坐标信息，mconf为匹配对置信度；

步骤S102、记录匹配对在左右目图像上的特征点坐标；使用Brief描述符提取器，在特征点处提取各自相应描述符，格式为[desp0，desp1]；使用特征点坐标进行特征点三角化，计算特征点3D坐标，更新初始位姿信息；

步骤S103、创建并初始化地图，将关键帧插入地图，将第一个关键帧3D坐标初始化为地图点。

3.根据权利要求2所述的方法，其特征在于，在步骤S101中，在使用LoFTR算法进行匹配时，采用以下步骤：步骤S101‑1、通过特征提取网络提取粗略级别特征图F1、精细级别特征图F3步骤S101‑2、对粗略级别特征图F1进行位置编码，并计算多头交叉注意力，输出特征图′F1；

′

步骤S101‑3、对特征图F1使用dual‑softmax算法进行匹配，使用互近邻MNN算法筛选匹配对，最终输出粗略级别特征匹配Mc；

步骤S101‑4、将粗略级别特征匹配Mc映射在精细级别特征图F3中，裁剪出目标大小的窗口，再次提取特征并匹配，最后筛选出精细级别特征匹配Mf，作为最终输出结果。

4.根据权利要求1所述的方法，其特征在于，在步骤S2中，通过特征匹配跟踪估计运动位姿，跟踪局部地图，决定下一关键帧；

具体包括以下步骤：

步骤S201、为保证跟踪主线程的实时性，使用ORB特征匹配，依次通过步骤S201‑1、步骤S201‑2、步骤S201‑3三种跟踪模型进行帧间跟踪，输出相机位姿信息，用以局部地图跟踪；

任一模型跟踪成功，等待该跟踪模型步骤完成后，进入步骤S202；

步骤S201‑1、使用恒速模型进行跟踪，步骤如下：步骤(1)利用上一帧解算的位姿，通过恒速运动模型估计当前初始位姿，保存当前恒速模型；

步骤(2)利用上一帧解算的临时地图点，投影到当前坐标系，将两帧中描述子进行匹配，当搜索到欧式距离小于阈值的匹配点数大于一定数量，则跟踪成功；

步骤(3)将重投影误差作为目标函数，使用最小二乘法优化当前帧位姿，剔除优化过程中的外点；

重投影误差计算公式如下：

其中e为重投影误差；P为上一帧特征点在世界坐标系的坐标，u为上一帧投影在当前帧的像素坐标，s为深度值与实际距离的转换参数，K为相机内参，ζ为此时相机位姿对应的李代数，exp(ζ)是ζ从向量到矩阵的对数映射；以所有跟踪特征点重投影误差之和作为优化目标函数，使用最小二乘法优化；

步骤S201‑2、参考上一关键帧信息进行跟踪，步骤如下：步骤(1)选取具有共视关系的一级、二级关键帧参考；

步骤(2)使用词袋BoW加速当前帧与参考帧的匹配，如果搜索到欧式距离小于阈值的匹配点数大于一定数量，将上一帧位姿作为当前帧初始值；

步骤(3)使用重投影误差优化当前位姿并计算内点，若内点数大于一定数量则跟踪成功；

步骤S201‑3、使用重定位进行跟踪，步骤如下：步骤(1)计算当前帧BoW词袋向量，并用词袋找到相似的候选关键帧；

步骤(2)将候选关键帧与当前帧进行特征匹配和位姿估计；

步骤(3)进行重投影误差优化，内点数量大于一定数量，则认为跟踪成功；

优选的，步骤S201‑1中临时地图点不计入地图点，在跟踪完毕后删除；

步骤S202、判断当前帧是否为关键帧；步骤S202条件如下：条件(1)当前帧跟踪到的匹配点内点数与匹配点总数的比值小于阈值，插入关键帧；

条件(2)当前帧跟踪到的特征点少于一定数量，插入关键帧；

条件(3)当局部建图闲置，或不满足(1)、(2)任意一个条件时，每隔一定帧数插入关键帧；

满足以上任意条件，将当前帧判断为关键帧，进入步骤S3；同时进行步骤S203条件判断；

步骤S203、创建一个关键帧子线程；当新关键帧判定后，且与上一关键帧间隔帧数大于一定数量时，主线程继续进行，子线程开启；

步骤S203‑1、在子线程中，使用LoFTR算法通过gpu运算进行匹配；

包括以下步骤：

步骤(1)使用LoFTR算法仅对关键帧中的左右目图像重新进行匹配，获取2D特征匹配坐标，筛选出置信度mconf大于阈值的匹配对；

步骤(2)使用Brief描述符提取器在特征点处提取描述符，计算特征点3D坐标，更新位姿信息；

步骤(3)在该关键帧信息中额外添加LoFTR计算结果，格式为[pose，points，mkpts，desp]，pose为位姿信息、points为特征点3D坐标、mkpts为2D特征点，desp为描述符；

步骤S203‑2、该子线程步骤S203‑1计算完成时，进行判断：条件(1)下一关键帧还未选定；将步骤S203‑1中3D坐标与当前局部地图点取并集；将2D特征点、描述符与主线程中ORB求解该关键帧的信息取并集；替换主线程中该关键帧的位姿信息；

条件(2)下一关键帧已选定或局部建图线程空闲；将步骤S203‑1中3D坐标与当前局部地图点取并集。

5.根据权利要求4所述的方法，其特征在于，在进行步骤S203‑2时，如果主线程处于局部地图跟踪阶段或局部建图阶段，则等待该主线程阶段完成后继续进行。

6.根据权利要求1所述的方法，其特征在于，在步骤S3中，具体采用以下步骤：步骤S301、判断关键帧后插入局部地图并更新信息；

步骤S302、选取具有共视关系的关键帧，进行地图点融合、筛选；

步骤S303、进行局部BA优化。

7.根据权利要求1所述的方法，其特征在于，在步骤S4中，具体采用以下步骤：步骤S401、检测当前关键帧队列，以共视关系分组，检测局部关键帧连续性；

步骤S402、计算Sim3相似变换，优化地图点和关键帧位姿；

步骤S403、进行地图回环融合。