1.一种基于点云区域相关性的动态环境RGB‑D视觉SLAM方法，其特征在于，包括如下步骤：S1：对RGB图像进行二维平面降采样并结合深度图生成点云；

S2：将S1生成的点云最小化为子点云；

S3：设置当前帧的前几帧作为参考帧；

S4：采用灰度辅助最近邻迭代与传统最近邻迭代融合的方法得到准确的变换矩阵，包括：将S2的每个子点云与参考帧的目标点云进行灰度最近邻迭代计算出大致的变换矩阵和对应点，然后利用传统最近邻迭代对点云配准计算出准确的变换矩阵；

S5：根据S4计算出的变换矩阵对源点云进行变换，估计每块子点云的之间的相关程度；

S6：计算阈值将所有子点云划分成两组：动相关组和静相关组；

S7：将动相关组的点云投影至相机平面，并以它为中心绘制一个圆，与此同时，通过形态几何学进行填充最终形成我们所需的像素掩膜；

S8：在掩膜内的特征点，将不加入相机的位姿估计中；

S9：将处理完的帧保存在系统中，作为参考帧更新的备选帧；

S10：利用历史观测数据对关键帧生成的掩膜进行精细化，生成更多稳定的地图点。

2.如权利要求1所述的一种基于点云区域相关性的动态环境RGB‑D视觉SLAM方法，其特征在于，步骤S1中的点云生成包括：S11：对当前帧通过模拟旋转式激光雷达的数据采集形式，对灰度图进行二维平面上的降采样生成点云以加快KD树的构建；

S12：将以边长为l的栅格对降采样的点云进行栅格化，计算第i个栅格Gi内的所有点的灰度平均值，并将其作为栅格重心的强度值：表示栅格Gi的强度值，I(x,y)表示像素点坐标为(x,y)的灰度值。

3.如权利要求1所述的一种基于点云区域相关性的动态环境RGB‑D视觉SLAM方法，其特征在于，步骤S2中的子点云生成包括：S21：去除深度不稳定区域，根据深度相机的噪声模型和实验中得到的经验值，当深度值大于一定值，将深度图像中某点的深度值设为0。

S22：由于RGBD相机原始深度得到的点云会出现多层结构或空洞，利用移动最小二乘对S1得到的点云进行平滑；

S23：利用K‑Means聚类算法对点云聚类得到K个子点云。

4.如权利要求1所述的一种基于点云区域相关性的动态环境RGB‑D视觉SLAM方法，其特征在于，步骤S4灰度辅助最近邻迭代计算变换矩阵包括：S41：根据ORBSLAM2的匀速运动模型估计预测初始位姿 提供初始位姿可以有效防止陷入局部最优解和加快迭代速度：式(2)中T(·)都是表示T在世界坐标系下，Tpre表示上两帧普通帧之间的位姿变换的增量，Tlast表示上一帧的相机位姿，Tref参考帧的位姿；

S42：根据初始位姿 搜索子点云 与目标点云最近的α个最近点作为候选对应点S43：计算候选点 的匹配程度，选出得分S(i,k)最高的作为对应点G I

ΔT表示每次迭代的增量矩阵，r (*)表示几何残差，r (*)表示强度残差，w为权重转化函数；

S431：其中S43的权重转化函数本文假设服从t分布，其权重转化函数可表示为：(*) (*)

v表示分布的自由度，μ 表示几何或强度残差的中值，同理σ 表示为方差；

S44：经过S4计算出点的配对点，利用配对点计算增益矩阵，使整体欧式距离和最小：* *

S45：更新变换矩阵T←ΔTT。

5.如权利要求1所述的一种基于点云区域相关性的动态环境RGB‑D视觉SLAM方法，其特征在于，步骤S5子点云的之间的相关程度计算包括：寻找第i个点 的最近点Ptgt(j)计算其欧式距离作为主要指标，除此之外，附加强度值作为惩罚项，累计所有点的得分取平均值作为相关程度得分：表示源点云通过第j个子点云的位姿变换矩阵 后得到的点云中 第i个点，表示点 的强度值。

6.如权利要求1所述的一种基于点云区域相关性的动态环境RGB‑D视觉SLAM方法，其特征在于，步骤S6计算区分动静态相关组的阈值包括：S61：根据S5计算出的子点云的相关程度得分{R(j)}j∈K，设置阈值ε作为区分动静态子点云，以下公式可以确定阈值：S62：根据阈值判断哪些点云属于静态点云：

S表示静态子点云集合，D属于动态子点云集合，属于D集合的所有点云将会投影到相机平面上生成掩膜。

7.如权利要求1所述的一种基于点云区域相关性的动态环境RGB‑D视觉SLAM方法，其特征在于，步骤S7中对动相关组里的所有点云投影至相机平面，并以它为中心绘制一个圆然后通过形态几何学进行填充最终形成所需的像素掩膜。

8.如权利要求1所述的一种基于点云区域相关性的动态环境RGB‑D视觉SLAM方法，其特征在于，步骤S10包括：S101:当关键帧生成时，将前N帧作为历史观测数据，并不是所有历史数据，通过以下式子估计像素点权值：Ii(x,y)表示第i个数据观测的坐标为(x,y)的像素点，ρ为像素权值比重，像素权值超过总观测的λ倍就视为动态像素点：S102：由于特征点很容易生成在物体边缘，但是这些边缘点不稳定，因此，对精细化后的关键帧生成的掩膜进行膨胀，使边缘点不参与相机位姿估计进程中。