1.一种基于自适应均匀划分特征点提取的视觉SLAM方法，其特征在于，包括以下步骤：采集行进图像构建图像金字塔；

基于自适应均匀划分特征点提取所述图像金字塔的特征点；

构建所述特征点的ORB特征，基于所述ORB特征进行图像特征信息匹配，并进行位姿估计；

基于估计的位姿进行局部建图，并对局部建图过程进行回环检测和地图合并，获得优化整合后的全局地图；

构建图像金字塔的过程包括：将原始图像设为第一层图像，预设图像金字塔每层的缩放尺度，基于所述原始图像和对应层的缩放尺度获得其余层图像，进而完成图像金字塔的构建，并对所述图像金字塔进行灰度化处理；

提取特征点的过程包括：基于FAST特征检测器对图像金字塔的每层图像进行角点提取，并获取每层图像的目标特征点数量；若当前层图像提取到的角点数量小于等于当前层图像的目标特征点数量时，将当前层图像提取到的所有角点作为当前层图像的特征点；若当前层图像提取到的角点数量大于当前层图像的目标特征点数量时，基于自适应均匀划分方法对当前层图像进行特征点提取，进而完成当前层图像的特征点提取，然后继续对图像金字塔的其余层图像进行特征点提取，直至图像金字塔所有层图像特征点提取完成。

2.根据权利要求1所述的基于自适应均匀划分特征点提取的视觉SLAM方法，其特征在于，基于自适应均匀划分方法进行特征点提取的过程包括：对当前层图像进行区域自适应划分，将当前层图像提取到的角点匹配到划分的区域中，获得匹配到的特征点数量；当匹配到的特征点数量小于当前层图像的目标特征点数量时，对当前层的自适应参数进行调整继续进行自适应均匀划分和匹配，直至匹配到的特征点数量大于等于当前层图像的目标特征点数量；其中，当匹配到的特征点数量等于当前层图像的目标特征点数量时，提取完成；当匹配到的特征点数量大于当前层图像的目标特征点数量时，对匹配到的特征点的响应值进行排序，按照从大到小的顺序选取当前层图像的目标特征点数量。

3.根据权利要求1所述的基于自适应均匀划分特征点提取的视觉SLAM方法，其特征在于，获取每层图像的目标特征点数量的过程包括：对图像金字塔每层的缩放尺度进行求和处理，获得总的缩放尺度；获取图像金字塔的特征点总数量，基于每层的缩放尺度、总的缩放尺度以及特征点总数量，获得对应层图像的目标特征点数量。

4.根据权利要求2所述的基于自适应均匀划分特征点提取的视觉SLAM方法，其特征在于，进行区域自适应划分的过程包括：基于当前层图像的高和宽、目标特征点数量和自适应参数，获得当前层自适应划分区域的边长，进而进行区域划分。

5.根据权利要求1所述的基于自适应均匀划分特征点提取的视觉SLAM方法，其特征在于，构建所述特征点的ORB特征的过程包括：获取所述特征点的方向和BRIEF描述子，基于所述特征点的方向和BRIEF描述子，构建ORB特征。

6.根据权利要求1所述的基于自适应均匀划分特征点提取的视觉SLAM方法，其特征在于，基于估计的位姿进行局部建图的过程包括：基于估计的位姿进行视觉定位和局部地图跟踪，同时选择满足约束条件的普通帧作为关键帧传输给局部建图线程，并插入局部地图跟踪线程生成的关键帧，生成新的地图点，对局部建图中的关键帧和地图点进行优化。

7.根据权利要求6所述的基于自适应均匀划分特征点提取的视觉SLAM方法，其特征在于，进行回环检测和地图合并的过程包括：基于词袋加速算法对局部建图中的关键帧进行回环检测，并进行全局位姿优化，然后基于局部建图生成的子地图之间的共视关系，将子地图整合成全局地图。