1.一种机器人巡检语义‑拓扑地图构建方法，其特征在于，所述方法包括：步骤S1、获取固定频率的点云信息和彩色图像信息；

步骤S2、根据所述点云信息和所述彩色图像信息，计算得到固定频率的机器人位移和姿态信息，得到点云‑拓扑子地图；

步骤S3、将所述彩色图像信息输入语义分割网络，根据所述语义分割网络输出的语义标签对所述点云‑拓扑子地图进行标注，得到语义‑点云‑拓扑子地图；

步骤S4、根据所述语义‑点云‑拓扑子地图中的语义信息得到多级语义节点，具体为利用DBSCAN算法处理所述语义‑点云‑拓扑子地图，得到多级语义节点；根据所述多级语义节点得到多级语义‑点云‑拓扑子地图，具体为融合所述多级语义节点和所述语义‑点云‑拓扑子地图，得到多级语义‑点云‑拓扑子地图；

步骤S5、响应于机器人移动的距离和旋转角度超过拓扑节点的保存阈值，则存储所述多级语义‑点云‑拓扑子地图并更新全局地图，随后重新执行步骤S1 S4。

~

2.根据权利要求1所述的方法，其特征在于，所述根据所述点云信息和所述彩色图像信息，计算得到固定频率的机器人位移和姿态信息，包括：对所述点云信息进行去畸变和特征提取，并进行点云配准和位姿变换矩阵求解；

对所述彩色图像信息进行特征提取和描述子匹配，并进行位姿变换矩阵求解；

对所述点云信息和所述彩色图像信息进行松耦合位姿求解。

3.根据权利要求1所述的方法，其特征在于，所述将所述彩色图像信息输入语义分割网络，根据所述语义分割网络输出的语义标签对所述点云‑拓扑子地图进行标注，得到语义‑点云‑拓扑子地图，包括：将所述彩色图像信息输入预先训练的Mask R‑CNN网络，输出所述彩色图像中各像素对应的语义标签；

将各所述语义标签与所述点云‑拓扑子地图中与各所述像素对应的点云在数据结构中进行对应，得到语义‑点云‑拓扑子地图。

4.一种机器人巡检语义‑拓扑地图构建系统，其特征在于，所述系统包括：获取模块，用于获取固定频率的点云信息和彩色图像信息；

位姿模块，用于根据所述点云信息和所述彩色图像信息，计算得到固定频率的机器人位移和姿态信息，得到点云‑拓扑子地图；

语义模块，用于将所述彩色图像信息输入语义分割网络，根据所述语义分割网络输出的语义标签对所述点云‑拓扑子地图进行标注，得到语义‑点云‑拓扑子地图；

节点模块，用于根据所述语义‑点云‑拓扑子地图中的语义信息得到多级语义节点，具体为利用DBSCAN算法处理所述语义‑点云‑拓扑子地图，得到多级语义节点；根据所述多级语义节点得到多级语义‑点云‑拓扑子地图，具体为融合所述多级语义节点和所述语义‑点云‑拓扑子地图，得到多级语义‑点云‑拓扑子地图；

存储模块，用于存储所述多级语义‑点云‑拓扑子地图并更新全局地图。

5.一种电子设备，其特征在于，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器，用于存储一个或多个程序，当所述一个或多个程序被所述至少一个处理器执行时，能使得所述至少一个处理器实现权利要求1至3任一项所述的机器人巡检语义‑拓扑地图构建方法。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时能实现根据权利要求1至3任一项所述的机器人巡检语义‑拓扑地图构建方法。