1.一种移动机器人的增强现实环境建模及定位处理方法，其特征在于，包括以下步骤：步骤S1：获取传感器配置监控参数；根据传感器配置监控参数对监控传感器进行监控参数配置，并通过监控参数配置后的监控传感器进行环境图像数据采集，生成环境图像数据，其中所述监控传感器为移动机器人内置的双Kinect传感器以及激光雷达传感器；

其中，步骤S1包括：

步骤S11：获取双Kinect传感器调试监控参数；

步骤S12：对双Kinect传感器调试监控参数进行双Kinect视觉重叠区域校正配置处理，以得到双Kinect传感器配置监控参数；步骤S12包括以下步骤：步骤S121：根据双Kinect传感器调试监控参数进行双Kinect视觉测试处理，生成双Kinect视觉测试数据；

步骤S122：对双Kinect视觉测试数据进行双Kinect视觉测试重叠区域分析，生成双Kinect视觉测试重叠区域数据；

步骤S123：根据双Kinect视觉测试重叠区域数据对双Kinect传感器调试监控参数进行双Kinect视觉重叠区域校正配置处理，以得到双Kinect传感器配置监控参数；

步骤S13：根据双Kinect传感器配置监控参数进行双Kinect视觉覆盖范围分析，生成双Kinect视觉覆盖范围数据；

步骤S14：根据双Kinect视觉覆盖范围数据进行激光雷达传感器配置监控参数分析，以得到激光雷达传感器配置监控参数；

步骤S15：将双Kinect传感器配置监控参数以及激光雷达传感器配置监控参数进行传感器配置监控参数整合，以得到传感器配置监控参数；

步骤S16：根据传感器配置监控参数对监控传感器进行监控参数配置，并通过监控参数配置后的监控传感器进行环境图像数据采集，生成环境图像数据；

步骤S2：对环境图像数据进行图像时空特征同步处理，生成同步环境图像数据；基于同步环境图像数据进行异构图像的环境实物质心点拟合匹配及校验处理，生成校验环境实物质心点拟合匹配数据；基于校验环境实物质心点拟合匹配数据以及同步环境图像数据进行环境测量物理模型建模处理，以得到环境测量物理模型；

步骤S3：对环境测量物理模型进行跨模态的环境点云数据融合处理，生成融合环境点云数据；基于融合环境点云数据进行融合点云先验地图分析，以得到生成融合点云先验地图数据；

步骤S4：基于预设的RGBD‑SLAM算法对融合点云先验地图数据进行地图色彩以及深度数据分析，生成融合点云先验地图色彩数据以及融合点云先验地图深度数据；根据融合点云先验地图色彩数据进行时序差异的帧间移动特征点匹配分析处理，生成帧间移动特征点匹配数据；基于融合点云先验地图深度数据以及帧间移动特征点匹配数据对融合点云先验地图数据进行帧间环境地图建模处理，生成帧间环境地图模型；根据融合点云先验地图深度数据以及帧间移动特征点匹配数据进行移动机器人帧间运动特征分析处理，生成移动机器人帧间运动特征数据；根据移动机器人帧间运动特征数据以及帧间环境地图模型进行移动机器人定位数据分析，生成移动机器人定位数据。

2.根据权利要求1所述的移动机器人的增强现实环境建模及定位处理方法，其特征在于，步骤S2包括以下步骤：步骤S21：根据环境图像数据进行时序节点及空间节点分析，以分别得到环境图像时序节点数据以及环境图像空间节点数据；

步骤S22：利用环境图像时序节点数据以及环境图像空间节点数据对环境图像数据进行图像时空特征同步处理，生成同步环境图像数据；

步骤S23：基于同步环境图像数据进行异构图像的环境实物质心点拟合匹配处理，生成环境实物质心点拟合匹配数据；

步骤S24：基于预设的RANSAC算法对环境实物质心点拟合匹配数据进行异常实物质心点校验剔除，以得到校验环境实物质心点拟合匹配数据；

步骤S25：基于校验环境实物质心点拟合匹配数据以及同步环境图像数据进行环境测量物理模型建模处理，以得到环境测量物理模型。

3.根据权利要求2所述的移动机器人的增强现实环境建模及定位处理方法，其特征在于，步骤S23包括以下步骤：步骤S231：根据同步环境图像数据进行环境实物激光点云特征分析，以得到环境实物激光点云特征数据；

步骤S232：根据同步环境图像数据进行环境实物视觉点云特征分析，以得到环境实物视觉点云特征数据；

步骤S233：根据环境实物激光点云特征数据以及环境实物视觉点云特征数据对同步环境图像数据进行点云特征的像素点匹配分析，生成像素点匹配数据；

步骤S234：根据像素点匹配数据进行点云特征的欧式距离匹配分析，生成欧式距离匹配数据；

步骤S235：根据像素点匹配数据以及欧式距离匹配数据进行异构图像的环境实物质心点拟合匹配处理，生成环境实物质心点拟合匹配数据。

4.根据权利要求1所述的移动机器人的增强现实环境建模及定位处理方法，其特征在于，步骤S3包括以下步骤：步骤S31：对环境测量物理模型进行跨模态的环境点云数据融合处理，生成融合环境点云数据，其中融合环境点云数据包括激光雷达先验点云数据以及双Kinect视觉特征数据；

步骤S32：根据激光雷达先验点云数据进行激光雷达先验地图分析，生成激光雷达点云先验地图数据；

步骤S33：根据双Kinect视觉特征数据对激光雷达点云先验地图数据进行地图视觉细节融合处理，生成融合点云先验地图数据。

5.根据权利要求4所述的移动机器人的增强现实环境建模及定位处理方法，其特征在于，步骤S31包括以下步骤：步骤S311：根据校验环境实物质心点拟合匹配数据以及环境测量物理模型进行双Kinect视觉的外参关系分析，生成双Kinect视觉外参关系数据；

步骤S312：根据双Kinect视觉外参关系数据以及环境测量物理模型进行视觉与激光雷达的外参关系分析，生成视觉‑雷达外参关系数据；

步骤S313：根据双Kinect视觉外参关系数据以及视觉‑雷达外参关系数据对环境测量物理模型进行跨模态的环境点云数据融合处理，生成融合环境点云数据。

6.根据权利要求1所述的移动机器人的增强现实环境建模及定位处理方法，其特征在于，步骤S4包括以下步骤：步骤S41：基于预设的RGBD‑SLAM算法对融合点云先验地图数据进行地图色彩以及深度数据分析，生成融合点云先验地图色彩数据以及融合点云先验地图深度数据；

步骤S42：根据融合点云先验地图色彩数据进行帧间移动特征点分析，以得到帧间移动特征点数据；

步骤S43：对帧间移动特征点数据进行时序差异的帧间移动特征点匹配处理，生成帧间移动特征点匹配数据；

步骤S44：基于融合点云先验地图深度数据以及帧间移动特征点匹配数据对融合点云先验地图数据进行帧间环境地图建模处理，生成帧间环境地图模型；

步骤S45：根据融合点云先验地图深度数据以及帧间移动特征点匹配数据进行移动机器人帧间位姿估计，以得到移动机器人帧间位姿数据；

步骤S46：根据移动机器人帧间位姿数据进行移动机器人帧间运动特征分析处理，生成移动机器人帧间运动特征数据；

步骤S47：根据移动机器人帧间运动特征数据以及帧间环境地图模型进行移动机器人定位数据分析，生成移动机器人定位数据。

7.根据权利要求6所述的移动机器人的增强现实环境建模及定位处理方法，其特征在于，步骤S42包括以下步骤：步骤S421：根据融合点云先验地图色彩数据进行机器人帧间移动的图像像素点遍历处理，以得到帧间遍历图像像素点数据；

步骤S422：对帧间遍历图像像素点数据进行帧间移动特征点分析，以得到帧间移动特征点数据。

8.根据权利要求7所述的移动机器人的增强现实环境建模及定位处理方法，其特征在于，步骤S422包括以下步骤：步骤S4221：逐个选取帧间遍历图像像素点数据的像素点为中心节点，通过预设的中心节点邻格选取范围数据对中心节点进行中心节点邻格像素点亮度分析，以得到中心节点邻格像素点亮度数据；对中心节点邻格像素点亮度数据进行亮度梯度分析，生成中心节点邻格像素点亮度梯度数据；

步骤S4222：当中心节点邻格像素点亮度梯度数据满足预设的亮度梯度差判定条件时，将中心节点标记为帧间移动特征点标记处理，以得到帧间移动特征点数据；当中心节点邻格像素点亮度梯度数据不满足预设的亮度梯度差判定条件时，返回步骤S4221。