1.一種基于軌跡對齊的語義建圖方法，其特征在于，包括以下步驟：

S1、沿同一條運行軌跡同步采集RGB數據、激光數據、IMU數據和里程計數據；

S2、通過語義ORB-SLAM，在利用RGB數據進行ORB追蹤的同時，對每一幀關鍵幀圖像進行目標檢測，再根據相鄰關鍵幀之間的目標檢測結果構建三角化關系，提取3D語義地標；

S3、利用降采樣操作對激光數據進行過濾，降低計算量，并對IMU數據和里程計數據進行計算處理；

S4、通過Cartographer算法處理激光數據、IMU數據和里程計數據，構建2D柵格地圖；

S5、利用ORB-SLAM和Cartographer算法生成的軌跡序列求解兩者之間的相似變換關系，將3D語義地標和2D柵格地圖進行融合，生成語義地圖；

所述步驟S2，具體按照以下步驟進行：

S21、完成ORB-SLAM算法的地圖初始化，使ORB-SLAM算法可以對每一幀RGB圖像進行ORB追蹤，并生成關鍵幀；

S22、在獲得關鍵幀后，迭代更新物體地標的3D位姿：首先將物體地標作為邊界框投影到每個關鍵幀圖像中，然后利用KM算法將這些投影和目標檢測的結果兩兩進行匹配，匹配一個投影邊界框p和一個檢測到的邊界框d的代價c(p,d)如式(1)所示：

其中，p表示投影邊界框，d表示檢測到的邊界框，l、t、r、b分別表示在像素坐標系中邊界框的左側、頂部、右側和底部；

S23、通過從相機中心延伸到檢測到的邊界框的光線相交點來對地標的3D 點位置進行三角測量；在將一組物體地標假設采樣為3D點之后，再為每個點實例化3D邊界立方體，將邊界立方體頂面的中心錨定在3D點上；

生成新的物體的立方體地標假設后對這個新的假設進行評分，物體假設h的得分S(h)如式(2)所示：

其中，L是地標集合，H_o是o∈L的假設，K_o包含了所有檢測到o的關聯目標的關鍵幀，δ_k是在k中的關聯檢測，而f_k將h投影到關鍵幀k中，α是用來調整第一個和的比例因子，Γ根據對象立方體h和h'的典型上下文關系來衡量它們的相關性；在對所有地標的每一個假設進行評分之后，若新的假設的最佳得分要比現有估計的地標的得分更低的話，就使用得分最低的那個假設來替換掉原來的地標；

S24、在每次迭代中，如果在數據關聯期間檢測到的邊界框未與任何現有地標匹配，那么就實例化一個新的物體地標以進行此檢測；

所述步驟S5，具體按照以下步驟進行：

S51、獲取語義ORB-SLAM算法生成的軌跡序列S_o和Cartographer算法生成的軌跡序列S_c，利用時間戳將兩個序列對齊，逐漸把S_o中沒有匹配點的位姿節點過濾掉，最終會生成兩個位姿點數目相同且按順序一一對應的新序列S_c′和S_o′；

S52、在得到匹配后的序列S_c′和S_o′后，對這兩個序列進行相似變換求解，要使變換后的誤差方差值ε²最小，誤差值ε²如式(4)所示：

其中，s是比例系數，R是旋轉系數，t是平移系數；這里使用umeyama方法求解這個方程，可以獲得最終的解：

R＝USV^T (5)

S53、獲得相似變換參數s,R,t后，求出ORB-SLAM生成的環境點云內任意一個點在2D占據柵格坐標系中的對應位置，具體的轉換公式為：

p′＝s(Rp+t) (8)

其中，p′是柵格地圖坐標系中的某個點，p是語義地標坐標系中的某個點；

S54、通過變換關系得到3D語義地表和2D柵格地圖的對應關系，將3D語義地表和2D柵格地圖合并為一個語義地圖。