1.一种ORB特征均匀化提取方法，其特征在于，具体按照以下步骤实施：步骤1、计算FAST角点的自适应阈值；所述步骤1中的自适应阈值的计算公式如下：

式1)中，iniT为初始提取阈值；n为图像中像素个数；Ι(xi)为图像中第i个像素的灰度值；为图像灰度的平均值；步骤2、构建图像金字塔，并按照比例因子计算金字塔每层所需的期望特征点数量；步骤3、对图像进行网格划分并在网格内进行FAST角点提取；步骤4、构建四叉树管理节点；所述步骤4的具体步骤为：步骤4.1、初始化节点；步骤4 .2、分裂子节点，采用四叉树将初始节点平均分为四个子节点，且每个节点只包含该区域内的特征点；步骤4 .3、判断当前四叉树深度是否到达该层设置的最大深度，如果到了最大深度，则将该节点存储起来，如果没有到达最大深度，则进一步判断，判断该节点内的特征点的数量是否大于0，若该节点内特征点数量等于0，则删除该节点，如果大于0，则进行下一步判断，再判断该节点内特征点的数量是否大于1，如果该节点内特征点数量等于1，则将该节点存储，否则若该节点内特征点数量大于1，则将该节点继续分裂为四个子节点，继续进行上述判断；所述最大深度Dmax与该层期望特征点数量Set_Kp的关系如下：步骤4.4、若步骤4.3存储的节点数量大于金字塔该层期望特征点数量Set_Kp，则结束分裂子节点，计算Harris评分，在每个节点中选出Harris评分最大的特征点作为最终的特征点，这样就得到了分布均匀且计算效率较高的ORB特征点；步骤5、计算特征点的方向与描述子。2.根据权利要求1所述一种ORB特征均匀化提取方法，其特征在于，所述步骤2中构建了八层金字塔，且每层的期望特征点数量的计算方式为：式2)中，m为特征点总数量，根据人工设定；s为尺度因子，根据人工设定；a为第一层所需特征点数；第二层的期望特征点数量为a/s，后面每一层的期望特征点数量为前面一层的特征点数量乘以1/s。3.根据权利要求1所述一种ORB特征均匀化提取方法，其特征在于，所述步骤3中在网格内进行FAST角点提取的具体方式为：设定FAST角点初始提取阈值为式(1)的计算值iniT，如果该网格内没有提取到角点，就降低阈值为minT＝iniT/4，继续在网格内进行角点提取，直到遍历图像中的所有网格，完成FAST角点的自适应提取。