1.一种适用于低线束3D激光雷达的动态障碍物去除方法，其特征在于，包括以下步骤：S1、移动机器人通过自身搭载的3D激光雷达采集周围环境的三维点云数据，并对采集到的点云数据进行去畸变和滤波处理；

S2、将处理后的激光点云进行地面分割，分为地面点云和非地面点云；

S3、将分割后的点云，构建局部地图，进行全局优化，生成具有全局一致性的点云地图，并得到机器人的位姿信息；

S4、将生成的非地面点云地图投影成深度图；

S5、选取非地面点云中的连续N次扫描，作为查询帧，根据激光雷达距离信息调节查询帧所对应深度图的分辨率，通过对比查询帧与局部地图在同一分辨率下深度图的可见性，去除点云地图中所有的可疑动态点；

S6、通过不断降低点云地图和查询帧所投影的深度图的分辨率，将之前误删的静态点恢复到静态地图中，并根据恢复静态点数量的比例，来决定是否继续降低分辨率；

所述的S1中，移动机器人通过自身搭载的3D激光雷达采集周围环境的三维点云数据，并对采集到的点云数据去畸变和滤波处理，具体步骤为：假设移动机器人在采集两帧点云数据的时间间隔内，是匀速运动，令T(t)为任意t时刻移动机器人相对于初始位置的位姿变换，T(tT(t

在已知t

将P

根据输入点云的大小，确定点云在X、Y、Z坐标轴上的最大值和最小值，分别记为x所述的S2中，将处理后的激光点云进行地面分割，分为地面点云和非地面点云，具体步骤为：当相邻激光线束打在障碍物上的点为P式中，P

式中，P

当使用16线激光雷达，其垂直扫描范围为[-15°,15°]，可知地面点必然在[-15°,-1°]范围的线束中，在该范围内，设置角度阈值Δα和一个线束阈值，若某点在规定范围内小于角度阈值Δα，则标记为地面点；

所述的S3中，将分割后的点云，构建成局部地图，进行全局优化，生成具有全局一致性的点云地图，并得到机器人的位姿信息，具体步骤为：局部地图构建过程就是求解激光雷达扫描一周数据所形成的扫描帧相对于局部地图的位姿变换T式中，P表示激光雷达扫描到的一个激光点云；R扫描帧插入到局部地图中，局部地图将生成概率网格地图：M:rZ×rZ→[p

式中，M表示概率地图；rZ表示概率网格中每个格子的大小；p求取扫描帧相对局部地图的位姿可视作一个非线性最小二乘问题，如下式所示：式中，M

设第k-1帧特征点云D

所述的S4中，将生成的非地面点云地图投影成深度图，具体包括以下步骤：通过对比点云地图和查询帧所投影的深度图的可见性，来去除动态物体，首先要将点云地图投影成深度图；深度图中的每个像素值都是地图点云中在某个视角下的可见点云，通过激光雷达的视场，可以将点云P式中，

随后将

式中，N表示激光雷达扫描的线束，d所述的S5中，选取非地面点云中的连续N次扫描，作为查询帧，根据激光雷达距离信息调节查询帧所对应深度图的分辨率，通过对比查询帧与局部地图在同一分辨率下深度图的可见性，去除点云地图中所有的可疑动态点，具体步骤包括以下内容：在非地面点云数据中选取N次扫描组成查询帧P令d

定义分辨率层数L，将距离范围划分为L个区间式中，

通过上述公式，当像素(i,j)的距离值d则查询帧

对于任一点

通过动态子集，可以计算获得与其互斥的静态子集根据机器人运动方向的连续N个扫描，对于每个扫描s(p

式中，α

由此，根据评价分数与阈值τ

所述的S6中，通过不断降点云地图和查询帧所投影的深度图的分辨率，将之前误删的静态点恢复到静态地图中，并将恢复静态点数量的比例，作为是否继续降低分辨率的判断条件，其具体步骤为：经过动态点云的去除，可以将点云集P在考虑恢复被误删的静态点时，首先将分辨率设置为最高，然后根据可见性信息逐渐降低分辨率，直到恢复的静态点数量小于阈值；假设在最高分辨率下进行第一轮的静态点恢复中，恢复的静态点数量为n