1.含有激光SLAM的ODOM与DM地标组合移动机器人的导航方法，其特征在于，包括以下步骤：

S1：利用激光SLAM导航系统，通过控制带编码器的无刷电机使得机器人移动至初始DM地标位置；

S2：机器人使用定位相机对初始DM地标进行采集，机器人系统对采集到的照片进行识别，得到机器人与DM地标间的距离和位姿角度偏差α，机器人系统推算出机器人在全局地图的初始位置；

S3：机器人系统给定机器人的起始点和目标点后，机器人系统根据机器人与DM坐标间的距离信息、位姿角度偏差信息α、机器人在全局地图的初始位置信息、给定机器人的起始点信息和目标点信息进行路径规划，机器人得到一个路径规划指令；

S4：机器人通过路径规划指令移动至第一个目标点的DM地标位置，机器人使用定位相机对第一个目标点的DM地标进行采集，机器人系统对采集到的照片进行识别，得到机器人与DM地标间的相对位姿值a1；

S5：机器人系统判断相对位姿值a1是否大于α，如果位姿角度偏差值小于α，进行下一步S6操作，如果位姿偏差值大于α，改进的蒙卡特定位算法模块对相关参数信息进行处理后预测得到了新的目标点β，将β输入路径规划模块中，进行路径规划和运动，得到位姿偏差α2，再带入到步骤S5中继续判断直至误差小于α；

S6：如果位姿角度偏差值小于α，移动机器人将货物投放至DM码旁边的货架后返回货物分拣台。

2.根据权利要求1所述的含有激光SLAM的ODOM与DM地标组合移动机器人的导航方法，其特征在于，所述系统中的蒙特卡洛定位算法模块对相关参数进行预处理的过程包括：使用粒子滤波跟踪机器人在已知地图中的位姿，所述粒子滤波用粒子表示置信度Xt来模拟运动状态；根据里程计运动模型使特定数量的粒子分布在地图上，里程计误差越大粒子群越分散；根据DM地标观测模型来确定粒子重要性权重，机器人识别到DM地标后重采样粒子筛选和增加固定粒子，完成近似状态估计；机器人根据状态估计，通过路径规划调整位姿到α误差内。

3.根据权利要求2所述的含有激光SLAM的ODOM与DM地标组合移动机器人的导航方法，其特征在于，所述相关参数包括：激光雷达参数、相机参数和里程计参数。

4.根据权利要求2所述的含有激光SLAM的ODOM与DM地标组合移动机器人的导航方法，其特征在于，所述粒子滤波用于定位需要得到一个推测位姿xt，所述位姿xt服从P(xt|ut,xt‑1)的分布，通过里程计运动模型方法采样，所述里程计运动模型方法中的 代表机器人内嵌的坐标。

5.根据权利要求2所述含有激光SLAM的ODOM与DM地标组合移动机器人的导航方法，其特征在于，所述移动机器人识别到DM地标后，里程计与DM地标的定位误差可以当成相互独立高斯白噪声进行处理；运用卡尔曼滤波对定位的位置信息进行融合，移动机器人所在的T

位置为卡尔曼滤波状态量，所述公式Xt＝Xt‑1+R(ΔxtΔytΔθt)的航迹推算模型来实现机器人状态量的预测和更新。

6.根据权利要求2所述含有激光SLAM的ODOM与DM地标组合移动机器人的导航方法，其特征在于，粒子群带入运动模型后得到粒子群下一步的位置，根据DM地标测量模型计算出预测和观测距离的几何差值，按照距离的不同给每个粒子添加权重，权重和距离关系符合高斯分布钟型曲线，为了得到粒子权重 建立DM地标测量模型求得地标测量似然

7.根据权利要求2所述含有激光SLAM的ODOM与DM地标组合移动机器人的导航方法，其特征在于，在重采样过程中，权重较小的粒子在新的粒子群中被丢弃，而重采样操作中是根据有效粒子数量来决定是否重采样；对于全部的粒子数N的归一化权重集合为 把一定数量的附加粒子直接放置在相应的位置，则有效粒子数目Neffe可以定义为：其中N为粒子数目，J为增加的粒子数目，则重采样次数和阈值关系如下： 当Neffe小于阈值或者相机识别的系统标志位FLAG为1时开始重采样，ε为常数。

8.含有激光SLAM的ODOM与DM地标组合移动机器人，其特征在于，所述移动机器人内置有执行上述步骤S1‑S6的执行模块。