1.一种弱惯导依赖性的差异映射与轨道建图方法，其特征在于包括以下步骤：S1，数据采集：使用数据采集系统采集并获取轨道沿线周边的点云数据，将数据采集系统第k次扫描获取的点云数据记为点云P k ，并将每次扫描获取的点云数据添加到集合中，则N次扫描后得到集合P＝{P 1 ,P 2 ,…,P k-1 ,P k ,P k+1 ,…P N }，k＝1,2…N；S2，定义系统坐标系L和世界坐标系W：系统坐标系L：以数据采集系统中激光雷达的几何中心位置为系统坐标系L的原点位置，系统坐标系L的z轴正方向与数据采集系统的初始姿态行进方向相同，y轴与z轴垂直且以远离地心方向为正方向，x轴与y轴、z轴构成右手坐标系；将第k次扫描构建的系统坐标系记为L k ；将点云P k 内的任意一点A i 在系统坐标系L k 下的坐标表示为 M为点云P k 内点的总数量；世界坐标系W：世界坐标系W与数据采集系统第1次扫描时构建的系统坐标系L 1 完全重合，其中，点云P k 内的任意一点A i 在世界坐标系W k 下的坐标表示为 S3，轨道点云里程估计，包括以下分步骤：S31，点云重投影：将集合P＝{P 1 ,P 2 ,…,P k-1 ,P k ,P k+1 ,…P N }中的每片点云重投影到其对应的扫描终止时间，得到集合 其中：点云P k 的扫描起始时间为t k ，扫描终止时间为t k+1 ，将点云P k 重投影至t k+1 时间戳，得到点云 则，数据采集系统的第k+1次扫描的起始时间到终止时间得到点云 和P k+1 ；S32，提取局部特征描述子，并根据配准映射关系得到点云P k+1 中的边界点集Φ k+1 和平滑点集Ω k+1 ，以及点云 中的边界点集 和平滑点集 S321，在集合P的点云P k 中选择一特征点A j 作为初始基准点，将集合P中包含该初始基准点A j 的所有点云添加到集合S 1 ＝{P k ,…,P l }中，在点云P l 中选择一特征点A j ′作为基准点，将集合P中包含基准点A j ′的所有点云添加到集合S 2 ＝{P l ,…,P n }中；重复上述过程，直到将集合P中的所有点云划分完成，得到集合S 1 、S 2 …S c ；其中；k、l、n和c的取值范围均为1,2…N，且l>k，n>l；S321中，在点云P l 中选择基准点的方法为：对所述点云P l 进行Delaunay三角化后得到平均欧氏距离d，在点云P l 中选择与所述初始基准点A j 的欧式距离 的特征点A j ′作为基准点，其中，所述初始基准点A j 和基准点均为与数据采集系统扫描时的激光投射方向近似平行的平面外的点；S322，计算集合S 1 中的点云P k 中除初始基准点A j 外，以A j 为初始基准点的每个点的局部特征描述子值η；将点云P k 中局部特征描述子值最大的点作为待选边界点，将局部特征描述子值最小的点作为待选平滑点；由点云P k 和点云P k+1 之间的配准映射关系得到点云P k+1 中的边界点集Φ k+1 和平滑点集Ω k+1 ；由点云 与点云P k+1 之间的配准映射关系，得到点云 中的边界点集 和平滑点集 其中，计算点云P k 中除初始基准点外，每个点以A j 为初始基准点的局部特征描述子值η的计算公式如下：其中，A j ,A i ∈S,j≠i，M为点云P k 内点的总数量；S323，如果待选边界点的个数或待选平滑点的个数为零或为M，则重新执行S321-S322，即重新选取初始基准点并重新计算；否则，执行S33；S33，计算位姿变换矩阵 具体步骤如下：S331，定义位姿变换矩阵为 在当前时间戳t k+2 下，令[t k+1 ,t k+2 ]时间段内数据采集系统的位姿变换矩阵为 其中，t x 、t y 、t z 分别表示L坐标系下x、y、z轴的平移变换量，θ x ,θ y ,θ z 分别表示L坐标系下x、y、z轴的旋转变换量；S332，联立公式(2)和公式(3)求解位姿变换矩阵为 其中， 为点云P k+1 的边界点集Φ k+1 或平滑点集Ω k+1 中任意一点q的位姿变换矩阵，t q 表示点q的时间戳， 为在L坐标系下点云P k 中任意一点q的坐标表示，函数σ(*,n,m)为取*的第n项至第m项的值， 表示矩阵 对应的齐次线性方程组的第n项至第m项的解组成的向量，R的Rodrigues公式如下：R＝e ωθ ＝I+ωsinθ+ω 2 (1-cosθ)其中，函数Ψ(*)为取变量*的斜对称矩阵，I为单位矩阵；S34，将S33中的边界点集Φ k+1 和平滑点集Ω k+1 替换为边界点集 和平滑点集 执行步骤S33，计算对应的位姿变换矩阵 将位姿变换矩阵 和位姿变换矩阵 收敛得到最终的位姿变换矩阵；S35，迭代收敛求解：遍历集合S 2 …S c ，执行S322-S34，得到每个集合对应的最终的位姿变换矩阵，进而得到集合P对应的数据采集系统的空间运动估计曲线，其中，空间运动估计曲线的横坐标为采集时间戳，纵坐标为S34中最终的位姿变换矩阵；S36，重复S1-S35，直到得到数据采集系统最后一次扫描获取的点云P final 对应的数据采集系统的空间运动估计曲线；S4，映射轨道建图：S41，世界坐标系W统一：在步骤S36获得的空间运动估计曲线中，各时间戳上均包括对应的含有位姿信息的点云数据，利用真实空间映射关系将所有点云数据注册至世界坐标系W中；S42，轨道先验映射：根据轨道应用场景中的先验特征信息，利用点云精细配准算法对世界坐标系W下的点云中相邻时间戳的点云进行融合，实现轨道建图。
2.根据权利要求1所述的一种弱惯导依赖性的差异映射与轨道建图方法，其特征在于：S1中的数据采集系统采用自移动式RC-SLAM高精度三维扫描系统，或其它具有双轴激光雷达的三维扫描系统。
3.根据权利要求1所述的一种弱惯导依赖性的差异映射与轨道建图方法，其特征在于：S42中，所述先验特征信息包括空间无缝连续和钢轨轮廓局部一致，且在一定时间段内认为逻辑信息权重高于测量信息权重。
4.根据权利要求1所述的一种弱惯导依赖性的差异映射与轨道建图方法，其特征在于：S41的注册频率是S42融合频率的10倍，更新过程的视场重合度高于70％。
5.根据权利要求1所述的一种弱惯导依赖性的差异映射与轨道建图方法，其特征在于：S322中，n＝1，m＝3。
