1.一种基于深度学习的单目slam动态点滤除方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的单目slam动态点滤除方法，其特征在于，所述步骤s3中，利用遍历搜索算法对图像边界轮廓进行提取具体为：使用一个一维数组记录处理的像素点的周围8邻域的信息；若8个邻域的像素点的灰度值和中心点的灰度值相同，则认为该点在物体的内部，删除该点；否则，认为该点在图像的边缘，保留该点；依次处理图像中的每一个像素，得到图像的轮廓提取结果。
3.根据权利要求1所述的一种基于深度学习的单目slam动态点滤除方法，其特征在于，所述步骤s3中，计算相应的图像矩，确定目标轮廓的形心的方法为：
4.根据权利要求1所述的一种基于深度学习的单目slam动态点滤除方法，其特征在于，所述步骤s4包括以下步骤：
5.根据权利要求4所述的一种基于深度学习的单目slam动态点滤除方法，其特征在于，所述步骤s44包括以下步骤：
6.根据权利要求1所述的一种基于深度学习的单目slam动态点滤除方法，其特征在于，所述步骤s5中，滑动窗口机制具体为：
7.根据权利要求1所述的一种基于深度学习的单目slam动态点滤除方法，其特征在于，所述步骤s5具体为：
8.根据权利要求7所述的一种基于深度学习的单目slam动态点滤除方法，其特征在于，所述步骤s6具体为：将步骤s5划分的静态目标池中的元素形心xi、yi轴上的增量dx、dy归一化，分别除分别得到归一化后的坐标增量序列；根据归一化后的坐标增量计算静止目标运动分速度vx|i、vy|i，并求出平均静止目标运动分速度；将动态目标的运动分速度减去静止目标对应的分速度，得到动态目标的真实二维移动速度，以筛除误判的动态目标。
9.一种基于深度学习的单目slam动态点滤除装置，包括存储器、处理器，以及存储于所述存储器中的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8中任一所述的方法。
10.一种存储介质，其上存储有程序，其特征在于，所述程序被执行时实现如权利要求1-8中任一所述的方法。