1.基于2d-slam的轻量级语义驱动的稀疏重建方法，其特征在于，包括如下步骤：
(1)预设语义目标类型，当通过图像语义识别算法判断摄像头拍摄的图片中有与预设语义目标类型相同的目标物时，触发3d重建算法模块；
(2)通过2d-slam模块向所述3d重建算法模块提供所述摄像头在2d地图上的位置姿态信息，并通过图像特征提取匹配算法对步骤(1)中的目标物进行3d稀疏重建，得到目标物的3d空间坐标；
(3)将步骤(2)中的3d空间坐标放置在2d-slam地图上，得到目标物在2d-slam地图的坐标和目标物的类型。
2.根据权利要求1所述的基于2d-slam的轻量级语义驱动的稀疏重建方法，其特征在于，还包括：
清洁机器人根据步骤(3)得到的目标物在2d-slam地图的坐标和目标物的类型采取相应的清洁策略。
3.根据权利要求2所述的基于2d-slam的轻量级语义驱动的稀疏重建方法，其特征在于，所述清洁策略包括清洁机器人绕行，只扫不拖，只拖不扫，增加吸尘风速，和/或报警。
4.根据权利要求2所述的基于2d-slam的轻量级语义驱动的稀疏重建方法，其特征在于，所述步骤(1)中，通过摄像头对前方景物进行图像识别，通过语义识别算法，前方景物的图像根据其中的物体类型被分割成一个个图像块，每个图像块对应有类型和置信度，当某个图像块的置信度高于阈值时，即判断该图像块中的物体类型和预设语义目标类型一致。
5.根据权利要求2所述的基于2d-slam的轻量级语义驱动的稀疏重建方法，其特征在于，所述步骤(2)中，通过图像特征提取匹配算法提取图像中的特征点，并对语义目标相关的特征点加以匹配，获得目标物在不同图像中的运动变化关系，并基于所述运动变化关系和成像模型得到目标物的3d空间坐标。
6.根据权利要求1所述的基于2d-slam的轻量级语义驱动的稀疏重建方法，其特征在于，当2d-slam模块提供的位置姿态信息不准确时，对被重建物的边界进行优化。
7.根据权利要求6所述的基于2d-slam的轻量级语义驱动的稀疏重建方法，其特征在于，采用sba非线性优化。