1.一种面向多任务的脑控复合机器人控制系统，其特征在于：包括脑电帽(1)、笔记本电脑(2)、机械臂(3)、底盘机器人(4)、上位机(5)、末端执行器(6)、深度相机(7)，所述脑电帽(1)佩戴在使用者头部，所述脑电帽(1)通过有线连接方式与笔记本电脑(2)相连接，所述笔记本电脑(2)测试脑电信号后运行刺激界面程序；所述机械臂(3)与底盘机器人(4)均通过局域网与上位机(5)连接，所述笔记本电脑(2)与上位机(5)连接，所述深度相机(7)与机械臂(3)电性连接，所述机械臂(3)与末端执行器(6)电性连接。
2.一种面向多任务的脑控复合机器人控制方法，该方法用于如权利要求1所述的一种面向多任务的脑控复合机器人控制系统，其特征在于：包括下列步骤：
3.根据权利要求2所述的一种面向多任务的脑控复合机器人控制方法，其特征在于：所述s2中机械臂执行抓取任务的方法为：
4.根据权利要求3所述的一种面向多任务的脑控复合机器人控制方法，其特征在于：所述求出的旋转平移关系的方法为：
5.根据权利要求2所述的一种面向多任务的脑控复合机器人控制方法，其特征在于：所述s3中通过激光雷达和imu部件实现机器人自主感知、定位、避障并移动到目的位置的方法为：
6.根据权利要求5所述的一种面向多任务的脑控复合机器人控制方法，其特征在于：所述通过rbpf粒子滤波算法绘制二维栅格地图的方法为：
7.根据权利要求6所述的一种面向多任务的脑控复合机器人控制方法，其特征在于：所述二维栅格地图与自适应蒙特卡洛定位算法amcl匹配，针对已有地图使用粒子滤波器跟踪一个机器人的姿态，提供高精度的定位结果，使用ros中的amcl包可以估计及机器人在地图坐标系/map下的位姿信息，提供/base,/odom,/map之间的tf转换。
8.根据权利要求5所述的一种面向多任务的脑控复合机器人控制方法，其特征在于：所述估计机器人在空间中的位置变化的方法为：imu与里程计融合用于更精准的估计机器人在空间中的位置变化，通过ros提供的robot_localization包实现多传感器的融合，包中的ekf_lacalization_node节点提供的扩展卡尔曼滤波算法融合两种传感器数据用于对机器人运动中精准定位，ekf通过对非线性函数进行线性化来逼近真实状态，并将观测数据和运动模型结合起来进行状态估计；通过ros run来运行该功能包，将扩展卡尔曼滤波节点的配置参数通过.yaml文件存储；设置完参数后，robot_localization输出融合后的数据，经robot_localization输出的话题叫做/odometry/filtered，机器人的状态由(x,y,z,roll,pitch,yaw,x˙,y˙,z˙,roll˙,pitch˙,yaw˙,x¨,y¨,z¨)来表示。
9.根据权利要求5所述的一种面向多任务的脑控复合机器人控制方法，其特征在于：所述通过dijkstra算法做全局规划的方法为：在构建好的栅格地图中，通过dijkstra算法做全局规划，设置目标终点的位置后通过dijkstra算法可以找到单源最短路径：每次从未求出最短路径的点中取出距离距离起点最小路径的点，以这个点为桥梁刷新未求出最短路径的点的距离。
10.根据权利要求5所述的一种面向多任务的脑控复合机器人控制方法，其特征在于：所述dwa算法做局部路径规划的方法为：