1.一种立体视觉的序列重构方法，其特征在于：所述序列重构方法包括以下步骤：

1）每两相邻的图片的匹配得到相邻两幅图片的特征点，然后基于所述特征点进行初步的匹配；用随机抽样一致性方法去除其中的误匹配点；

2）选定与一幅图片I最合适的图片的过程如下：(2.1)选定一幅图片I,其他m幅图片编号分别为I1,..,Im；

(2.2)计算图片I与其他每幅图片的匹配数目，得到I与Ij的匹配数目 j=1,…m,由此得到向量(2.3)计算视差向量Rj，j=1,…m，Rj＝[||xj1-x1||2…||xjn-xn||2]，xjk与xk为图片Ij与图片I上的匹配点，k=1,…n；

(2.4)对于每个Rj计算其中元素的均值rj和标准方差r'j，j=1,…m，得到均值向量dmean＝[r1…rm]T和标准方差ddevi=[r'1…r'm]T；

(2.5)由 得到距离向量D，其中，符号 在这里表示两个向量的对应元素相乘；

(2.6)计算 得到最与I最合适的图片I′；

3）设有N幅图片，每相邻两幅都做匹配并计算基本矩阵F，设x和x′是任意一对匹配点，任意匹配点满足下面关系：T

(x')×F×x=0

通过最小二乘法解出基本矩阵F；

得到N-1个基本矩阵，也得到N-1重构与其决定的N-1个射影空间，把所有重构结果都转移到第一个射影重构，具体步骤：

3.1）确定相邻两个射影重构之间的变换，得到N-2个变换：H1，H2，H3,....HN-2，Hi代表第i个重构与第i+1个重构之间的变换，i=1,..., N-2；

i i+1

设第i个射影空间与第i+1个射影空间有对应的3D空间点为X 和X 则有下面的方程;i i+1

X=Hi×X

通过最小二乘法计算得到Hi；

i

3.2）变换第i个重构到第1个射影重构中：设第i个重构中的投影矩阵为P，3D空i i -1 i间点为X，则转换到第1个射影重构中其投影矩阵变为P×H ，3D空间点变为H×X，其中H=Hi-1×...×H1；

3.3）重复3.2）直到所有的射影重构被转移到第1个射影重构。

2.如权利要求1所述的一种立体视觉的序列重构方法，其特征在于：所述步骤1）中，所述随机抽样一致性方法的过程为：随机抽取已经匹配的点集中的任意8对匹配，用所述8对匹配计算基本矩阵F，任取以上8点以外的点xi，计算xi到F×xi的距离di，如果距离di小于阈值δ，则该点xi为误匹配点。

3.如权利要求1或2所述的一种立体视觉的序列重构方法，其特征在于：由基本矩阵F分解得到摄像机矩阵(P,P')，它们分别有如下的形式：P＝[E 0]，P'＝[[e2]×F e2]；

T

其中E为三阶基本矩阵，e2为一个极点，由F×e2=0解得到e2，[e2]×表示向量e2的反对称矩阵；

在第i个射影空间， 和 是一对已知匹配点, 是3D空间点；

根据摄像机矩阵(P,P')：

得到下面的方程组：

其中，Zc1和Zc2是投影深度；

i

得到4个线性独立的方程，采用最小二乘法估计3D空间点X。

4.如权利要求1或2所述的一种立体视觉的序列重构方法，其特征在于：用sift或Harris方法获得两个图片之间的匹配。