1.基于可变权重代价计算与S-census变换的立体匹配方法，其特征在于，包括以下具体步骤：步骤1，分别对左右视图进行特征点提取，对提取到的左右视图的特征点进行匹配特征，建立以匹配特征点为中心的census变换窗口；

步骤2，以通过匹配特征点的线段划分步骤1中的census变换窗口，其中，划分线段呈星型领域状，计算各条划分线段上的灰度均匀度；

步骤3，采用步骤2中计算得到的最小灰度均匀度对应的区域灰度均值作为参考值进行census变换；

步骤4，通过加权区域海明距作为相似性测度，进行代价计算，获取单点匹配视差；

步骤5，采用非局部代价聚合方法自适应进行代价聚合，对步骤4中的单点匹配视差进行聚合，获取初始视差；

步骤6，获取初始视差后，采用均值偏移法和左右一致性校验方法提高初始视差的精度，获得最终视差图。

2.根据权利要求1所述的基于可变权重代价计算与S-census变换的立体匹配方法，其特征在于，步骤1中，采用ORB特征提取算法分别对左右视图进行特征点提取。

3.根据权利要求1所述的基于可变权重代价计算与S-census变换的立体匹配方法，其特征在于，步骤1中，建立以匹配特征点为中心的3*3或5*5大小的census变换窗口。

4.根据权利要求1所述的基于可变权重代价计算与S-census变换的立体匹配方法，其特征在于，步骤2中，各条划分线段上的灰度均匀度W计算公式为：式中，f(i,j)为星型邻域的像素灰度值； 为f(i,j)的均值。

5.根据权利要求1所述的基于可变权重代价计算与S-census变换的立体匹配方法，其特征在于，步骤4中，通过加权区域海明距作为相似性测度，进行代价计算，具体为：(1)计算census变换窗口大小h,h＝m×n，其中，m和n分别代表census变换窗口的宽度和高度；h即表示经census变换后码的长度；

(2)对census变换后的码值依次赋予权重，其中，权重因子δk为：式中，k表示对census变换后码的编号，k＝1,2,...,h。

(3)可变权重代价计算，其中，代价计算公式为：

式中，w1k(u,v)表示左视图中census变换窗口对应编号k的码，w2k(u-f,v)表示右视图中census变换窗口对应编号k的码。

6.根据权利要求1所述的基于可变权重代价计算与S-census变换的立体匹配方法，其特征在于，步骤6中采用均值偏移法和左右一致性校验方法提高初始视差的精度，获得最终视差图，具体为：

1)对步骤5中的初始视差采用左右一致性校验方法进行校验，则初始视差划分为高置信度初始视差和低置信度初始视差；

2)采用均值偏移法对1)中的低置信度初始视差进行优化：

2.1)采用均值偏移法将低置信度初始视差分割为N个子区域，每个子区域记为Si，i＝1,

2,...,N；

2.2)对2.1)中的N个子区域分别建立视差估计统计直方图，记为 统计不同视差出现次数；

2.3)选择视差估计统计直方图 的峰值 作为子区域Si视差结果，其中，其中，d是视差估计，d∈[0,dmax]，dmax是最大的视差估计；

2.4)依据 的结构特征确定视差估计，Si最后视差估计 为：式中， 是初始视差估计，Ni是子区域Si中像素的个数， 是 的像素量，α是比例阈值，A是子区域Si的大小阈值；

3)采用2.4)中的公式对低置信度初始视差所得视差结果进行判断，得到最终视差图。