1.一种基于多边缘融合机制的三维深度图像分割算法，其特征在于，包括以下步骤：获取集料颗粒的深度图像并进行预处理，得到预处理后的深度图，对预处理后的深度图提取边缘图像，并进行细化处理；

利用被遮挡区域边缘图像与细化处理后的图像进行第一次融合，利用第一次融合后的图像与补全缺失数据后的集料颗粒边缘图像进行第二次融合；然后采用分水岭算法进行集料颗粒的分割。

2.如权利要求1所述的基于多边缘融合机制的三维深度图像分割算法，其特征在于，所述的预处理包括：分别获取有集料颗粒和无集料颗粒时的背景图，将两幅背景图对应的像素相减后保留大于第一阈值的像素；

将去除震动噪声后的图像对应的深度图中的负值数据替换为零，得到第一图像。

3.如权利要求2所述的基于多边缘融合机制的三维深度图像分割算法，其特征在于，所述的预处理还包括：针对于第一图像，从第一图像的图像数据的水平方向和垂直方向两个方向进行滤波，依次计算每一行的每一个图像数据相对于该图像数据所在行的偏离程度，如所在行的偏离程度大于预置行滤波系数，则将图像数据用所在行的算术平均值替代；然后再计算每一列的每一个图像数据相对于该图像数据所在列的偏离程度，如所在列的偏离程度大于预置列滤波系数，则将图像数据用所在列的算术平均值替代。

4.如权利要求1所述的基于多边缘融合机制的三维深度图像分割算法，其特征在于，所述的对预处理后的深度图提取边缘图像，包括：将预处理后得到的深度图的每一个图像数据fxy按照以下公式进行计算：

上面的公式中，fx、fxx分别为图像数据fxy在水平方向上的偏导、二次偏导，fy、fyy分别为图像数据fxy在竖直方向上的偏导、二次偏导；

根据上面的公式求出图像数据fxy对应的P值，将P与设定的阈值比较，如P大于设定的第二阈值，则将图像数据fxy标记为有效边缘点进行保存，如P小于设定的阈值则删除图像数据fxy，从而得到边缘图像。

5.如权利要求1所述的基于多边缘融合机制的三维深度图像分割算法，其特征在于，所述的利用被遮挡区域边缘图像与细化处理后的图像进行第一次融合，包括：从所述的集料颗粒的深度图像中提取出所有深度值为零的数据，得到被遮挡区域图像，然后进行二值化处理后提取轮廓，得到被遮挡区域边缘图像，然后与所述细化处理后的图像进行合并，得到合并后的边缘图像，去除合并图像中重复的像素点，得到第一次融合后的图像。

6.如权利要求1所述的基于多边缘融合机制的三维深度图像分割算法，其特征在于，所述的利用第一次融合后的图像与补全缺失数据后的集料颗粒边缘图像进行第二次融合，包括：将预处理后的深度图转化为二值图像，将该二值图像与所述被遮挡区域图像经二值化处理后的图像进行合并从而得到补全缺失数据后的集料颗粒图像，然后提取集料颗粒的边缘轮廓，得到补全缺失数据后的集料颗粒边缘图像，将该图像与第一次融合后得到的图像合并，去除合并图像后的虚假边缘，得到第二次融合后的图像。

7.如权利要求6所述的基于多边缘融合机制的三维深度图像分割算法，其特征在于，所述的去除合并图像后的虚假边缘，包括：对于第一次融合后的图像中的每一个像素点a，在所述补全缺失数据后的集料颗粒边缘图像中找到对应位置的像素点b，如果像素点b存在，则判断像素点b的8邻域像素点中是否存在深度值大于0的像素点，如存在则将像素点a的值变为零。

8.如权利要求1所述的基于多边缘融合机制的三维深度图像分割算法，其特征在于，所述的分水岭算法所采用的距离变换函数为bwdist函数，所采用的公式为：d12＝max(|x1-x2|,|y1-y2|)

上式中，(x1,y1)和(x2,y2)为第二次融合后的图像中的两个像素点，d12为所述两个像素点之间的距离。

9.如权利要求1所述的基于多边缘融合机制的三维深度图像分割算法，其特征在于，所述的分水岭算法采用的标记种子区域的步骤为：将预处理后的深度图的每个像素减去其深度值的30％，然后转化成二值图像，对二值图像实施形态学闭操作生成标记图像。