1.一种基于双目视觉的托盘位姿识别方法，其特征在于，包括以下步骤：

S1.通过双目摄像头获得图像；

S2.根据颜色、纹理信息，对图像进行超像素提取，并提取超像素特征；

S3.获取相机采样过程的信息，对图像的噪声质量进行评估，并根据图像噪声质量，选择分类模型，对超像素进行分类；

S4.对托盘分类对应的超像素进行连通合并，获得托盘候选位置；

S5.根据托盘、地面、货物、货架分类的位置关系，对托盘候选对象的概率进行计算；

S6.根据概率、面积大小、尺寸、对称性选择托盘对应像素；

S7.提取对应像素的视差图，并对视差图进行滤波，提取托盘相对位置和姿态；

S8.多帧位姿数据滤波，保证托盘位置提取正确，结合导航系统更新托盘位置相对于仓库坐标系的位置，提供给路径规划系统。

2.根据权利要求1所述的一种基于双目视觉的托盘位姿识别方法，其特征在于，所述步骤S3中，获取的相机采样过程的信息包括相机快门、相机图像增益、灰度平均值。

3.根据权利要求1所述的一种基于双目视觉的托盘位姿识别方法，其特征在于，所述步骤S3中，图像的噪声质量通过现场采样数据进行结果对比，将不同相机参数、图像统计信息与图像噪声水平进行回归分析获得。

4.根据权利要求1所述的一种基于双目视觉的托盘位姿识别方法，其特征在于，所述步骤S3中，所述分类模型为根据仓库现场采样，并根据相机采样过程的信息参数，通过最大期望算法，建立的不同图像参数下，托盘，地面、货物、货架的多维高斯模型和支持向量机模型。

5.根据权利要求1所述的一种基于双目视觉的托盘位姿识别方法，其特征在于，所述步骤S4对托盘分类对应的超像素进行连通合并的具体过程为：根据超像素分类后的分类标签，对超像素进行合并操作，将邻近的托盘分类表示为一个托盘候选对象；以单个托盘超像素为起点，对其连通域超像素标签进行筛选，标签一致进行合并；最后对合并后的区域的颜色域、几何形状，根据托盘先验信息进行初步筛选。

6.根据权利要求1所述的一种基于双目视觉的托盘位姿识别方法，其特征在于，所述步骤S5对托盘候选对象的概率进行计算的具体步骤如下：建立多尺度类别模板，进行托盘识别，提取识别感兴趣区域的深度信息作为初值；根据距离初值，托盘实际尺寸与相机参数，基于小孔成像原理，创建高精度托盘类别模板，包含托盘、地面、货物、货架类别信息；

采用该类别模板与分类后的图像进行匹配，获得匹配度较大的区域，作为托盘候选对象；匹配度由类别的像素面积计算；

根据托盘候选对象在图像中的位置信息，对其四周的超像素分类进行统计，当托盘类别上方货物匹配率越大，区域为托盘的概率越大；下方地面或货架匹配率越大，区域为托盘的概率越大；当符合上述条件的超像素数量越多，则该区域为托盘的概率越大。

7.根据权利要求1所述的一种基于双目视觉的托盘位姿识别方法，其特征在于，所述步骤S7提取托盘相对位置和姿态的具体步骤为：根据托盘平面约束，几何形状，对视差图进行平滑处理，剔除异常点，选择托盘支架区域的数据提取托盘位姿。

8.根据权利要求1所述的一种基于双目视觉的托盘位姿识别方法，其特征在于，所述步骤S8中，多帧位姿数据滤波具体为：从摄像头提取多帧图像时，将每帧提取的结果均进行滤波处理，防止数据波动。