1.基于双目摄像头的同步关键帧提取的视频拼接方法，其特征在于，包括如下步骤：1)用OpenCV3.4.1和vs2013驱动两个相同型号的摄像头，进行视频的录制，在用摄像头进行视频录制时,采用移动采集平台,将两个摄像头平行放置并保证视野的重叠区域在30％至60％之间，摄像头边录制边移动；2)导入两段录制好的视频，进行同步处理和视频图像的畸变校正；3)将两段视频逐帧分解，默认首帧为关键帧，采用基于双目摄像头的同步关键帧提取方法判断同一时刻的左右两帧是否为关键帧，如果是，则执行步骤4)，如果不是，则直接跳到步骤6)；4)采用SURF算法对左右两帧进行特征点提取并进行特征点的初步匹配；5)采用RANSAC算法,将两张图像帧的误匹配特征点对剔除并生成变换矩阵H；6)左右两帧进行融合，完成图像拼接,形成一幅大视野的图像帧；7)将拼接好的图像帧转换为视频。2.根据权利要求1所述的基于双目摄像头的同步关键帧提取的视频拼接方法，其特征在于，步骤3)中所述的基于双目摄像头的同步关键帧提取方法包括：(1)比较双目摄像头的左右帧差而不是前后帧差，只有在左右帧相似度小于设定的阈值时即抖动剧烈时当前帧被判定为关键帧；(2)将颜色矩和SAD算子集成在单一的公式中，以其城区距离作为新的评价图像相似度的指标。3.根据权利要求1所述的基于双目摄像头的同步关键帧提取的视频拼接方法，其特征在于，步骤4)中所述的采用SURF算法对左右两帧进行特征点提取并进行特征点的初步匹配过程为：(1)建立高斯差分尺度空间：采用不同尺度的高斯函数对原始图像进行处理，然后对处理之后的图像降采样构建得到高斯金字塔，对高斯金字塔的相邻两层做差运算，得到高斯差分金字塔；(2)高斯差分尺度空间极值点检测：比较高斯差分金字塔中各像素点与其相邻的26个像素点的关系，对特征点进行精确定位；(3)确定特征点方向：特征点的方向采用计算图像梯度的方式获取，依据特征点的模值与方向，绘制特征点的直方图，总共分为8个方向，每个方向的夹角为45°，在直方图统计时，每相邻3个像素点采用高斯加权，模板大小采用[0.25,0.5,0.25]规格，并连续加权两次；(4)生成特征点描述子：依据尺度计算特征点邻域半径如公式(1)：其中特征点的邻域区域划分为d×d个正方形区域，d默认取值为4，先将坐标轴旋转到特征点的主方向，然后确定特征点邻域，计算邻域中各像素的模值与方向，根据与特征点的距离确定邻域各像素的权重，进行加权运算，得到特征点的方向直方图，再将邻域的矩形窗口均匀分成4*4个区域，计算每个子区域8个方向的梯度直方图，绘制每个方向的累加值，即可形成一个种子点，共计16个种子点，最后对计算得到的128维特征向量做归一化处理；(5)针对两个对应的视频帧,基于哈希映射和桶存储的方式,搜寻相似特征向量点对,构成相似特征集合。4.根据权利要求2所述的基于双目摄像头的同步关键帧提取的视频拼接方法，其特征在于，步骤(2)中所述的将颜色矩和SAD算子集成在单一的公式中为：三个颜色矩的数学定义如公式(2)、(3)和(4)所示：

其中，Pi ,j代表彩色图像第i个颜色通道分量中灰度为j的像素出现的概率，N代表图像中的像素个数，每个像素具有颜色空间的三个颜色通道，颜色矩只需要9个分量来描述一幅图像，如果H和I分别代表前后帧图像的颜色分布，构造一个函数作为相似性度量如公式(5)所示：其中，i和r分别是是颜色通道和总通道数，是图片颜色分布的一阶矩即均值，是二阶矩即方差，是三阶矩即斜度，其中wi1wi2wi3是用户定义的权重，SAD是将每个像素对应数值之差的绝对值求和，评估两个图像块的相似度如公式(6)所示：

其中Il和Ir分别为左右图像的像素灰度值，W为图中以某点为中心的邻域窗口，C(u,v,d)是在窗口累积下的匹配代价，将颜色矩和SAD算子集成在单一的公式中，以其城区距离作为评价图像相似度的指标如公式(7)所示：

其中，d(L ,R)是左右图的相似度，W为图中以某点为中心的邻域窗口，i代表颜色通道，E、σ、S分别为图像的一、二、三阶矩，Il和Ir代表像素的灰度值，wi1～wi4是用户自定义的权重。