1.一种基于深度学习技术的双目标定系统，其特征在于：包括参数学习阶段和应用阶段；所述的参数学习阶段包括：

1、目标检测模型：

1.1.采用平行式双目摄像头进行数据提取，对每一个需要标定的时间点拍摄一组两张相片；

1.2.分别应用目标检测算法SSD对同一组的两张相片进行目标检测训练，训练数据中已经对相片中的目标进行标识，训练的目标函数为其中：T为标识的目标参数，P为检测出的目标参数，目标的参数包括目标轮廓，fsize为目标参数数量，bsize为一个批次中目标数量；

1.3.获得目标检测模型Mod；

1.4.目标同步：由于目标在同一组两张相片中分别被检测出，因此要对两张相片中同一目标进行对应；

2、标定系统模型：

2.1.将已经检测出的目标的参数作为标定系统的输入，其中每一个目标包含两张相片中的轮廓参数；

2.2.构建三层双向循环神经网络RNN作为标定系统模型，产生一组输出序列，该输出序列每一个元素为标定目标参数；

2.3.标定系统目标函数为

B

其中：T为标识的目标参数，P为标定出的目标参数，目标的参数包括标轮廓对应的三维B坐标{x，y，z}，bsize为一个批次中目标轮廓数量；

2.4.获得标定系统模型Mca；

3、目标抓取点识别模型：

3.1.将已经标定的目标数据成组分别输入抓取点识别模型，一个目标的轮廓三维坐标数据作为一组输入；

3.2.采用多层感知机MLP作为识别模型，通过5层网络，输出目标的抓取点三维坐标；

3.3.抓取点识别模型目标函数为

C C

其中T 为标识的目标抓取点坐标，P为识别出的目标抓取点坐标，三维坐标表示为{x，Cy，z}，bsize为一个批次中标数量；

3.4.获得抓取点识别模型Mgr；

所述的应用阶段包括目标位置标定：

1.根据双目摄像头拍摄目标，得到一组两张图片P1,P2；

2.将P1，P2分别输入目标检测模型,获得两组预测目标O1＝o1，1，o1，2，……o1，n和O2＝o2，1，o2，2，……o2，n；

3.将O1,O2中内容按照目标进行同步；

4.将{O1,O2}输入目标定系统模型Mca，输出对应目标的轮廓三维坐标{Px，1，Py，1，Pz，1}，{Px，2，Py，2，Pz，2}...{Px，m，Py，m，Pz，m},m为目标的轮廓点数量；

5.将每个目标的轮廓三维坐标{Px，Py，Pz}输入抓取点识别模型Mgr，输出对应目标的抓取点坐标{Tx，Ty，Tz}。

2.根据权利要求1所述的一种基于深度学习技术的双目标定系统，其特征在于：所述的标检测模型采用平行式双目摄像头进行样本采集，目标在两张相片上的排列顺序是一致的，采用动态规划算法进行目标同步。