1.一种基于单目视觉的道路场景中车辆目标的三维重建方法，其特征在于，包括以下步骤：

S1、采用张正友标定法对单目相机进行标定，获得相机内外参数及其畸变参数；

S2、对获取的原始图像进行预处理，并对其进行3D车辆目标检测；

S3、通过图像特征点匹配，并结合标定参数，获得视差图，在视差图的基础上通过三角测量原理得到深度图；

S4、根据事先估计的相机位姿参数，对深度图进行数据处理，将车辆目标转化TSDF模型，并通过对构建的TSDF模型进行加权融合的方法来不断进行模型的更新；

S5、根据先验数据与实际数据构造代价函数，对代价函数使用梯度下降法进行求解，使TSDF模型的形状与姿态达到最优化；

S6、通过可视化工具，对达到最优的TSDF模型数据进行处理并构建可视化窗口。

2.根据权利要求1所述的一种基于单目视觉的道路场景中车辆目标的三维重建方法，其特征在于，步骤S2所述预处理具体如下：S21、对图像中的噪声进行去除，采用高斯平滑滤波器过滤噪声，去除细节使图像均匀平滑；

S22、对图像中的车辆目标进行3D检测，确定车辆位置并在图像上进行分割；

S23、根据公式：Gray＝R×0.299+G×0.587+B×0.114将RGB图像进行加权求和转化为灰度图；

S24、采用直方图均衡增强图像对比度。

3.根据权利要求1所述的一种基于单目视觉的道路场景中车辆目标的三维重建方法，其特征在于，所述步骤S3具体如下：对相机进行标定并且匹配图像后，获得两幅位于同一平面的图像，两个成像平面为A、B，世界坐标系中P点在两个相机成像面上的投影点为XL和XR，点P在左右相机上投影点坐标差值为视差d，即d＝XL‑XR，再根据相似三角形原理得出下式：其中，T为左右相机光心距离，Z为P点的深度信息，即P点与相机平面的距离加上焦距，f为左右方的彩色相机共有的焦距；根据上式推导出深度Z关于视差d、以及左右光心距离T和焦距f的关系，深度Z的计算如式：

4.根据权利要求1所述的一种基于单目视觉的道路场景中车辆目标的三维重建方法，其特征在于，步骤S4所述将车辆目标转化TSDF模型具体如下：S41、在获得由单目相机拍摄得出的深度图后，根据深度与视差之间的数学关系获得车辆目标及道路场景的三维点云数据；

S42、对检测到的3D车辆目标的三维点云数据进行点云稠密化处理；

S43、对3D车辆目标的点云数据进行网格化处理，采用三角面片逼近车辆的表面，从而得到车辆目标的TSDF网格模型。

5.根据权利要求1所述的一种基于单目视觉的道路场景中车辆目标的三维重建方法，其特征在于，所述步骤S5具体如下：S51、根据车辆目标分割生成的点 对目标的形状和姿态同时进行优化，从检测目标的姿态ξ0开始初始化姿态估计，从平均形状 开始进行形状估计，其中N是目标点数；

S52、构建能量函数对应于给定重建形状和姿态估计的立体重建，使用TSDF形状表示，将先验形状与偏离平均形状进行对比优化；

S53、将三维数据包括姿态以及高度的代价函数进行加和，随后进行整体的梯度下降优化，同时完成形状与姿态对齐；

其中：

2

其中，ρ(y)为Huber范数，σj 为是第j个主分量的特征值，g(t)为位置t处的估计道路高度，σd与σy为噪声参数。

6.根据权利要求1所述的一种基于单目视觉的道路场景中车辆目标的三维重建方法，其特征在于，所述步骤S6具体如下：利用VTK视觉化工具函式库对汽车点云图像以及重建后的TSDF模型进行可视化观察，VTK在OpenGL的基础上，通过管道体系实现对三维数据的操作。

7.根据权利要求6所述的一种基于单目视觉的道路场景中车辆目标的三维重建方法，其特征在于，所述管道体系包括数据生成和处理的元素以及构成虚拟三维世界的元素。