1.一种基于改进Census算法的立体匹配方法，其特征在于，包括如下步骤：步骤1：通过双目相机采集左右图像信息；

步骤2：对左右图像分别进行预处理，保留需要的图像区域；

步骤3：将图像进行多区域分割，每个分割后的子区域为一个独立的整体，使得多个子区域可以并行处理；

步骤4：使用改进后的Census算法对步骤3中的多个子区域进行匹配代价计算，所述改进后的Census算法为对初始窗口内像素灰度值计算方差，根据方差选用像素灰度值的中值或平均值替换中心像素点灰度值，并将灰度值、颜色信息和图像梯度信息按照各自的比例进行加权融合；

所述步骤4中改进后的Census算法包括：获取步骤3处理后的左右相机图像，定义一个n0×n0大小的初始窗口，初始窗口的最大范围不能超过nm，初始窗口内每个像素点代表一个灰度值，对窗口内除中心值之外的其他像素点灰度值进行排序，公式如下：其中，q代表初始窗口内除中心像素点以外的其他像素点，I(q)表示像素点灰度值，A1表示依据从小到大排序后的像素点灰度值集合；

通过对窗口内像素灰度值计算方差，判断窗口内灰度值的数据离散性，公式如下：其中，表示灰度值的平均值；

对比方差的大小，当方差大于0 .5时则选用窗口内像素灰度值的中值来替换中心像素点灰度值，反之，则选用去除最大最小值之后的平均值来替换中心像素点灰度值，如下：其中，Max(I(q))表示窗口内像素点的最大值，Min(I(q))表示最小值，[ ]表示对数值进行取整，Iavg(p)表示去除最大最小值后剩余像素灰度值的平均值，Izz(p)表示窗口内像素灰度值的中值，Icenter(p)表示替换后图像的中心像素点灰度值；

步骤5：采用四路径代价聚和策略进行代价聚合；

步骤6：采用赢家通吃策略进行视差计算；

步骤7：在视差后处理过程中使用左右一致性检测与中值滤波进行视差图优化处理。

2.根据权利要求1所述的基于改进Census算法的立体匹配方法，其特征在于，所述步骤3中将图像通过Opencv技术进行图像多等分，图像分割后的每个区域分别作为一个独立的子区域。

3.根据权利要求1所述的基于改进Census算法的立体匹配方法，其特征在于，所述步骤4中改进后的Census算法还包括：设定阈值T0，将初始窗口中最终得到的替换值与中心像素值做差的绝对值，如果与阈值相近则使用该替换值，否则n0＝n0+2,重新进行比较；

将窗口中像素点与中心像素点进行比较，以二进制的形式对数据进行替换，公式如下：其中，p表示窗口内中心像素点，q表示窗口内非中心像素点，I(p)表示中心像素灰度值，I(q)表示非中心像素灰度值；

对左右图像中所有像素点进行替换后，分别生成左图像窗口的比特串、右图像窗口的比特串，进一步计算Hamming距离，公式如下：Ccen(p,d)＝Hamming(Cstr(p) ,Cstr(p‑d))将灰度值、颜色信息和图像梯度信息按照各自的比例进行加权融合，形成高可靠性的匹配代价，公式如下：Ccen1(p,d)＝ω1(CADc(p,d))+ω2(CADt(p,d))+ω3(Ccen(p,d))其中ω1，ω2，ω3分别对应颜色信息、图像梯度信息、灰度值信息的权重值。

4.根据权利要求1或3所述的基于改进Census算法的立体匹配方法，其特征在于，所述步骤4中改进后的Census算法还包括：将改进的Census算法与SAD算法基于权重进行融合，公式如下：其中，a表示代价值，b表示控制参数，可以通过该函数将任意代价值归一化为[0,1]的范围，与代表SAD变换与Census变换的权重，通过调节该权重可以实现图像在平滑区域和图像纹理区域不同条件下匹配代价计算的精度。

5.根据权利要求1所述的基于改进Census算法的立体匹配方法，其特征在于，所述步骤5中采用四路径代价聚和策略对初始代价进行代价聚合，将像素点p在某条路径上所有视差范围内的匹配代价进行一维聚合，求取路径代价值，并建立p的代价聚合函数，最后将像素点p各路径下的代价值累加，即可得到该像素点最终的聚合代价值。

6.根据权利要求1所述的基于改进Census算法的立体匹配方法，其特征在于，所述步骤6中采用赢家通吃策略生成初始视差图，选取图中匹配代价值最小的点对应的视差作为初始视差，从而构建初始视差图。

7.根据权利要求1所述的基于改进Census算法的立体匹配方法，其特征在于，所述步骤7中视差图优化处理具体为：采用左右一致性检测对视差图中错误匹配点、遮挡点以及异常点进行处理，首先计算出右视差图，然后对比左视差图中与右视差图对应像素点的视差值，如果差值小于设定的阈值，则认为该点的视差是正确的，反之则认为该点视差是异常的，需予以剔除；最后采用中值均值滤波对优化处理后的视差图进行滤波处理。