技術(shù)特征：

1.一種時(shí)空結(jié)合的散斑三維成像方法，其特征在于，包括：

從預(yù)置時(shí)間序列中選取時(shí)間節(jié)點(diǎn)，并從選取的所述時(shí)間節(jié)點(diǎn)開(kāi)始獲取左、右成像裝置分別輸出的一組左散斑圖像序列和一組右散斑圖像序列，其中所述左散斑圖像序列和所述右散斑圖像序列中包含的圖像的數(shù)量相同；

對(duì)所述左散斑圖像序列和所述右散斑圖像序列進(jìn)行時(shí)間相關(guān)運(yùn)算，以在所述右散斑圖像序列中確定整像素級(jí)對(duì)應(yīng)點(diǎn)；

根據(jù)所述整像素級(jí)對(duì)應(yīng)點(diǎn)、空間相關(guān)函數(shù)以及所述左散斑圖像序列中各左散斑圖像的像素點(diǎn)坐標(biāo)，對(duì)所述右散斑圖像序列中每幀右散斑圖像進(jìn)行亞像素對(duì)應(yīng)點(diǎn)搜索運(yùn)算，得到亞像素對(duì)應(yīng)點(diǎn)；

根據(jù)所述亞像素對(duì)應(yīng)點(diǎn)的時(shí)間平均運(yùn)算算出待三維重建的對(duì)應(yīng)點(diǎn)；

在所述時(shí)間節(jié)點(diǎn)上通過(guò)所述待三維重建的對(duì)應(yīng)點(diǎn)進(jìn)行三維重建。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述左散斑圖像序列和所述右散斑圖像序列進(jìn)行時(shí)間相關(guān)運(yùn)算，以在所述右散斑圖像序列中確定整像素級(jí)對(duì)應(yīng)點(diǎn)包括：

根據(jù)時(shí)間相關(guān)計(jì)算公式對(duì)所述左散斑圖像序列和所述右散斑圖像序列進(jìn)行時(shí)間相關(guān)運(yùn)算，以在右散斑圖像序列中確定所述左散斑圖像序列中各像素點(diǎn)對(duì)應(yīng)的對(duì)應(yīng)點(diǎn)，其中所述時(shí)間相關(guān)計(jì)算公式為：

其中，X_i,j,t表示為左成像裝置圖像平面點(diǎn)(i,j)在第t幅左散斑圖像的灰度值，X′_i′,j′,t表示右成像裝置圖像平面內(nèi)對(duì)應(yīng)點(diǎn)(i′,j′)在第t幅右散斑圖像的灰度值，和分別表示左、右成像裝置圖像平面內(nèi)點(diǎn)(i,j)和對(duì)應(yīng)點(diǎn)(i′,j′)在k幅所述左散斑圖像序列的灰度平均值和在k幅所述右散斑圖像序列的灰度平均值，其中k為大于或等于2；

在通過(guò)所述時(shí)間相關(guān)計(jì)算公式的計(jì)算結(jié)果值中選取最大值對(duì)應(yīng)的對(duì)應(yīng)點(diǎn)作為整像素級(jí)對(duì)應(yīng)點(diǎn)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述整像素級(jí)對(duì)應(yīng)點(diǎn)、空間相關(guān)函數(shù)以及所述左散斑圖像序列中各左散斑圖像的像素點(diǎn)坐標(biāo)，對(duì)所述右散斑圖像序列中每幀右散斑圖像進(jìn)行亞像素對(duì)應(yīng)點(diǎn)搜索運(yùn)算，得到亞像素對(duì)應(yīng)點(diǎn)包括：

在所述左散斑圖像序列中各左散斑圖像內(nèi)創(chuàng)建窗口大小為(2w_m+1)×(2w_m+1)的參考子窗口；

將二階視差模型下的非線性空間相關(guān)函數(shù)w(s)作為N-R迭代運(yùn)算的待優(yōu)化函數(shù)；

$w\left(s\right)=1-\frac{1}{2}\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{(\frac{p^R(u^R,v^R)-{\stackrel{\‾}{p}}^R}{\sqrt{\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{\[p^R(u^R,v^R)-{\stackrel{\‾}{p}}^R\]}^2}}-\frac{p^G(u^G,v^G)-{\stackrel{\‾}{p}}^G}{\sqrt{\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{\[p^G(u^G,v^G)-{\stackrel{\‾}{p}}^G\]}^2}})}^2,$

其中，為所述左散斑圖像上所述參考子窗口內(nèi)像素點(diǎn)灰度平均值，為所述右散斑圖像上參考子窗口內(nèi)像素點(diǎn)灰度平均值，p^R(u^R,v^R)為左散斑圖像所述參考子窗口內(nèi)像素點(diǎn)p^R的灰度值，p^G(u^G,v^G)為待匹配的右散斑圖像上的對(duì)應(yīng)點(diǎn)p^G的灰度值；

按照預(yù)置迭代步數(shù)，并根據(jù)N-R迭代運(yùn)算公式進(jìn)行迭代運(yùn)算，確定最后一次迭代運(yùn)算算出的相關(guān)函數(shù)值s_N為結(jié)果值，其中，

$\▿w\left(s_{N-1}\right)=\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{\[(\frac{p^R(u^R,v^R)-{\stackrel{\‾}{p}}^R}{{\widetilde{\mathrm{\σ}}}^R}-\frac{p^G(u^G,v^G)-{\stackrel{\‾}{p}}^G}{{\widetilde{\mathrm{\σ}}}^G})\·\frac{1}{{\widetilde{\mathrm{\σ}}}^G}\·\frac{\∂p^G(u^G,v^G)}{\∂s_i}\]}_{i=1,\mathrm{...}M},$

$\▿\▿w\left(s_{N-1}\right)=\frac{-1}{{\left({\widetilde{\mathrm{\σ}}}^G\right)}^2}\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{(\frac{\∂p^G(u^G,v^G)}{\∂s_i}\·\frac{\∂p^G(u^G,v^G)}{\∂s_j})}_{\begin{array}{c}i=1,\mathrm{...}M\\ j=1,\mathrm{...}M\end{array}},$

${\stackrel{\‾}{p}}^R=\frac{1}{{(2w_m+1)}^2}\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{p}^R(u^R,v^R),{\stackrel{\‾}{p}}^G=\frac{1}{{(2w_m+1)}^2}\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{p}^G(u^G,v^G),$

${\widetilde{\mathrm{\σ}}}^R=\sqrt{\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{\[p^R(u^R,v^R)-{\stackrel{\‾}{p}}^R\]}^2},{\widetilde{\mathrm{\σ}}}^G=\sqrt{\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{\[p^G(u^G,v^G)-{\stackrel{\‾}{p}}^G\]}^2},$

其中，N的取值范圍為大于或等于1的整數(shù)；初始狀態(tài)下，N取值為1，則s₀為預(yù)置迭代初始估計(jì)值；▽w(s_N-1)為相關(guān)函數(shù)在s_N-1處的梯度值，▽▽w(s_N-1)為相關(guān)函數(shù)在s_N-1處的二次偏導(dǎo)，M表示s參數(shù)的個(gè)數(shù)；

根據(jù)所述結(jié)果值和二階視差模型算出所述亞像素對(duì)應(yīng)點(diǎn)。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述整像素級(jí)對(duì)應(yīng)點(diǎn)、空間相關(guān)函數(shù)以及所述左散斑圖像序列中各左散斑圖像的像素點(diǎn)坐標(biāo)，對(duì)所述右散斑圖像序列中每幀右散斑圖像進(jìn)行亞像素對(duì)應(yīng)點(diǎn)搜索運(yùn)算，得到亞像素對(duì)應(yīng)點(diǎn)包括：

在所述左散斑圖像序列中各左散斑圖像內(nèi)創(chuàng)建窗口大小為(2w_m+1)×(2w_m+1)的參考子窗口；

將二階視差模型下的非線性空間相關(guān)函數(shù)w(s)作為N-R迭代運(yùn)算的待優(yōu)化函數(shù)；

$w\left(s\right)=1-\frac{1}{2}\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{(\frac{p^R(u^R,v^R)-{\stackrel{\‾}{p}}^R}{\sqrt{\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{\[p^R(u^R,v^R)-{\stackrel{\‾}{p}}^R\]}^2}}-\frac{p^G(u^G,v^G)-{\stackrel{\‾}{p}}^G}{\sqrt{\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{\[p^G(u^G,v^G)-{\stackrel{\‾}{p}}^G\]}^2}})}^2,$

其中，為所述左散斑圖像上所述參考子窗口內(nèi)像素點(diǎn)灰度平均值，為所述右散斑圖像上參考子窗口內(nèi)像素點(diǎn)灰度平均值，p^R(u^R,v^R)為左散斑圖像所述參考子窗口內(nèi)像素點(diǎn)p^R的灰度值，p^G(u^G,v^G)為待匹配的右散斑圖像上的對(duì)應(yīng)點(diǎn)p^G的灰度值；

根據(jù)N-R迭代運(yùn)算公式進(jìn)行迭代運(yùn)算，算出相關(guān)函數(shù)值s_N，其中，

$\▿w\left(s_{N-1}\right)=\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{\[(\frac{p^R(u^R,v^R)-{\stackrel{\‾}{p}}^R}{{\widetilde{\mathrm{\σ}}}^R}-\frac{p^G(u^G,v^G)-{\stackrel{\‾}{p}}^G}{{\widetilde{\mathrm{\σ}}}^G})\·\frac{1}{{\widetilde{\mathrm{\σ}}}^G}\·\frac{\∂p^G(u^G,v^G)}{\∂s_i}\]}_{i=1,\mathrm{...}M},$

$\▿\▿w\left(s_{N-1}\right)=\frac{-1}{{\left({\widetilde{\mathrm{\σ}}}^G\right)}^2}\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{(\frac{\∂p^G(u^G,v^G)}{\∂s_i}\·\frac{\∂p^G(u^G,v^G)}{\∂s_j})}_{\begin{array}{c}i=1,\mathrm{...}M\\ j=1,\mathrm{...}M\end{array}},$

${\stackrel{\‾}{p}}^R=\frac{1}{{(2w_m+1)}^2}\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{p}^R(u^R,v^R),{\stackrel{\‾}{p}}^G=\frac{1}{{(2w_m+1)}^2}\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{p}^G(u^G,v^G),$

${\widetilde{\mathrm{\σ}}}^R=\sqrt{\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{\[p^R(u^R,v^R)-{\stackrel{\‾}{p}}^R\]}^2},{\widetilde{\mathrm{\σ}}}^G=\sqrt{\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{\[p^G(u^G,v^G)-{\stackrel{\‾}{p}}^G\]}^2},,$

其中，N的取值范圍為大于或等于1的整數(shù)；初始狀態(tài)下，N取值為1，則s₀為預(yù)置迭代初始估計(jì)值；▽w(s_N-1)為相關(guān)函數(shù)在s_N-1處的梯度值，▽▽w(s_N-1)為相關(guān)函數(shù)在s_N-1處的二次偏導(dǎo)，M表示s參數(shù)的個(gè)數(shù)；

根據(jù)算出的相關(guān)函數(shù)值s_N和二階視差模型算出坐標(biāo)值，并對(duì)相鄰兩次迭代運(yùn)算算出的相關(guān)函數(shù)值s_N對(duì)應(yīng)的坐標(biāo)值求差，算出差值；

若所述差值小于預(yù)置閾值，則停止迭代運(yùn)算，并將最后一次迭代運(yùn)算算出的相關(guān)函數(shù)值s_N對(duì)應(yīng)的坐標(biāo)值作為所述亞像素對(duì)應(yīng)點(diǎn)。

5.根據(jù)權(quán)利要求3或4所述的方法，其特征在于，所述根據(jù)所述亞像素對(duì)應(yīng)點(diǎn)的時(shí)間平均運(yùn)算算出待三維重建的對(duì)應(yīng)點(diǎn)包括：

對(duì)所述亞像素對(duì)應(yīng)點(diǎn)P_t^G(i′,j′)進(jìn)行時(shí)間平均運(yùn)算，算出所述待三維重建的對(duì)應(yīng)點(diǎn)

6.一種時(shí)空結(jié)合的散斑三維成像裝置，其特征在于，所述裝置包括：

獲取模塊，用于從預(yù)置時(shí)間序列中選取時(shí)間節(jié)點(diǎn)，并從選取的所述時(shí)間節(jié)點(diǎn)開(kāi)始獲取左、右成像裝置分別輸出的一組左散斑圖像序列和一組右散斑圖像序列，其中所述左散斑圖像序列和所述右散斑圖像序列中包含的圖像的數(shù)量相同；

對(duì)應(yīng)點(diǎn)搜索模塊，用于對(duì)所述左散斑圖像序列和所述右散斑圖像序列進(jìn)行時(shí)間相關(guān)運(yùn)算，以在所述右散斑圖像序列中確定整像素級(jí)對(duì)應(yīng)點(diǎn)；

以及，根據(jù)所述整像素級(jí)對(duì)應(yīng)點(diǎn)、空間相關(guān)函數(shù)以及所述左散斑圖像序列中各左散斑圖像的像素點(diǎn)坐標(biāo)，對(duì)所述右散斑圖像序列中每幀右散斑圖像進(jìn)行亞像素對(duì)應(yīng)點(diǎn)搜索運(yùn)算，得到亞像素對(duì)應(yīng)點(diǎn)；

以及，根據(jù)所述亞像素對(duì)應(yīng)點(diǎn)的時(shí)間平均運(yùn)算算出待三維重建的對(duì)應(yīng)點(diǎn)；

三維重建模塊，用于在所述時(shí)間節(jié)點(diǎn)上通過(guò)所述待三維重建的對(duì)應(yīng)點(diǎn)進(jìn)行三維重建。

7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述對(duì)應(yīng)點(diǎn)搜索模塊還用于執(zhí)行以下步驟：

根據(jù)時(shí)間相關(guān)計(jì)算公式對(duì)所述左散斑圖像序列和所述右散斑圖像序列進(jìn)行時(shí)間相關(guān)運(yùn)算，以在右散斑圖像序列中確定所述左散斑圖像序列中各像素點(diǎn)對(duì)應(yīng)的對(duì)應(yīng)點(diǎn)，所述時(shí)間相關(guān)計(jì)算公式為：

其中，X_i,j,t表示為左成像裝置圖像平面點(diǎn)(i,j)在第t幅左散斑圖像的灰度值，X′_i′,j′,t表示右成像裝置圖像平面內(nèi)對(duì)應(yīng)點(diǎn)(i′,j′)在第t幅右散斑圖像的灰度值，和分別表示左、右成像裝置圖像平面內(nèi)點(diǎn)(i,j)和對(duì)應(yīng)點(diǎn)(i′,j′)在k幅所述左散斑圖像序列的灰度平均值和在k幅所述右散斑圖像序列的灰度平均值，其中k為大于或等于2；

在通過(guò)所述時(shí)間相關(guān)計(jì)算公式的計(jì)算結(jié)果值中選取最大值對(duì)應(yīng)的對(duì)應(yīng)點(diǎn)作為整像素級(jí)對(duì)應(yīng)點(diǎn)。

8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述對(duì)應(yīng)點(diǎn)搜索模塊還用于執(zhí)行以下步驟：

在所述左散斑圖像序列中各左散斑圖像內(nèi)創(chuàng)建窗口大小為(2w_m+1)×(2w_m+1)的參考子窗口；

將二階視差模型下的非線性空間相關(guān)函數(shù)w(s)作為N-R迭代運(yùn)算的待優(yōu)化函數(shù)；

$w\left(s\right)=1-\frac{1}{2}\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{(\frac{p^R(u^R,v^R)-{\stackrel{\‾}{p}}^R}{\sqrt{\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{\[p^R(u^R,v^R)-{\stackrel{\‾}{p}}^R\]}^2}}-\frac{p^G(u^G,v^G)-{\stackrel{\‾}{p}}^G}{\sqrt{\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{\[p^G(u^G,v^G)-{\stackrel{\‾}{p}}^G\]}^2}})}^2,$

其中，為所述左散斑圖像上所述參考子窗口內(nèi)像素點(diǎn)灰度平均值，為所述右散斑圖像上參考子窗口內(nèi)像素點(diǎn)灰度平均值，p^R(u^R,v^R)為左散斑圖像所述參考子窗口內(nèi)像素點(diǎn)p^R的灰度值，p^G(u^G,v^G)為待匹配的右散斑圖像上的對(duì)應(yīng)點(diǎn)p^G的灰度值；

按照預(yù)置迭代步數(shù)，并根據(jù)N-R迭代運(yùn)算公式進(jìn)行迭代運(yùn)算，確定最后一次迭代運(yùn)算算出的相關(guān)函數(shù)值s_N為結(jié)果值，其中，

$\▿w\left(s_{N-1}\right)=\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{\[(\frac{p^R(u^R,v^R)-{\stackrel{\‾}{p}}^R}{{\widetilde{\mathrm{\σ}}}^R}-\frac{p^G(u^G,v^G)-{\stackrel{\‾}{p}}^G}{{\widetilde{\mathrm{\σ}}}^G})\·\frac{1}{{\widetilde{\mathrm{\σ}}}^G}\·\frac{\∂p^G(u^G,v^G)}{\∂s_i}\]}_{i=1,\mathrm{...}M},$

$\▿\▿w\left(s_{N-1}\right)=\frac{-1}{{\left({\widetilde{\mathrm{\σ}}}^G\right)}^2}\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{(\frac{\∂p^G(u^G,v^G)}{\∂s_i}\·\frac{\∂p^G(u^G,v^G)}{\∂s_j})}_{\begin{array}{c}i=1,\mathrm{...}M\\ j=1,\mathrm{...}M\end{array}},$

${\stackrel{\‾}{p}}^R=\frac{1}{{(2w_m+1)}^2}\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{p}^R(u^R,v^R),{\stackrel{\‾}{p}}^G=\frac{1}{{(2w_m+1)}^2}\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{p}^G(u^G,v^G),$

${\widetilde{\mathrm{\σ}}}^R=\sqrt{\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{\[p^R(u^R,v^R)-{\stackrel{\‾}{p}}^R\]}^2},{\widetilde{\mathrm{\σ}}}^G=\sqrt{\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{\[p^G(u^G,v^G)-{\stackrel{\‾}{p}}^G\]}^2},$

其中，N的取值范圍為大于或等于1的整數(shù)；初始狀態(tài)下，N取值為1，則s₀為預(yù)置迭代初始估計(jì)值；▽w(s_N-1)為相關(guān)函數(shù)在s_N-1處的梯度值，▽▽w(s_N-1)為相關(guān)函數(shù)在s_N-1處的二次偏導(dǎo)，M表示s參數(shù)的個(gè)數(shù)；

根據(jù)所述結(jié)果值和二階視差模型算出所述亞像素對(duì)應(yīng)點(diǎn)。

9.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述對(duì)應(yīng)點(diǎn)搜索模塊還用于執(zhí)行以下步驟：

在所述左散斑圖像序列中各左散斑圖像內(nèi)創(chuàng)建窗口大小為(2w_m+1)×(2w_m+1)的參考子窗口；

將二階視差模型下的非線性空間相關(guān)函數(shù)w(s)作為N-R迭代運(yùn)算的待優(yōu)化函數(shù)；

$w\left(s\right)=1-\frac{1}{2}\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{(\frac{p^R(u^R,v^R)-{\stackrel{\‾}{p}}^R}{\sqrt{\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{\[p^R(u^R,v^R)-{\stackrel{\‾}{p}}^R\]}^2}}-\frac{p^G(u^G,v^G)-{\stackrel{\‾}{p}}^G}{\sqrt{\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{\[p^G(u^G,v^G)-{\stackrel{\‾}{p}}^G\]}^2}})}^2,$

其中，為所述左散斑圖像上所述參考子窗口內(nèi)像素點(diǎn)灰度平均值，為所述右散斑圖像上參考子窗口內(nèi)像素點(diǎn)灰度平均值，p^R(u^R,v^R)為左散斑圖像所述參考子窗口內(nèi)像素點(diǎn)p^R的灰度值，p^G(u^G,v^G)為待匹配的右散斑圖像上的對(duì)應(yīng)點(diǎn)p^G的灰度值；

根據(jù)N-R迭代運(yùn)算公式進(jìn)行迭代運(yùn)算，算出相關(guān)函數(shù)值s_N，其中，

$\▿w\left(s_{N-1}\right)=\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{\[(\frac{p^R(u^R,v^R)-{\stackrel{\‾}{p}}^R}{{\widetilde{\mathrm{\σ}}}^R}-\frac{p^G(u^G,v^G)-{\stackrel{\‾}{p}}^G}{{\widetilde{\mathrm{\σ}}}^G})\·\frac{1}{{\widetilde{\mathrm{\σ}}}^G}\·\frac{\∂p^G(u^G,v^G)}{\∂s_i}\]}_{i=1,\mathrm{...}M},$

$\▿\▿w\left(s_{N-1}\right)=\frac{-1}{{\left({\widetilde{\mathrm{\σ}}}^G\right)}^2}\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{(\frac{\∂p^G(u^G,v^G)}{\∂s_i}\·\frac{\∂p^G(u^G,v^G)}{\∂s_j})}_{\begin{array}{c}i=1,\mathrm{...}M\\ j=1,\mathrm{...}M\end{array}},$

${\stackrel{\‾}{p}}^R=\frac{1}{{(2w_m+1)}^2}\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{p}^R(u^R,v^R),{\stackrel{\‾}{p}}^G=\frac{1}{{(2w_m+1)}^2}\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{p}^G(u^G,v^G),$

${\widetilde{\mathrm{\σ}}}^R=\sqrt{\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{\[p^R(u^R,v^R)-{\stackrel{\‾}{p}}^R\]}^2},{\widetilde{\mathrm{\σ}}}^G=\sqrt{\underset{u=-w_m}{\overset{w_m}{\mathrm{\Σ}}}\underset{v=-w_m}{\overset{w_m}{\mathrm{\Σ}}}{\[p^G(u^G,v^G)-{\stackrel{\‾}{p}}^G\]}^2},,$

其中，N的取值范圍為大于或等于1的整數(shù)；初始狀態(tài)下，N取值為1，則s₀為預(yù)置迭代初始估計(jì)值；▽w(s_N-1)為相關(guān)函數(shù)在s_N-1處的梯度值，▽▽w(s_N-1)為相關(guān)函數(shù)在s_N-1處的二次偏導(dǎo)，M表示s參數(shù)的個(gè)數(shù)；

根據(jù)算出的相關(guān)函數(shù)值s_N和二階視差模型算出坐標(biāo)值，并對(duì)相鄰兩次迭代運(yùn)算算出的相關(guān)函數(shù)值s_N對(duì)應(yīng)的坐標(biāo)值求差，算出差值；

若所述差值小于預(yù)置閾值，則停止迭代運(yùn)算，并將最后一次迭代運(yùn)算算出的相關(guān)函數(shù)值s_N對(duì)應(yīng)的坐標(biāo)值作為所述亞像素對(duì)應(yīng)點(diǎn)。

10.根據(jù)權(quán)利要求8或9所述的裝置，其特征在于，

所述對(duì)應(yīng)點(diǎn)搜索模塊，還用于對(duì)所述亞像素對(duì)應(yīng)點(diǎn)P_t^G(i′,j′)進(jìn)行時(shí)間平均運(yùn)算，算出所述待三維重建的對(duì)應(yīng)點(diǎn)