1.一种基于轮廓识别的机器人可变视角障碍物检测方法，其特征在于：所述检测方法包括下列步骤：(1)双目立体视觉系统的标定：将两个CCD摄相机装于机器人的转台上，使用标定板对双目视觉系统的每一个摄像机进行标定并记录各摄像机的内参数和外参数，对双目视觉系统进行立体标定并记录两个摄像机之间位置关系的旋转矩阵Rc和平移矩阵Tc，并设置双目视觉系统的全局坐标系O1；

(2)图像采集及预处理：使用两台摄像机同时对同一场景进行拍摄，得到左右两幅图像Pl1，Pr1，并对两幅图像进行极线校正，然后逐行扫描每幅图像，提取灰度变化剧烈的像素点为候选边缘点，并用闭运算方法连接图像中目标物体的边缘；

(3)基于轮廓识别的立体匹配：从目标物体的边缘图像中，寻找目标物体的轮廓，对左右两幅图像中目标物体的轮廓分别进行匹配，采用基于窗口的灰度匹配原则对匹配轮廓上的每个像素点在对应极线上进行匹配；

(4)基于轮廓识别的快速三维重建：利用己经标定好的系统参数进行目标物体轮廓的三维重建，通过标定好的每个摄像机的内参数和两个摄像机之间位置关系的旋转矩阵R和平移矩阵T确定物体轮廓各点的空间坐标和图像坐标的关系，通过轮廓特征点的图像坐标可得到空间三维坐标，根据轮廓的连续性原理优化三维轮廓点云；

(5)对另一个方向进行三维重建：根据双目立体视觉的系统单次拍摄的视角范围，将转台旋转一定角度，确保两次拍摄具有重叠区域，得到另外一组图像Pl2，Pr2，设置双目视觉系统的全局坐标系O2,对另一方向拍摄的图像按步骤(2)至(4)进行基于轮廓识别的快速三维重建；

(6)寻找两组三维点云的重叠区域：对两组图像中的左图像Pl1，Pl2进行轮廓匹配，寻找匹配轮廓对应的三维轮廓点云N和M，即重叠区域；

(7)初始配准：分别计算两组重叠区域三维轮廓点云的重心，并分别以两组重叠区域三维轮廓点云中距离重心最远的点pf1、pf2，中间的点pm1、pm2和最近的点pn1、pn2为特征点，以双目视觉系统的全局坐标系O1为基准，采用七参数法计算两组三维轮廓点云的旋转矩阵Ri和平移矩阵Ti，从而完成两组三维轮廓点云的初始配准；

(8)精确配准：赋予重叠区域的对应点权重，对重叠区域不同权重的三维轮廓点云进行迭代最近点法运算，求解出两组三维轮廓点云的旋转矩阵Ra和平移矩阵Ta，从而将两组三维轮廓点云转换到全局坐标系O1下，完成三维轮廓点云的精确配准。

2.如权利要求1所述的基于轮廓识别的机器人可变视角障碍物检测方法，其特征在于：所述步骤(3)，基于轮廓识别的立体匹配过程包括下列步骤：(3.1)从目标物体的边缘图像中，提取目标物体的轮廓；

(3.2)计算左右两幅图像中目标物体轮廓的匹配度，将匹配系数小于阈值σ1的轮廓视为匹配轮廓；

(3.3)对于匹配轮廓上的像素点采用基于窗口的灰度匹配原则在对应极线上进行匹配；

(3.4)若目标物体的轮廓已经历遍，则基于轮廓识别的立体匹配结束，否则，重复步骤(3.2)、(3.3)。

3.如权利要求1或2所述的基于轮廓识别的机器人可变视角障碍物检测方法，其特征在于：所述检测方法还包括步骤：(9)加权融合：采用加权平均融合算法融合配准后的三维轮廓点云，以消除点云间可能存在的裂缝，使三维轮廓点云更加平滑。

4.如权利要求1或2所述的基于轮廓识别的机器人可变视角障碍物检测方法，其特征在于：所述步骤(4)中，所述的根据轮廓的连续性原理优化三维轮廓点云，即计算目标物体对应的三维轮廓点云中相邻两点之间的平均距离L，以平均距离的两倍即2L为阈值，若存在三维点到相邻任一三维点的距离大于2L，则将其视为噪声点，予以舍去。

5.如权利要求1或2所述的基于轮廓识别的机器人可变视角障碍物检测方法，其特征在于：所述步骤(8)包括下列步骤：(8.1)为轮廓点云N中的每一个点在轮廓点云M中寻找最近点，作为对应点并赋予对应点权重，对应点的距离越远，赋给它的权值越小：其中Dist(p1,p2)表示对应点(p1,p2)之间的欧式空间距离，Distmax表示对应点距离的最大值，给定阈值σ2，如果对应点的Weight≥σ2，保留该对应点，否则剔除该对应点；

(8.2)判断是否历遍所有对应点，如果没有历遍，寻找下一组对应点，重复步骤(8.1)，否则，以双目视觉系统的全局坐标系O1为基准，对重叠区域不同权重三维轮廓点云进行迭代最近点法运算，求解出两组三维轮廓点云之间的旋转矩阵Ra和平移矩阵Ta；

(8.3)通过旋转矩阵Ra和平移矩阵Ta，将两组三维轮廓点云转换到全局坐标系O1下，完成三维轮廓点云的精确配准。