1.一种基于Tag的六自由度姿态估计方法，其特征在于，所述基于Tag的六自由度姿态估计方法，包括：

接收输入的图像流，检测图像中运动物体上贴的二维码标签，完成初始化，以初始化完成时的图像帧为初始关键帧；

在初始化后，持续对每帧图像提取特征点，并根据上一帧对应的速度矩阵是否为空，进行相机位姿估计；

以相机位姿估计得到的值为初值，采用特征点对应的地图点重投影到图像坐标系的重投影误差函数作为目标函数，进行相机位姿优化，得到优化好的相机位姿及特征点对应的地图点；

比较当前帧与当前关键帧共同的地图点，在当前帧与当前关键帧共同的地图点不超过设定的阈值时，将当前帧作为新的当前关键帧；

在得到优化好的相机位姿后，再根据当前帧到当前帧关键帧的相机位姿、当前关键帧与初始化关键帧的相机位姿来求出当前帧的相机位姿，将相机位姿转换为运动物体的位姿。

2.如权利要求1所述的基于Tag的六自由度姿态估计方法，其特征在于，所述基于Tag的六自由度姿态估计方法，还包括：当生成新的当前关键帧时，还依次检测所有关键帧，如果检测到有关键帧与至少三个其它关键帧之间，共同的地图点超过设定的阈值，就剔除这个关键帧。

3.如权利要求1所述的基于Tag的六自由度姿态估计方法，其特征在于，所述进行相机位姿估计，包括：

如果上一帧对应的速度矩阵为空，则将当前帧的相机位姿赋值成当前关键帧的相机位姿；

如果上一帧对应的速度矩阵不为空，则当前帧的相机位姿为上一帧对应的速度矩阵乘以上上一帧的相机位姿；

所述上一帧对应的速度矩阵为上一帧的相机位姿乘以上上一帧的相机位姿。

4.如权利要求1所述的基于Tag的六自由度姿态估计方法，其特征在于，所述目标函数为：

其中，

其中，η表示当前帧与上一帧所有特征匹配点的集合，X为地图点集，R，t的初值为估计得到的相机位姿，即相机的旋转矩阵和平移向量，ρ表示Huber能量函数，Σ表示优化帧对应i i

关键帧的协方差矩阵，x 表示第i个特征点的图像坐标，X表示第i个特征点的地图点坐标，EcPro表示相机估计出来的位姿变换求出的三维点重投影回图像后与图像中特征点的重投影误差，EtagPro表示相机估计出来的位姿变换与获取的Tag位姿变换分别重投到图像上的重投影误差，Rtag和ttag分别表示获取的Tag旋转矩阵和平移向量，π用如下定义表示：其中，(fx,fy)表示相机焦距，(cx,cy)表示相机光圈，(X,Y,Z)表示空间点的世界坐标系坐标；

ρ(a)为Huber能量函数：a表示误差值，δ为常数。