1.一种基于单目摄像机的光照估计方法，其特征在于，包括以下步骤：第一步、单目摄像机采集RGB图像，作为深度估计的输入；

第二步、构建用于单目摄像机深度估计的卷积神经网络，对卷积神经网络进行训练；将RGB图像输入到训练好的卷积神经网络进行深度估计，得到深度预测值，输出深度预测图；

第三步、将深度预测值进行上采样，使得深度预测图的尺寸与RGB图像相匹配，将上采样后的深度预测值作为光照估计的输入；

第四步、将单目摄像机采集的RGB图像转换到CIELab颜色空间下，其中的亮度通道信息作为光照估计的输入；利用CIELab颜色空间下的亮度通道信息、深度估计到的深度预测值进行光照估计，将得到真实场景各方向光源信息的球谐函数系数。

2.根据权利要求1所述的光照估计方法，其特征在于，第二步所述卷积神经网络包括网络前端的卷积层和全连接层，深度估计的具体步骤如下：S21、网络前端的卷积层用于提取图像中不同种类的特征信息，全连接层用于包含整张图像的视野，并输出深度预测值；

S22、对于预测深度y和真实深度y*，定义尺度不变均方误差：其中：

通过对比输出像素点i、j的关系来表示误差，并令di＝logyi-logy*为像素点i预测值和真实值的差别，有以下等价定义：损失函数：

S24、使用随机梯度下降法调整卷积神经网络参数使得损失函数达到最优。

3.根据权利要求2所述的光照估计方法，其特征在于，卷积神经网络中，每个卷积层的后面还增加池化层。

4.根据权利要求1所述的光照估计方法，其特征在于，第三步包括如下步骤：S31、沿着深度预测图的边缘产生半径为r的区域，标志区域内的像素点为不可作为深度参考的像素点，从而产生一个与深度预测图相同尺寸的模板图像M；

S32、对深度预测图进行上采样使得深度预测图与原始图像的尺寸一致；

S33、将深度估计处理过程中产生的及所输出的对数域的深度预测值，转换为一般数域下的深度值。

5.根据权利要求4所述的光照估计方法，其特征在于，第四步的光照估计，具体步骤如下：S41、将单目摄像机采集的RGB图像转换到CIELab颜色空间下，取得亮度通道信息；

S42、选用带阴影的漫反射光照模型，物体上x点的渲染结果L为：其中，Li(x,ωi)为ωi方向上的入射光，V为可见性函数，N为x点法线，V、N通过深度信息运算得出， 为x点简化的BRDF系数；

漫反射光照模型中的辐射传输项为：

RDS＝V(ωi)max(Nx·ωi,0)

S43、把辐射传输项投影成球谐系数：

xj为球谐函数采样点，N为采样点数目，Y为球谐函数基底；

S44、利用球谐函数的正交性，将积分形式的渲染结果L转化为其子项的球谐函数系数的点乘形式，物体上x点的光照结果如下：其中，c为对应的球谐函数系数，k为球谐函数所用的频带数，I不包含BRDF项，I(x)通过亮度获得， 从深度信息中获得；

S45、从Z个采样点中求解以下超定方程组Ay＝b，获得光源的球谐函数的系数 A是Z个采样点对应的球谐系数矩阵，每个采样点都有k2个辐射传输的球谐系数；其中，采样点亮度过低或者在模板图像M中被标记为不可做深度参考的采样点，则视为无效采样点，需要重新选择采样点，直到采样点数目达Z个。

6.根据权利要求1所述的光照估计方法，其特征在于，所述光照估计方法还包括以下步骤：第五步、利用上一步得到的光源信息，在虚拟物体上复现，渲染虚拟物体。

7.根据权利要求4所述的光照估计方法，其特征在于，所述光照估计方法还包括以下步骤：第五步、利用上一步得到的光源信息，在虚拟物体上复现，渲染虚拟物体；

渲染虚拟物体包括如下步骤：

S51、通过球谐基底函数与对应的系数相乘得到重现的光照：其中，漫反射光照模型中，除了辐射传输项之外，其余部分为光照项；c对应了上一步估计得到的光照项的球谐函数系数；

S52、最终的渲染结果：