1.一种基于双目视觉的路沿检测方法，其特征在于，该方法具体包括以下步骤：

S1：输入两个摄像机获取的道路图像数据，对两个摄像机进行相机标定，对图像进行预处理，采用大规模有效算法获得视差图，基于此确定感兴趣区域；其中，大规模有效算法获得视差图是：通过计算一些支持点组成稀疏视差图，对这些支持点在图像坐标空间进行三角剖分，构建视差的先验值并假设其服从高斯分布；进而通过有效利用视差搜索空间，重建精确的视差图；

S2：在感兴趣区域内分别提取路沿的外观特征和几何特征，并分别进行特征融合；

S3：对感兴趣区域进行逆透视变换处理，获得感兴趣区域的鸟瞰图，然后采用轮廓滤除法滤除鸟瞰图中的较小的区域，并采用形态学操作，先膨胀再腐蚀，进一步滤除路面以及路旁的干扰；

S4：在外观特征的基础上，提取图中的边缘信息，筛选出左右路沿候选区域；根据几何特征进一步滤除干扰点，筛选出左右路沿；其中，筛选出左右路沿候选区域具体包括：在步骤S2得到的外观特征的基础上，通过Canny边缘检测算法提取鸟瞰图中的边缘信息，并用多个线段的形式表示；然后，采用霍夫变换对处理后的鸟瞰图进行线段检测；同时，采用直方图对鸟瞰图的下半部分，即靠近车前方区域的像素进行统计，选取左右两个峰值位置为路沿的候选位置，然后对应到霍夫变换中检测到的线段，得到左右路沿候选区域；

S5：跟踪路沿修正检测结果，得到最终检测结果，完成路沿检测；具体包括以下步骤：

S51：将筛选出的路沿通过逆透视变换转到原图中，求取其对应的消失点，并采用卡尔曼滤波对路沿进行跟踪，采用消失点对跟踪结果进行修正；

S52：将每帧路沿的跟踪结果反馈至下一帧的检测结果中，在检测算法中加入跟踪反馈轨迹，将其进行有效融合，以此迭代循环，从而进一步滤除路沿误检点，得到最终检测结果，完成路沿检测。

2.根据权利要求1所述的一种基于双目视觉的路沿检测方法，其特征在于，所述步骤S1具体包括以下步骤：S11：双目摄像机的标定：采用张正友标定法对两个摄像机进行标定，求取摄像机的内部和外部参数；

S12：图像预处理：对双目摄像机采集到的图像进行灰度化处理以及中值滤波去噪；

S13：大规模有效算法获得视差图：通过计算一些支持点组成稀疏视差图，对这些支持点在图像坐标空间进行三角剖分，构建视差的先验值并假设其服从高斯分布；进而通过有效利用视差搜索空间，重建精确的视差图；

S14：基于视差图像计算U视差和V视差，通过拟合V视差图中最显著的直线粗略获得感兴趣区域；进一步由U视差图获得的采样空间生成改进的V视差图；最后采用随机抽样一致算法拟合得到最终的感兴趣区域。

3.根据权利要求2所述的一种基于双目视觉的路沿检测方法，其特征在于，所述步骤S2具体包括以下步骤：S21：用从灰度图像获得的梯度信息和从颜色空间获得的颜色信息来描述路沿图像的外观特征；其中，外观特征包括颜色特征和梯度特征；梯度特征包括由水平梯度、垂直梯度以及梯度的大小组成的三维矢量；颜色特征是通过高斯滤波器得到的局部区域内的RGB颜色空间获得的三维矢量；并基于稀疏表示理论将上述特征融合成外观特征描述符；

S22：通过立体视觉获得的三维信息提取几何特征；其中，几何特征包括高度变化特征和局部法线特征；高度变化特征包括沿着水平方向、垂直方向以及高度图中的变化；并基于稀疏表示理论将上述特征融合成几何特征描述符。

4.根据权利要求3所述的一种基于双目视觉的路沿检测方法，其特征在于，所述步骤S4具体包括以下步骤：S41：在步骤S21得到外观特征的基础上，通过Canny边缘检测算法提取鸟瞰图中的边缘信息，并用多个线段的形式表示；然后，采用霍夫变换对处理后的鸟瞰图进行线段检测；同时，采用直方图对鸟瞰图的下半部分，即靠近车前方区域的像素进行统计，选取左右两个峰值位置为路沿的候选位置，然后对应到霍夫变换中检测到的线段，得到左右路沿候选区域；

S42：根据步骤S22中得到的几何特征进一步滤除误检点，筛选出左右路沿；将左右路沿分别进行离散，然后将离散后的点集合并，再通过最小二乘法拟合成左右两条路沿线。