1.一种基于视觉的智能车环境动态目标检测的方法，其特征在于，包括：在智能车移动期间，设置在所述智能车上的双目立体相机通过采集当前的场景图像，得到当前的双目视频序列图像；

从所述双目视频序列图像中选取第t时刻图像和t-1时刻图像，并利用所述第t时刻图像和所述t-1时刻图像，计算混合光流；

根据所述第t时刻图像、所述t-1时刻图像，计算所述双目立体相机运动背景光流；

利用所述混合光流和所述运动背景光流，得到仅由目标运动产生的残差流；

通过对所述残差流进行处理，得到独立的运动目标。

2.根据权利要求1所述的基于视觉的智能车环境动态目标检测的方法，其特征在于，所述混合光流是指由所述双目立体相机的左相机在相邻两时刻采集图像所计算的光流场。

3.根据权利要求2所述的基于视觉的智能车环境动态目标检测的方法，其特征在于，所述根据所述第t时刻图像、所述t-1时刻图像，计算所述双目立体相机运动背景光流包括：根据所述第t时刻图像、所述t-1时刻图像，计算出n个SIFT匹配点；

利用基于视差的SIFT匹配点筛选策略，过滤掉对所述双目立体相机自运动参数计算误差较大的SIFT匹配点，得到m个有效SIFT匹配点；

利用所述有效SIFT匹配点，计算所述双目立体相机的自运动参数；

根据所述双目立体相机的自运动参数，计算所述双目立体相机运动背景光流；

其中，n>m，且，n和m均为正整数。

4.根据权利要求3所述的基于视觉的智能车环境动态目标检测的方法，其特征在于，所述利用所述混合光流和所述运动背景光流，得到仅由目标运动产生的残差流包括：通过将所述混合光流与所述运动背景光流进行相减处理，得到仅由目标运动产生的残差流。

5.根据权利要求1所述的基于视觉的智能车环境动态目标检测的方法，其特征在于，所述通过对所述残差流进行处理，得到独立的运动目标包括：采用动态阈值分割法，从所述残差流中分割出运动区域；

通过结合2D和3D信息的方法，从所述运动区域内分割出独立的运动目标。

6.根据权利要求3所述的基于视觉的智能车环境动态目标检测的方法，其特征在于，所述利用基于视差的SIFT匹配点筛选策略，过滤掉对所述双目立体相机自运动参数计算误差较大的SIFT匹配点，得到m个有效SIFT匹配点包括：分别计算第i个SIFT匹配点的视差di；

根据所述第i个SIFT匹配点的视差di，计算第i个SIFT点的误差指标因子indei；

当所述第i个SIFT点的误差指标因子indei小于1时，则将所述第第i个SIFT匹配点作为有效SIFT匹配点；

当所述第i个SIFT点的误差指标因子indei不小于1时，则过滤掉所述第i个SIFT匹配点。

7.根据权利要求6所述的基于视觉的智能车环境动态目标检测的方法，其特征在于，所述根据所述第i个SIFT匹配点的视差di，计算第i个SIFT点的误差指标因子indei的公式为：

8.根据权利要求5所述的基于视觉的智能车环境动态目标检测的方法，其特征在于，所述通过结合2D和3D信息的方法，从所述运动区域内分割出独立的运动目标包括：利用3D信息对所述运动区域进行目标粗分割处理，得到粗分割目标；

利用2D信息对所述粗分割目标进行二次分割处理，得到独立的运动目标。

9.根据权利要求8所述的基于视觉的智能车环境动态目标检测的方法，其特征在于，所述目标粗分割包括：地面点云去除、XOZ平面栅格图像的建立以及目标分割。