1.基于逐组SAD成本量和特征重利用的双目立体匹配算法，其特征在于：包括如下步骤：

S1、输入通过水平放置的两台相机拍摄得到的左右立体图像；

S2、对输入的左右立体图像进行一元特征的提取，构建相应的一元特征体积；

S3、对提取的一元特征体积采用逐组SAD方法进行匹配值的计算，构建具有相似度信息的逐组SAD成本量；

S4、采用基于稠密连接的多尺度成本量重利用的代价聚合网络对构建的逐组SAD成本量进行反复的上下文信息学习，输出具有精确像素相似度信息的成本量；

S5、将输出的成本量采用上采样操作恢复到原图像尺寸，采用softmax函数将上采样得到的原尺寸成本量转换为概率量，然后采用soft argmin函数计算预测视差值，输出预测视差图，采用Smooth L1损失函数对网络训练过程中的数据进行约束。

2.根据权利要求1所述的基于逐组SAD成本量和特征重利用的双目立体匹配算法，其特征在于：所述步骤S1中左右立体图像包括参考图像和目标图像。

3.根据权利要求2所述的基于逐组SAD成本量和特征重利用的双目立体匹配算法，其特征在于：所述步骤S2中采用权重共享的残差网络模块对参考图像和目标图像分别进行一元特征提取，提取多级一元特征，构建相应的一元特征体积。

4.根据权利要求3所述的基于逐组SAD成本量和特征重利用的双目立体匹配算法，其特征在于：所述步骤S3中构建逐组SAD成本量的具体过程为：将一元特征体积沿着通道维度分成多组，采用逐组SAD方法对每组特征进行相似度的计算。

5.根据权利要求4所述的基于逐组SAD成本量和特征重利用的双目立体匹配算法，其特征在于：所述逐组SAD成本量的计算公式为：其中，D表示视差值，g表示某一组，Nc表示通道数，Ng表示组数，i＝1,2,3,…Nc/Ng代表相应的通道编号。

6.根据权利要求5所述的基于逐组SAD成本量和特征重利用的双目立体匹配算法，其特征在于：所述步骤S4的具体过程为：S41、将构建的逐组SAD成本量分成不同尺度，并对不同尺度的成本量进行学习：将逐组SAD成本量通过连续下采样操作将1/4尺寸的成本量减小为1/8、1/16尺寸的成本量；

S42、将不同尺寸的成本量输入到堆叠沙漏模块，并且将他们连续输入到不同的沙漏模块：基于多尺度成本量稠密连接，将1/4尺寸的成本量输入到第一个预沙漏模块内进行处理，并且将相同尺寸之间的信息通过短连接的方式进行传输；将第一个预沙漏模块处理过的成本量进行下采样，得到1/8尺寸的成本量，然后在进行下采样得到1/16尺寸的成本量，将步骤S41中不同尺寸的成本量按对应尺寸输入到沙漏模块编码过程中相应尺寸的成本量中，进行信息的补充，然后通过解码过程对成本量进行连续的上采样操作，解码过程中上采样的操作将编码过程中下采样操作对应尺寸的成本量通过短连接进行信息的补给；

S43、将第一个沙漏模块编码过程中相应尺寸的成本量输入到第二个沙漏模块的编码过程中，同时将第一个沙漏模块过程的相应尺寸的成本量输入到第三个沙漏模块的编码过程中，然后再将第二个沙漏模块编码过程的相应尺寸的成本量输入到第三个沙漏模块的编码过程中；第二个沙漏模块在编码时，收到了前面第一个沙漏模块信息的补给，并将此信息补给到第三个沙漏模块的编码过程中；

S44、连续的编码解码操作构成了多尺度成本量稠密连接的聚合网络，连续相应的信息传输，利用上下文信息的重利用输出具有精确像素相似度信息的成本量。

7.根据权利要求6所述的基于逐组SAD成本量和特征重利用的双目立体匹配算法，其特征在于：所述步骤S5中预测视差值通过soft argmin函数得出，公式为：其中，d表示视差值，D表示最大视差值，表示预测视差，σ(·)表示softmax函数，Cd表示成本量；

Smooth L1损失函数为：

式中，

其中，λω表示第ω个视差预测的可能性值，代表地面真实视差值，表示预测视差值，x表示预测视差值与真实视差值之间的差值。