1.一种集装箱吊具智能定位的方法，其特征在于，包括以下步骤：S1、根据黑白棋盘标定板角点检测，获取多组左、右摄像机拍摄的图像角点特征点；

S2、基于获取的多组图像角点特征点，采用线性估计最小乘法求取双目摄像机径向畸变参数；

S3、根据极大似然估计法获取校正优化后的双目摄像机的平移及旋转矩阵；

S4、判断双目摄像机标定计算结果是否位于正常值范围内，若位于，则执行步骤S5，否则，执行步骤S1；

S5、启动双目摄像机连续拍摄目标区域集装箱并判定清晰度，若清晰度满足预设要求，则执行步骤S9，否则，执行步骤S6；

S6、提取获取视频图像中的暗通道RGB图像；

S7、根据暗通道RGB图像数据，估算大气光值和透射率，并进行去雾处理；

S8、输出去雾处理后的清晰图像；

S9、根据起重机所在区域位置，手动截取确定目标集装箱并实时目标匹配图像；

S10、根据遍历图像像素进行中值模糊去噪处理、高斯平滑处理以及二值化阈值自适应，得到预处理后目标集装箱锁孔图像像素坐标；

S11、根据双目摄像机内部参数、平移矩阵、旋转矩阵和目标集装箱锁孔图像像素点坐标计算得到目标集装箱三维空间坐标；

S12、采用RFID识别方法将位置信息传送至起重机运动控制系统，并自动存档起吊过程数据；

S3包括：

S3.1、制作张氏平面标定板；

S3.2、移动标定板不同角度偏移，拍摄32组平面标定图像；

S3.3、角点检测，检测标定图像中的特征点；

S3.4、基于OpenCV函数库求解摄像机的内部参数和外部参数；

S3.5、采用线性估计最小乘法求解径向畸变参数；

S3.6、基于极大似然估计法求解函数校正优化内外参数和畸变参数；

S7包括：

基于暗通道提取的图像进行去雾处理：

c

其中，J为图像J其中一个颜色通道，Ω(x)为以x为中心的一个局部子块，暗通道的提取包含R/G/B三个通道中最小像素值求解和一个最小值滤波的过程；

简化为：

其中， 为透射率t(x)的预估值，由于雾是不能完全被剔除掉，故引入一个修正因子ω取其区间范围在[0,1]之间，则透射率 为：基于暗通道图像从有雾的图像中获取全球大气光值A，从暗通道图像中按照亮度的大小取其中前0.1％的像素，并在前0.1％的像素位置中对应找出在原始有雾图像中具有最高亮度的点值，并估计将其作为大气光值A；透射率并不能无限量的小于一定最小值，取t0作为最小值，并作为调整参数引入，得到无雾图像处理的最终表达式为：其中，J(x)为无雾图像；

S10包括：

将拍摄的图像进行二值化处理，拍摄到的彩色图像是由图像上的像素点按照灰度值0至255值组成的数组所表达出来的矩阵显示；设图像灰度表示为f(x,y)，其中x＝1,

2,.....,m；y＝1,2,.....,n，阀值化过程为：其中，T表示背景阀值；

采用膨胀与腐蚀相结合的图像处理消除边缘点和由于光线和投影影响而产生的冗余孤立点；

获取拍摄图像中集装箱锁孔像素坐标，使用图像中吊孔位置的黑暗部分的重心坐标来代替其椭圆中心的位置；引用OpenCV函数库中的重心坐标求法，图像二值化后椭圆图像的一阶矩用于计算表达椭圆重心坐标，重心坐标横轴与纵轴坐标为：采用OpenCV函数cvGetSpatialMoment求解重心方法：Mpq＝sigma(i)sigma(j)ipjqf(i,j)其中，x，y，i，j为在数字图像中像素坐标点，定义具有两个变化的有界函数f(x,y)的矩集为：其中，j和k取所有非负整数值，参数j+k称为矩的阶，零阶矩只有一个，表示为：令Xc,Yc为区域重心的坐标，则：

二值化图像中，M00表示区域面积量，遍历整张图像中的黑色点集，统计累加对应各个连通区域x、y方向点集M10和M01，计算各个单个区域内连成块的黑色区域面积M00，各个连通区域的的重心坐标表示为：

2.根据权利要求1所述的集装箱吊具智能定位的方法，其特征在于，所述步骤S1中根据黑白棋盘标定板角点检测，获取多组左、右摄像机拍摄的图像角点特征点，包括：采用张正友平面摄像机标定法，基于二维平面模板的标定方法，利用黑白棋盘；通过角点检测模板上点和图像上对应点的对应关系计算获取摄像机内参数，并求解出摄像机外参数；

将黑白棋盘放置于集装箱定位的标定区域内，采用OpenCV函数库中函数cvFindchessboardCorners()定位棋盘中的角点。

3.根据权利要求1所述的集装箱吊具智能定位的方法，其特征在于：所述步骤S2中选用

32幅图像7*8的棋盘进行摄像机标定。

4.根据权利要求1所述的集装箱吊具智能定位的方法，其特征在于，所述步骤S6中提取获取视频图像中的暗通道RGB图像，包括：构建大气光散射模型：

‑βd(x) ‑βd(x)

I(x)＝L∞ρ(x)e +L∞(1‑e )‑βd(x)

其中，I(x)为成像设备获得的图像函数，L∞β(x)e 为入射光直接衰减模型数学，L∞‑βd(x)为大气光线变量，L∞(1‑e )为大气光成像模型，ρ(x)为物体表面的反射率，β为大气光衰减系数，d为场景到观测设备之间的距离；

简化大气光散射模型：

I(2)＝0t0+A(1‑t(2))

‑βd(x)

其中，J(x)＝L∞ρ(x)为复原后无雾图像，t(x)＝e 为传输率或透射率，A＝L∞为大气光值。

5.根据权利要求1所述的集装箱吊具智能定位的方法，其特征在于，所述步骤S9根据起重机所在区域位置，手动截取确定目标集装箱并实时目标匹配图像，包括：根据拍摄图像划定M×N矩阵区域搜寻目标集装箱，并从视野集装箱中截取目标，并与原图像进行模板匹配，保存目标集装箱；

遍历整张图片中的像素坐标查找鼠标所在点的像素坐标同时制订鼠标反馈事件，当单击鼠标左键时启发预定图像的左上角像素的实际坐标，并显示在图像上；鼠标反馈事件此时延迟至选定截取目标图像的右下角坐标，最后图像反应出截取的目标图像，为下一步的目标图像匹配选定模板。

6.根据权利要求1所述的集装箱吊具智能定位的方法，其特征在于，所述步骤S10中根据双目摄像机内部参数、平移矩阵、旋转矩阵和目标集装箱锁孔图像像素点坐标计算得到目标集装箱三维空间坐标，包括：基线距离是指两台摄像机投影中心连线距离，设为B；两台摄像机在同一时刻观看空间物体的同一特征点P,分别在左摄像机和右摄像机上获取点P图像坐标为Pleft＝(Xleft,Yleft)，Pright＝(Xright,Yright)；根据两平行摄像机设置原理，两摄像机在同一平面上则特征点P的图像坐标上的Y坐标相同，即Yleft＝Yright＝Y，则由三角形相似性原理可得：根据视差Disparity＝Xleft‑Xright，则空间三维特征点坐标为：