1.鲁棒智能车纯视觉动态目标分割方法，其特征在于,包括如下步骤：S1.进行视场空间ROF标定；具体为：

S11.设定相机硬件参数和目标最小运动速度；

S12.进行运动目标空间残差流标定；

S13.获取视场不同区域最小残差流；

S2.进行候选运动目标检测与相机自运动参数计算；

S3.进行候选运动目标运动状态判断；具体为：

S31.计算候选运动目标特征点的残差流；

S32.进行残差流方向随机性判断和残差流阈值约束判断，确定候选运动目标的运动状态；

S33.输出运动状态。

2.根据权利要求1所述的鲁棒智能车纯视觉动态目标分割方法，其特征在于，S11包括：S111.设定相机硬件参数：焦距f、主点坐标(cx,cy)、双相机基线d，相机分辨率H*W，H表示图像的高，W表示图像的宽；

S112.世界坐标系建立在左相机，相机光心为世界坐标系原点，像平面水平向右为X正，像平面水平向下为Y正，沿着光轴的方向为Z正；在该坐标系下，目标在相邻两帧间的最小运动量参数为：motion＝[ΔX,ΔY,ΔZ]；ΔX、ΔY、ΔZ分别表示目标在X、Y、Z方向上的运动量，单位可以为m；

S113.目标在视场中的范围是指根据工程实际智能车需要检测的前方范围和距离，设计一个长方体区域为目标可能在的区域，长方体区域为x∈[xmin,xmax]；y∈[ymin,ymax]；

z∈[zmin,zmax]；例如，可取x∈[‑20,20]；y∈[‑20,5]；z∈[2,50]，单位为m；对长方体区域以一定的步长ε进行采样，得到采样点集合，用该采样点集合模拟视场内运动目标表面特征点，表面特征点的三维坐标记为Xt‑1，下标t‑1表示在t‑1时刻。

3.根据权利要求2所述的鲁棒智能车纯视觉动态目标分割方法，其特征在于，S12包括：S121.给定目标运动量motion＝[Δx,ΔY,ΔZ]；

S122.给定相机自运动参数tr＝[R,T]，其中，R为相机相邻时刻的旋转矩阵，T为相机相邻时刻的平移向量；计算X′t＝RXt‑1+t，将X′t投影到t时刻左图像 上，记为img_ideal_static_t；

S123.计算目标运动后的位移：Xmt＝X′t+motion；

S124.将Xmt投影到t时刻左相机 上，得到像点坐标，记为img_ideal_dynamic_t；

残差光流ROF＝img_ideal_static_t‑img_ideal_dynamic_t；

S125.视场内不同区域物点在像平面不同区域ROF值计算：根据实际工程中待检测目标在视场内可能出现的范围，将物点距离划分为多个区域，比如，划分为0‑5m、5‑10m、10‑15m、

15‑20m、20‑25m、25‑50m6个区间，同时将像平面划分为多个区域；将在S124步骤中计算的ROF集合按距离，以及在像平面中的不同区域分别进行统计，得到ROF值统计图，将不同距离下每个区域ROF值的最小值作为标定的最后输出值；

通过改变相机硬件的参数，以及目标motion中三个分量的值，以模拟不同相机、不同场景下空间目标运动状态与其在像平面残差光流值的对应关系，残差光流的最小值将作为目标运动状态判断的阈值。

4.根据权利要求1所述的鲁棒智能车纯视觉动态目标分割方法，其特征在于，S31中：对 四幅图像上的特征匹配点集 计算t‑1时刻物点坐标Pt‑1；

计算物点Pt‑1在t时刻的预测坐标P′t＝RPt‑1+t；

将预测坐标P′t反投影至t时刻图像 得到预测像点，该预测像点和观测像点 的差就是残差光流ROF。

5.根据权利要求3所述的鲁棒智能车纯视觉动态目标分割方法，其特征在于，S32中：输入：单个候选运动目标特征点集合的ROF，记为rofs,rofs＝[rof1,rof2,…,rofi,…rofn]，rofi表示第i个特征点的残差光流，n为特征点的个数；

输出：是否具有随机性；

具体为:

计算每个特征点残差光流角度，记为ang，ang＝[ang1,ang2,…,angi…angn]，angi的范围为[0‑2π]；

对ang内每个元素进行排序，从小到大；

取ang中前1/4元素，并计算它们的平均值，记为ang_min；取ang中后1/4元素，并计算它们的平均值，记为ang_max；

计算角度范围ang_rang＝ang_max‑ang_min；

当ang_rang>π时，ang_rang＝ang_max+(2π‑ang_min)；

确定是否满足方向随机性；如果ang_rang>thresh_ang，则认为特征点集合满足方向一致性；thresh_ang为经验值。

6.根据权利要求5所述的鲁棒智能车纯视觉动态目标分割方法，其特征在于，S32中：对于候选运动目标特征点ROF集合，先计算ROF集合的平均值ave_rof；

计算候选运动目标特征点与相机的平均距离，记为dis_ave；

计算候选运动目标特征点的中心所在像平面的区域，记为area_index；

根据dis_ave和area_index，在ROF值统计图中找到对应的阈值，记为thresh_rof；

如果ave_rof>thresh_rof，则认为该候选运动目标为运动目标，反之为静止目标。

7.鲁棒智能车纯视觉动态目标分割系统，其特征在于，包括：视场空间ROF标定模块，用于设定相机硬件参数和目标最小运动速度，进行运动目标空间残差流标定，获取视场不同区域最小残差流，以此作为运动状态判断的阈值；

计算模块，用于进行候选运动目标检测与相机自运动参数计算；

运动状态判断模块，用于计算候选运动目标残差流，进行残差流方向随机性判断和残差流阈值约束判断，确定候选运动目标的运动状态。

8.根据权利要求7所述的鲁棒智能车纯视觉动态目标分割系统，其特征在于，还包括：处理器，分别与所述视场空间ROF标定模块、计算模块和运动状态判断模块连接；

存储器，与所述处理器连接，并存储有可在所述处理器上运行的计算机程序；其中，当所述处理器执行所述计算机程序时，所述处理器控制所述视场空间ROF标定模块、计算模块和运动状态判断模块工作，以实现如权利要求1～6中任意一项所述的鲁棒智能车纯视觉动态目标分割方法。

9.一种计算机可读存储介质，其特征在于，所述存储介质存储计算机指令，当计算机读取所述计算机指令时，所述计算机执行如权利要求1～6中任意一项所述的鲁棒智能车纯视觉动态目标分割方法。