1.一种基于自适应多尺度窗口的多视图深度估计方法，其特征在于，包括如下步骤：步骤S100，在图像集合中确定参考图像和匹配图像；其中，通过计算参考图像与图像集合中其他图像共视的特征点数量，选取特征点数量大于第一阈值的图像作为匹配图像；

步骤S200，以参考图像的目标像素为中心建立参考窗口，计算参考图像的各个目标像素在参考窗口下的纹理系数，并将纹理系数与第二阈值进行比较；

步骤S300，当目标像素在参考窗口下的纹理系数大于等于第二阈值时，计算参考图像中的目标像素在匹配图像中的对应像素，并以参考图像中的目标像素为中心建立第一匹配窗口，以匹配图像的对应像素为中心建立第二匹配窗口，计算第一匹配窗口和第二匹配窗口之间的第一匹配代价；

步骤S400，根据第一匹配代价对参考图像的各个目标像素进行邻域优化，以获取各个目标像素的最优深度值；

步骤S500，对各个目标像素的最优深度值进行随机优化，以获取各个目标像素的最终深度值；

步骤S600，将参考图像的各个目标像素的参考窗口的尺度缩小，执行步骤S300至步骤S500，以对各个目标像素的最终深度值进行窗口优化。

2.根据权利要求1所述的基于自适应多尺度窗口的多视图深度估计方法，其特征在于，将纹理系数与第二阈值进行比较之后，还包括：当参考像素在参考窗口下的纹理系数小于第二阈值时，将当前窗口设置为原有窗口的两倍，重复步骤S200和步骤S300，直到纹理系数不小于第二阈值，执行后续步骤。

3.根据权利要求2所述的基于自适应多尺度窗口的多视图深度估计方法，其特征在于，以参考图像的目标像素为中心建立参考窗口，计算参考图像的各个目标像素在参考窗口下的纹理系数，包括：对于参考图像中的各个目标像素 ，以目标像素 为中心建立一个N×N的参考窗口，计算参考窗口 的纹理系数G：其中，为领域像素， 表示邻域像素的强度值， 表示目标像素的强度值， 为参考窗口 内参与计算的目标像素数量。

4.根据权利要求3所述的基于自适应多尺度窗口的多视图深度估计方法，其特征在于，计算参考图像中的目标像素在匹配图像中的对应像素，包括：为参考图像中的每个目标像素生成一个随机的初始深度值 和法向量 ；根据参考图像中的每个目标像素的深度值 、法向量 以及参考图像和匹配图像之间的内参数 、旋转矩阵 和平移矩阵t； 为法向量 的转置向量；采用如下公式计算参考图像中的目标像素在匹配图像中的对应像素 ：。

5.根据权利要求4所述的基于自适应多尺度窗口的多视图深度估计方法，其特征在于，采用相关性匹配算法计算第一匹配窗口和第二匹配窗口之间的第一匹配代价。

6.根据权利要求5所述的基于自适应多尺度窗口的多视图深度估计方法，其特征在于，根据第一匹配代价对参考图像的各个目标像素进行邻域优化，包括：计算参考图像中的每个目标像素和其它图像之间的匹配代价 ，然后对于每个目标像素 ，在其邻域内选择匹配代价最小的邻域像素 ；根据邻域像素 的深度值 和法向量重新计算目标像素 在匹配图像中的对应像素 ，然后计算第二匹配代价 ，如果满足，则将 和 赋值给目标像素 的深度值 和法向量 。

7.根据权利要求6所述的基于自适应多尺度窗口的多视图深度估计方法，其特征在于，对各个目标像素的最优深度值进行随机优化，包括：对参考图像的每个目标像素进行随机优化，为参考图像中的每个目标像素的深度值和法向量添加一个高斯噪声，得到深度值 和法向量 ，重新计算目标像素 在匹配图像中的对应像素 ，然后计算第三匹配代价 ，如果满足 ，则将 和赋值给目标像素 的深度值 和法向量 。

8.根据权利要求7所述的基于自适应多尺度窗口的多视图深度估计方法，其特征在于，将参考图像的各个目标像素的参考窗口的尺度缩小，再执行步骤S300至步骤S500，以对各个目标像素的最终深度值进行窗口优化，包括：将参考图像的各个目标像素的参考窗口的尺度缩小为原来的二分之一，再执行步骤S300至步骤S500，重复上述过程两次，获取经过多尺度窗口优化的各个目标像素的深度值。

9.根据权利要求8所述的基于自适应多尺度窗口的多视图深度估计方法，其特征在于，第二阈值为20。

10.一种基于自适应多尺度窗口的多视图深度估计方法的应用，其特征在于，包括：根据窗口优化后的各个目标像素的最终深度值获取参考图像的深度图，将图像集合中每张图像都设为参考图像计算对应的深度图，以获取图像集合中各个图像的深度图；

将图像集合中各个图像的深度图的各个像素投影到公共的世界坐标系下获取三维点云模型。