1.一种基于多曝光图像边缘检测的三维重建方法，其特征在于，所述方法包括：采用摄像机拍摄目标物体，获得原始二维图像；

基于所述原始二维图像，获取至少一张比原始二维图像曝光度低的低曝光二维图像和至少一张比原始二维图像曝光度高的高曝光二维图像；

根据每张高曝光二维图像进行分析，获得每张高曝光二维图像的高斯函数灰度值矩阵；

根据每张低曝光二维图像进行分析，获得每张低曝光二维图像的高斯函数灰度值矩阵；

根据低曝光二维图像和高曝光二维图像数量，确定相应的拟合方式并对各高斯函数灰度值矩阵进行拟合，获得新的高斯函数灰度值矩阵；

对于所述原始二维图像中 的颜色空间，将其转换为灰色颜色空间，以拟合出所述原始二维图像的灰度值矩阵；

根据所述原始二维图像的灰度值矩阵和所述新的高斯函数灰度值矩阵进行卷积，获得卷积后的过渡灰度值矩阵；对所述过渡灰度值矩阵进行分析，获得最终边缘点矩阵；根据所述的最终边缘点矩阵进行三维重建，获得所述目标物体的三维模型；

所述过渡灰度值矩阵 为：

，

， ，

， ；

其中， 为过渡灰度值矩阵中的第 个像素点的灰度值； 表示卷积核在水平方向上的半径一半的数值， 表示卷积核在垂直方向上的半径一半的数值， 表示坐标为 的像素点的灰度值， 表示坐标为 的像素点进行高斯函数运算后得到的值，为像素点的顺序编号，为像素点个数； 表示向下取整， 表示新的高斯函数灰度值矩阵 中行的总数， 表示新的高斯函数灰度值矩阵 中列的总数。

2.根据权利要求1所述的方法，其特征在于，所述每张高曝光二维图像的高斯函数灰度值矩阵和低曝光二维图像的高斯函数灰度值矩阵均为二维图像的灰度值通过高斯函数计算获取，其中高曝光二维图像的高斯函数灰度值矩阵 计算过程如下述公式所示：，

， ，

，

，

，

其中， 为第 张高曝光二维图像中第 个像素点高斯函数处理过后的灰度值， 为第 个像素点在 方向上的坐标值， 为第 个像素点在 方向上的坐标值， 为高曝光二维图像的顺序编号， 为高曝光二维图像的张数， 为第 张高曝光二维图像中第 个像素点的灰度值， 为第 张高曝光二维图像的像素点在 方向上的坐标值标准差， 为第 张高曝光二维图像的像素点在 方向上的坐标值标准差， 为第张高曝光二维图像的像素点在 方向上的坐标值平均值， 为第 张高曝光二维图像的像素点在 方向上的坐标值平均值，为像素点的顺序编号，为像素点个数， 为第张高曝光二维图像中第 个像素点的红色通道值， 为第 张高曝光二维图像中第个像素点的绿色通道值， 为第 张高曝光二维图像中第 个像素点的蓝色通道值；

同理，低曝光二维图像的高斯函数灰度值矩阵 ，计算过程如下述公式所示：，

， ，

，

，

，

其中， 为第 张低曝光二维图像中第 个像素点高斯函数处理过后的灰度值，为第 个像素点在 方向上的坐标值， 为第 个像素点在 方向上的坐标值，为低曝光二维图像的顺序编号， 为低曝光二维图像的张数， 为第 张低曝光二维图像中第 个像素点的灰度值， 为第 张低曝光二维图像的像素点在 方向上的坐标值标准差， 为第 张低曝光二维图像的像素点在 方向上的坐标值标准差， 为第 张低曝光二维图像的像素点在 方向上的坐标值平均值， 为第 张低曝光二维图像的像素点在 方向上的坐标值平均值，为像素点的顺序编号，为像素点个数， 为第 张低曝光二维图像中第 个像素点的红色通道值， 为第 张低曝光二维图像中第 个像素点的绿色通道值， 为第 张低曝光二维图像中第 个像素点的蓝色通道值。

3.根据权利要求1所述的方法，其特征在于，所述根据低曝光二维图像和高曝光二维图像数量，确定对应的拟合方式并以此对各高斯函数灰度值矩阵进行拟合，获得新的高斯函数灰度值矩阵，包括：在所述低曝光二维图像和高曝光二维图像的数量总和为两张的情况下，采用关于两张图像的高斯函数拟合方式，对各高斯函数灰度值矩阵进行拟合，获得新的高斯函数灰度值矩阵；

在所述低曝光二维图像和高曝光二维图像的数量总和为三张以上的情况下，采用关于多张图像的高斯函数拟合方式，对各高斯函数灰度值矩阵进行拟合，获得新的高斯函数灰度值矩阵，关于两张图像的高斯函数拟合方式为：

将高曝光二维图像的高斯函数灰度值矩阵和低曝光二维图像的高斯函数灰度值矩阵进行拟合，获得新的高斯函数灰度值矩阵，所述新的高斯函数灰度值矩阵 为：，

， ，

其中， 为高曝光二维图像与低曝光二维图像拟合后的第 个像素点的灰度值， 为高曝光二维图像的权重系数， 为第1张高曝光二维图像中第 个像素点高斯函数处理过后的灰度值， 为低曝光二维图像的权重系数， 为第1张低曝光二维图像中第 个像素点高斯函数处理过后的灰度值，为像素点的顺序编号，为像素点个数，关于多张图像的高斯函数拟合方式为：

将各高曝光二维图像的高斯函数灰度值矩阵进行拟合，获得拟合后的高曝光高斯函数灰度值矩阵，所述拟合后的高曝光高斯函数灰度值矩阵 为：，

， ，

其中， 为各拟合后的高曝光二维图像第 个像素点的灰度值， 为高曝光二维图像的张数， 为高曝光二维图像的顺序编号， 为第 张高曝光二维图像中第 个像素点高斯函数处理过后的灰度值，为像素点的顺序编号，为像素点个数；

将各低曝光二维图像的高斯函数灰度值矩阵进行拟合，获得拟合后的低曝光高斯函数灰度值矩阵，所述拟合后的低曝光高斯函数灰度值矩阵 为：，

， ，

其中， 为各低曝光二维图像拟合后的第 个像素点的灰度值， 为低曝光二维图像的张数，为低曝光二维图像的顺序编号， 为第 张低曝光二维图像中第 个像素点高斯函数处理过后的灰度值，为像素点的顺序编号，为像素点个数；

对拟合后的高曝光高斯函数灰度值矩阵与拟合后的低曝光高斯函数灰度值矩阵进行拟合，获得新的高斯函数灰度值矩阵，所述新的高斯函数灰度值矩阵 为：，

， ，

其中， 为高曝光二维图像与低曝光二维图像拟合后的第 个像素点的灰度值， 为高曝光二维图像的权重系数， 为各高曝光二维图像拟合后的第 个像素点的灰度值， 为低曝光二维图像的权重系数， 为各高曝光二维图像拟合后的第 个像素点的灰度值，为像素点的顺序编号，为像素点个数。

4.根据权利要求1所述的方法，其特征在于，所述原始二维图像的灰度值矩阵 为：，

， ，

其中， 为原始二维图像中第 个像素点的灰度值， 为原始二维图像中第 个像素点的红色通道值， 为原始二维图像中第 个像素点的绿色通道值， 为原始二维图像中第 个像素点的蓝色通道值，为像素点的顺序编号，为像素点个数。

5.根据权利要求1所述的方法，其特征在于，所述对所述过渡灰度值矩阵进行分析，获得最终边缘点矩阵，包括：对所述过渡灰度值矩阵使用拉普拉斯算子进行运算，获得运算后的矩阵 ：，

， ，

其中， 为第 个像素点拉普拉斯算子作用后的像素值， 为过渡灰度值矩阵中的第 个像素点的灰度值，为像素点的顺序编号，为像素点个数；对矩阵 进行零交叉点检测，获得边缘点矩阵 ；

对于过渡灰度值矩阵 应用 算子进行卷积运算得到水平方向的梯度幅值矩阵和垂直方向的梯度幅值矩阵 ，并使用水平方向的梯度幅值矩阵 和垂直方向的梯度幅值矩阵 ，计算每个像素点的梯度幅值 ，每个像素点的梯度幅值 为：，

其中， 为水平方向的梯度幅值矩阵 中第 个梯度幅值， 为垂直方向的梯度幅值矩阵 中第 个梯度幅值；

根据水平方向的梯度幅值矩阵 和垂直方向的梯度幅值矩阵 ，计算出每个像素点的梯度方向 ，每个像素点的梯度方向 为：，

根据每个像素点的梯度幅值 和每个像素的梯度方向 ，进行非极大值抑制，获得新的边缘点矩阵 ；

对新的边缘点矩阵进行双线性插值处理，获得最终边缘点矩阵 。