1.基于Delaunay三角网的相机自标定方法，其特征在于，包括以下步骤：S1：采集实验区域内图像，利用Harris算法对实验图像进行角点检测，并利用高斯平滑函数剔除伪点；

还需要对提取的特征点集做分割、排序处理；

S2：利用步骤S1中提取的特征角点构建Delaunay三角形，优化剔除“病态三角形”；

S3:利用步骤S2所构建的Delaunay三角形构建三角形区域特征描述子，完成图像的粗匹配及精匹配，获取特征点集;S4：利用实验区域的点云数据进行体素化及栅格化处理，转换成深度图后，提取深度图的特征点；

S5：利用步骤S4中提取的特征点构建Delaunay三角形并和步骤S2中的构建的Delaunay三角形进行匹配，获取匹配特征点集；

S6：利用步骤S3中获取的特征点集，建立三组匹配图像的特征点关系方程，计算出基础矩阵与极点坐标，并推导出Kruppa方程，计算出相机内参；

S7：在步骤S5中获取的匹配特征点集基础上，构建坐标关系方程和相机投影矩阵，引入特征匹配点集求解方程，获取相机外参。

2.根据权利要求1所述的基于Delaunay三角网的相机自标定方法，其特征在于，所述步骤S2中，利用步骤S1中分割后的每个特征点子集构建Delaunay三角形并进行变换优化，在合并相邻子集后，进一步剔除“病态”三角形。

3.根据权利要求1所述的基于Delaunay三角网的相机自标定方法，其特征在于，所述步骤S3中，利用步骤S2获取的Delaunay三角形，构建三角形描述子，对任意三角形的三边所构成的区域建立支撑区域，并构造支撑区域内每个像素的旋转不变特征向量。

4.根据权利要求1所述的基于Delaunay三角网的相机自标定方法，其特征在于，所述步骤S4中，根据点云的分布空间建立一个均匀的三维体素栅格并进行重采样，并在此基础上，建立点云和图像的映射关系，获取点云在二维平面上的投影，确定图像的灰度值。

5.根据权利要求1所述的基于Delaunay三角网的相机自标定方法，其特征在于，所述步骤S5中，利用射影不变量性质中共点线束的交比，判别错误匹配对，进行精匹配。

6.根据权利要求1所述的基于Delaunay三角网的相机自标定方法，其特征在于，所述步骤S6中，利用对极几何的性质，建立两幅待匹配图像的特征点关系方程，引入二维匹配点集，并采用八点法进行基础求解。