1.一种基于双目视觉slam的动态场景密集建模方法，其特征在于，包括以下步骤：
s1，输入双目图像序列，根据已知的相机内参外参对图像进行纠正，对图像进行orb特征点提取，在每个双目像对中对左右影像的特征点进行匹配，并在连续双目帧的像对中进行时间序列上的匹配；
s2，基于多模型拟合进行运动分割，将相同运动的特征点聚类为一个运动模型参数，分割出场景中的相机自身运动模型和不同运动的动态物体运动模型，同时估计出相机和动态物体的运动；
s3，对估计出的相机和动态物体的位姿，进行局部光束法平差优化，得到相机和动态物体的轨迹；
s4，根据输入双目图像序列，进行超像素分割，并结合s2，获得运动物体全部像素点分割结果，进而获得动态物体密集三维模型和静态背景密集点云地图。
2.根据权利要求1所述的基于双目视觉slam的动态场景密集建模方法，其特征在于，所述获得的静态背景密集点云地图，进一步包括：
输入图像序列；
根据超像素分割，并结合s2，获得运动物体全部像素点分割结果；
将属于运动物体全部像素点作为外点去除，只对静态背景像素点部分进行rtabmap双目密集建图，最终得到静态背景密集点云地图。
3.根据权利要求1所述的基于双目视觉slam的动态场景密集建模方法，其特征在于，所述获得的动态物体密集三维模型，进一步包括：
输入图像序列；
根据图像序列进行libelas双目立体匹配，匹配得到密集深度信息；
结合运动物体全部像素点分割结果和libelas双目立体匹配得到的深度信息，获得单帧动态物体密集点云；
根据单帧动态物体密集点云，结合s3获得的帧间的变换矩阵，对单帧点云进行拼接，进而得到动态物体密集三维模型。
4.根据权利要求1所述的基于双目视觉slam的动态场景密集建模方法，其特征在于，所述基于多模型拟合进行运动分割包括单步运动分割，所述单步运动分割包括以下步骤：
通过基于局部窗口的随机采样，获得多个假设模型；
根据假设模型，利用量化残差对数据进行表示，判断假设模型的内点；
利用层次聚类对内点进行分类；
如果分类结果不收敛，则进行交替采样与聚类，直到最后结果收敛输出，输出场景中不同运动的运动模型。
5.根据权利要求1所述的基于双目视觉slam的动态场景密集建模方法，其特征在于，所述基于多模型拟合进行运动分割还包括连续帧运动分割，所述连续帧运动分割包括以下步骤：
首先将前后帧图像特征点进行关联，由于匹配精度和误匹配点带来的影响，属于同一运动模型的内点分割结果往往会参杂较少量其他模型内点；
通过k近邻算法投票对分割结果进行优化；
根据连续帧中运动估计的结果，去除不属于相应运动模型的外点，实现场景中相机自身运动模型和动态物体运动模型的精确分割。
6.根据权利要求1所述的基于双目视觉slam的动态场景密集建模方法，其特征在于，所述获得的运动物体全部像素点分割结果，进一步包括：
通过slic方法对单帧影像进行超像素分割，之后对每个超像素块进行块内落的各个运动模型模型点的计数，该块的运动模型与块内模型点最多的模型一致，若块内没有落模型点，则与最近邻的超像素块一致，完成每个超像素块运动模型的判断，获得所述动态物体全部像素点分割结果。
7.根据权利要求6所述的基于双目视觉slam的动态场景密集建模方法，其特征在于：所述超像素块为具有相似纹理、颜色、亮度等特征的相邻像素构成的有一定视觉意义的不规则像素块。