1.一种基于双目相机的空间目标特征点丢失期间轨迹预测方法，其特征在于，包括以下步骤：
s100，调整双目相机与目标的位置和姿态，使目标靠近相机视场中心区域，进行图像采样；
s200，对图像进行预处理，使目标与图像背景分离；
s300：对目标区域进行特征点识别；
s400，进行双目相机左右图像特征点匹配，确定估计过程所需特征点；
s500，在后续图像中对选定特征点进行跟踪；
s600，若发现特征点丢失，回溯到丢失前图像帧，并与当前帧进行特征点匹配，在前后2组图像帧中寻找4个非线性相关特征点；
s700，计算4个特征点前后两个时刻在相机坐标系空间位置；
s800，计算特征点丢失前后两个时刻之间目标的相对姿态；
s900，计算丢失特征点丢失前在相机坐标系空间位置，通过相对姿态和可见特征点位置预测丢失特征点位置；
s1000，在特征点长时间丢失情况下，如果丢失前图像帧与当前图像帧之间匹配的特征点个数不满足要求，则选择时间相近的图像帧计算相对姿态矩阵，使用上一帧中计算出的预测的丢失特征点位置，预测当前帧丢失特征点位置；
s1100，若发现特征点未丢失，转入s500～s900，直到估值过程结束。
2.根据权利要求1所述的基于双目相机的空间目标特征点丢失期间轨迹预测方法，其特征在于，s700中计算特征点在相机坐标系空间位置，具体包括以下步骤：
根据投影相机原理，特征点在参考坐标系3d位置p与图像平面位置p之间存在如下关系：
p＝cp(1)
c为相机参数矩阵；
c＝k[r|-r_c](2)
其中，r为相机在参考坐标系姿态矩阵，r_c为相机光心到参考坐标轴位移，k为相机内参，与相机焦距(fx，fy)、主点坐标(x0y0)和畸变扭曲参数s关系如下：
当左右相机相对位置固定后，相机参数矩阵c为确定的已知量；
以左相机焦点为原点，x轴和y轴与左相机平面x、y轴平行，z轴通过原点垂直于成像平面建立相机坐标系；
对空间中任一点p，其在相机坐标系位置用[xyz]t表示，该点在左右两个相机平面的投影分别为(u1，v1)和(u2，v2)，则在相机坐标系中的空间位置p通过求解下式计算：
c、c′分别为左右相机参数矩阵。
3.根据权利要求2所述的基于双目相机的空间目标特征点丢失期间轨迹预测方法，其特征在于，s800中计算特征点丢失前后两个时刻之间目标的相对姿态，具体包括以下步骤：
基于相机坐标系与目标本体坐标系关系，用pi和ρi分别表示特征点i在目标本体坐标系和相机坐标系位置，qtc表示目标相对相机坐标系姿态四元素，r(qtc)为姿态矩阵，ρ0表示目标质心在相机坐标系位置，则：
ρi＝r(qtc)pi+ρ0(5)
假定在某一时刻t识别了目标物体上的两个特征点i和j，通过上式得到：
(6)(7)两式相减得：
同理，对于时刻t′，有：
从(8)(9)两式推出：
用
令：
对于4个非相关特征点i，j，k，l之间的向量组成的矩阵用φ表示为：
由公式(10)推出：
公式(14)说明，如果在两个时刻t和t′，同时探测到4个非相关的特征点，则通过(14)求解
4.根据权利要求3所述的基于双目相机的空间目标特征点丢失期间轨迹预测方法，其特征在于，s900中通过相对姿态和可见特征点位置预测丢失特征点位置，具体包括以下步骤：
如果在t时刻跟踪到特征点m的位置，而t′时刻特征点m丢失，则通过下式对t′时刻特征点m在相机坐标系的空间位置进行预测：
然后，通过下式预测特征点m在左右相机平面的位置[u1，v1](t′)和[u2，v2](t′)