1.一种基于垂直平面和垂直线的轻量级室内建模方法，其特征在于包括以下步骤，A、提取场景中的垂直平面，通过区域分割和地理配准建立场景的基于平面的模型，并使用合并优化算法对模型进行优化，以获得具有场景信息的完整的基于平面的模型；对模型进行优化包括以下步骤，A21、设所有垂直平面仅以指定的角度数出现，并将这些角度定义为参考方向；平面模型中不满足这些角度的线段围绕中心点旋转到最近的参考方向，并且如果它与所有参考方向相差超过阈值，则将其丢弃；A22、在满足以下三种任意一种条件时，对相邻线段进行合并，直到基于平面的模型中的所有线段都不满足合并条件；(1)、线段状态为 |θ i -θ j |≤θ MAX合并条件为 (2)、线段状态为 合并条件为 (3)、线段状态为 合并条件为 其中，a、b、c、d为线段在X G 轴上的端点， 是与之对应的正交投影点， 是X G 轴上允许合并的最大距离， 和 代表Y G 轴上线段正交投影端点相距最远的两个点， 是Y G 轴上允许合并的最大距离，θ MAX 表示允许合并最大方向差；B、建立空间垂直线模型，利用摄像机的姿态角对图像进行校正，并在滤波处理后提取出空间垂直线；同名直线通过DTW算法进行匹配，并通过卡尔曼滤波器进行跟踪；基于平面模型计算垂直线在空间中的位置，然后建立基于线的模型；通过DTW算法进行同名直线匹配包括以下步骤，B21、将滤波后的图像的直方图作为一个序列，两个相邻的图像可以得到两个序列Q和C，前一个图像序列作为模板序列，后一个图像序列作为要匹配的序列，长度分别是n和m，Q＝{q 1 ，q 2 ，…q i ，…q n }C＝{c 1 ，c 2 ，…c j ，…c m }；B22、构造一个n×m矩阵d，每个矩阵元素(i，j)表示点q i 和点c j 相对应，表示为d(i，j)，曲路径W为Q和C之间的关系的连续矩阵，其中第k个元素是ω k ＝(i，j)，表示第i个元素对应于第j个元素，从而W＝{ω 1 ，ω 2 ，…ω k ，…，ω K } max(m，n)≤K≤m+n-1，累积距离D(i，j)为当前对应点距离d(i，j)与先前累积距离之和的最小值，计算n×m矩阵的所有元素，求解路径W，确定相邻图像的垂直线之间的对应关系；B23、增加变形路径的整体约束使两个图像序列的匹配更加鲁棒；边界约束：满足ω 1 ＝(1，1)和ω K ＝(n，m)，单调性约束：取路径第e个元素ω e ＝(i e ，j e )和第f个元素ω f ＝(i f ，j f )，如果e＜f，那么有i e ＜i f 和j e ＜j f ，扭曲窗口：|i-j|≤r，r为为窗口长度，斜率约束：有效强度为P＝n/m；C、生成由垂直平面和线组成的混合模型。
2.如权利要求1所述的基于垂直平面和垂直线的轻量级室内建模方法，其特征在于：步骤A中，区域分割和地理配准包括以下步骤，A11、将大场景分为多个局部场景，分别在每个局部场景中检测和投影平面，并创建单个区域的模型；在每个局部场景中记录两个标记点，并在局部场景中的世界坐标系Ow中记录它们的坐标；A12、计算局部模型与局部场景之间的变换矩阵，得到局部场景之间的相对位置关系；最后将多个局部平面模型校准为全局平面模型。
3.如权利要求2所述的基于垂直平面和垂直线的轻量级室内建模方法，其特征在于：步骤B中，空间垂直线的提取包括以下步骤，B11、使用单应矩阵H将图像校正为垂直状态，并对校正后的图像使用Sobel算子进行边缘滤波；B12、利用滤波后的图像直方图得到图像坐标系中空间垂直线的坐标为u ver ，将校正后的图像的中心点0的位置计算为(u calib ，v calib )，垂直线与相机中心和平面组成的平面之间的夹角Y W O W Z W 为，B13、计算垂直线在空间中的位置。
4.如权利要求3所述的基于垂直平面和垂直线的轻量级室内建模方法，其特征在于：步骤B23中，扭曲窗口长度r设置为300，设置混合斜率约束，D(i，j)的计算公式为，
5.如权利要求4所述的基于垂直平面和垂直线的轻量级室内建模方法，其特征在于：步骤B中，垂直线跟踪包括以下步骤，B31、输入第k帧图像，垂直线的状态为，X(k)＝[X 1 (k) X 2 (k) … X i (k) …]I表示跟踪的第i条垂直线，X i (k)是第i条垂直线的状态变量，因为空间的空间位置不变，所以状态方程为，X i (k)＝X i (k-1)， x k 和y k 表示垂直线在空间中的位置，观测方程为，Z i (k)＝E 2 X i (k)+V(k)，k表示第k帧图像，然后计算卡尔曼增益K k 并更新状态；B32、在跟踪过程中，将满足条件的新垂直线添加到跟踪序列，并使用第一个计算出的值初始化卡尔曼滤波器，并对其进行跟踪直到垂直线消失。
