1.一种大场景对象的三维重建方法，其特征在于：包括以下步骤：

1)通过相机从不同视角、位置对场景对象采集若干张序列照片，并按照采集的先后顺序将若干张序列照片编号为Ik，k＝1，2，3...N；

2)将序列照片按照编号的先后顺序划分为若干单元Ni，i＝1，2，3...n，每个所述单元包括依次采集的三张序列照片，并将单元Ni的第三张序列照片作为相邻下一单元Ni+1的第一张序列照片，并将该序列照片作为该两相邻单元的公共序列照片；

3)通过采用SIFT算法对每个单元Ni，i＝1，2，3...n包含的三张序列张片进行特征检测、匹配，并利用三视图约束去除误匹配点，具体为：通过SIFT算法对序列照片进行特征检测、匹配，从而计算出每个单元中三张序列照片的同名像点mij，其中任意两张序列照片的同名像点在另一张序列照片上的匹配点在该任意两张序列张片同名像点对应极线的交点上，若匹配点与交点的距离超过两个像素则作为误匹配点删除；

4)将单元Ni，i＝1的第一张序列照片的相机参数初始化，并采用RANSANC算法求出单元Ni，i＝1中另外两张序列照片的基础矩阵F、本质矩阵E，得到该两张序列照片中每张序列照片的相机参数Rh、Tg和三维点云坐标Mj，具体为：采用RANSANC算法求解基础矩阵F，结合相机内参K求解本质矩阵E，然后对本质矩阵E进行奇异值分解得到相机参数Rh、Tg，并得到三维点云坐标Mj，然后采用集束调整算法局部优化序列照片的相机参数Rh、Tg、三维点云坐标Mj，通过集束调整算法使三维点云坐标Mj的重投影点与在第k张序列照片的同名像点mki差值的平方和最小，其计算式为：其中D是欧氏距离，N为序列照片数，M为三维点云坐标数；

5)相邻两单元中将单元Ni中公共序列照片的相机参数Rh、Tg作为其相邻下一单元Ni+1的公共序列照片的相机参数的初始值，并求解其相邻下一单元Ni+1中其他两张序列照片的相机参数Rh、Tg和三维点云坐标Mj，以此计算出单元Ni+1其他两张序列照片中每张序列照片的相机参数Rh、Tg和三维点云坐标Mj；

6)将所有的序列照片的相机参数Rh、Tg和三维点云坐标Mj作为PMVS算法的输入，从而得到场景对象的种子面片；

7)种子面片的扩展：将序列照片Ik划分为若干个图像块Co(x，y)，利用相邻种子面片具有位置和法向相似的特性对种子面片进行扩展，从而使扩展后的种子面片逐步覆盖目标物体的表面；

8)种子面片过滤：采用局部灰度一致性约束和全局可见一致性约束来剔除扩展错误的种子面片。

2.根据权利要求1所述的一种大场景对象的三维重建方法，其特征在于：步骤1)中相机围绕场景目标采集序列照片时，相邻两张序列照片之间的角度为5°～15°，采集的所述序列照片数量为奇数，采集的序列照片至少为3张。

3.根据权利要求1所述的一种大场景对象的三维重建方法，其特征在于：步骤7)中通过种子面片的扩展使得至少在每个图像块中重建出一个种子面片。

4.根据权利要求1所述的一种大场景对象的三维重建方法，其特征在于：步骤8)中扩展错误的种子面片包括外部种子面片和内部种子面片，将种子面片扩展、过滤依次循环迭代3次使目标物体表面被稠密的种子面片完全覆盖。

5.根据权利要求2所述的一种大场景对象的三维重建方法，其特征在于：采集的序列照片为45张。