1.一种基于结构分析的点云场景树木提取方法，其特征在于，包括以下步骤：步骤1、沿x、y轴对三维点云数据进行栅格化，寻找每个所述栅格内z值的最小值，根据每个所述栅格内的z值最小值、每个点z值，将点云划分为地面点、低位置点、高位置点；

步骤2、对全部所述低位置点进行分割，得到多个点云簇，并根据所述点云簇的几何特征提取候选树干；

步骤3、对全部所述高位置点进行分割，得到多个点云簇，并根据所述点云簇的空间分布模式、最小外接矩形的投影面积提取候选树冠；

步骤4、判断候选树冠点云簇的最小外接矩形是否仅覆盖一个候选树干点云簇，若是，则完成候选树木提取；否则删除所述候选树干或进行下一步；

步骤5、判断所述候选树冠点云簇匹配的多个提取候选树干为与树木交缠的杆状物或多棵树的树冠互相交叠，若为与树木交缠的杆状物，则移除与树木交缠的杆状物；若为多棵树的树冠互相交叠，对相邻树木的重叠冠层进行分割，将交叠的点云划分到各自所属的树木中，完成单棵树木点云的分割。

2.根据权利要求1所述的一种基于结构分析的点云场景树木提取方法，其特征在于，步骤1包括以下步骤：

步骤1.1、沿x、y轴对三维点云数据进行栅格化，寻找每个所述栅格内z值的最小值Zlocalmin；

步骤1.2、根据下式将点云划分为地面点Gground、低位置点Glowlayer、高位置点Ghighlayer；

上式中， 为栅格内的任意一点pi的z值。

3.根据权利要求2所述的一种基于结构分析的点云场景树木提取方法，其特征在于，步骤2包括以下步骤：

步骤2.1、利用DBSCAN聚类算法对全部所述低位置点进行分割，得到多个点云簇；

步骤2.2、将多个所述点云簇投影到XOY平面，计算每个点云簇的投影面积；

步骤2.3、计算每个点云簇中z值最大值Zimax与z值最小值Zimin的差值Δz，即点云簇高度；

步骤2.4、若点云簇的投影面积、点云簇高度同时满足下述条件，则判定该点云簇为候选树干点云：

条件一、投影面积小于0.4；

条件二、点云簇高度大于1；

条件三、点云簇最低点Zmin与地面接近。

4.根据权利要求3所述的一种基于结构分析的点云场景树木提取方法，其特征在于，每个点云簇的投影面积计算方式如下：假设点云簇中最大x、y坐标值为ximax、yimax，最小x、y坐标值为ximin、yimin，最大x坐标值与最小x坐标值的差值为Δxi＝|ximax‑ximin|，最大y坐标值与最小y坐标值的差值为Δyi＝|yimax‑yimin|，则点云簇的投影面积为Areai＝Δxi×Δyi。

5.根据权利要求1所述的一种基于结构分析的点云场景树木提取方法，其特征在于，步骤3包括以下步骤：

步骤3.1、利用DBSCAN聚类算法对全部所述高位置点进行分割，得到多个点云簇；

步骤3.2、对于每个所述点云簇中的任意一点pi，找到点pi的k个近邻点点pi的三阶协方差矩阵M为：

上式中， 为点pi的k个邻近点的平均位置；

通过奇异值分解对点pi的三阶协方差矩阵M进行特征值分解，得到协方差矩阵M的特征值λ1、λ2和λ3，且λ1≥λ2≥λ3≥0；基于特征值计算得到点pi的维度特征：a1D,a2D,a3D分别表示线状特征、面状特征、散乱状特征，根据 得到每个点pi的空间分布模式；

步骤3.3、计算每个所述点云簇投影数据的最小外接矩形的投影面积；

步骤3.4、若点云簇的最小外接矩形的投影面积、空间分布模式同时满足下述条件，则判定该点云簇为候选树冠点云：

条件一、投影数据的最小外接矩形面积大于0.5；

条件二、空间分布模式为散乱状点个数大于线状、面状点个数。

6.根据权利要求1所述的一种基于结构分析的点云场景树木提取方法，其特征在于，步骤4包括以下步骤：

步骤4.1、若候选树干点云簇在XOY平面投影的最大x坐标值ximax、最大y坐标值yimax、最小x坐标值ximin、最小y坐标值yimin均在候选树冠点投影的最小外接矩形的坐标范围内，则认为候选树冠的最小外接矩形能够覆盖候选树干；根据候选树冠最小外接矩形覆盖的候选树干数量，通过下述方式进行候选树木的提取：若所述候选树冠点云簇的最小外接矩形能够覆盖一个候选树干点云簇，则认为该候选树冠和候选树干组成一棵树木；

若所述候选树冠的最小外接矩形并未覆盖候选树干，则将该候选树冠视为不完整的树，并删除该候选树干；

若所述候选树冠的最小外接矩形覆盖多个候选树干，判断存在多棵树的树冠互相重叠或者树木和杆状物互相交缠的情况，进行下一步。

7.根据权利要求1所述的一种基于结构分析的点云场景树木提取方法，其特征在于，步骤5包括以下步骤：

步骤5.1、假设所述候选树冠的最小外接矩形覆盖多个候选树干，利用下式计算候选树冠覆盖的候选树干点云簇Ti的中心点Ci坐标上式中，N为每个树杆点云点的个数，(xj,yj,zj)为候选树干点云簇Ti中任意一点的坐标值；

假设候选树冠覆盖的候选树干1的中心点为 候选树干2的中心点为两个中心点之间的向量为 x轴的方向向量为 和 两个向量之间的夹角为： 将候选树冠和覆盖的候选树干点朝x轴方向旋转θ度，对于任意一点p，其新坐标为：转换后的x值：p.xnew＝p.x*cos(θ)+p.y*sin(θ)转换后的y值：p.ynew＝p.y*cos(θ)‑p.y*sin(θ)转换后的z值：p.znew＝p.z坐标转换后，向量 与x轴平行；

步骤5.2、将所述候选树干点与候选树冠点的新坐标投影到xoz平面，计算所述候选树冠点在x方向的最大值xtmax和最小值xtmin，所述候选树杆中心点与候选树冠最大值xtmax、最小值xtmin的距离分别为：

若D1＜0.5或D2＜0.5，即树杆中心点靠近候选树冠的边缘，则认为该候选树干点云簇为与树木交缠的杆状物，删除D1＜0.5的点，移除与树木交缠的杆状物；若D1＞0.5或D2＞0.5，则认为多棵树的树冠互相交叠，进行下一步：步骤5.3、沿z轴方向对重叠候选树冠进行横向切分，将候选树冠点云分为5～10层，得到树木的各层点云数据；利用基于欧几里得聚类算法，将每层所述点云数据根据点间的距离信息分成不同的点云簇，根据就近原则，将每个点云簇分配给距离其质心最近的树杆；

若经过横向切分后的所述点云数据仅包括一个点云簇，则认为该点云簇是相邻候选树冠的重叠部分；候选树干1与候选树干2中心点之间的距离为： 候选树冠最小值Xmin与候选树干1中心点之间的距离为 候选树干2与候选树冠最大值之间的距离为 比例因子α为： 对于该层候选树冠中的任意一点p，如果它的x坐标的值满足： 则该点属于候选树干1所在的候选树冠，否则，属于候选树干2所在的候选树冠；

若各层所述点云数据中，候选树干1的最大x坐标值Xmax小于候选树干中心点x坐标，则将该层的候选树冠点归为候选树干1。