1.一种激光雷达点云目标拟合算法，其特征在于：包括如下步骤：

步骤S1、预处理生成目标相关点云：使用多维激光雷达采集的点云数据以各单帧所有点云坐标数据集合的形式储存，对所有点云坐标数据栅格化处理，采用欧式聚类确定点云数据中的主要物体，对欧式聚类结果的各主要物体进行阈值处理与坡度检测识别，去除地面点、噪声点、环境所包含的点，得到所有非地面物体所包含的点，以各聚类的方式确定不同目标；

步骤S2、通过先验形状拟合进行目标姿态类型提取：将先验的物体模型与点云坐标数据在高程与空间范围上进行比对，确定目标物体属性，依据目标属性确定目标物体所有包含点；

步骤S3、建立最优包围边框函数，依据先验的物体模型确定目标主边框模型；对目标包含所有点进行凸包拟合，确定主连线函数；对I型边界直接获取主边界函数；对L型边界确立主边界函数后进行副边界拟合；

步骤S4、针对遮挡及姿态变化，采用跨主边界引导算法，依据最优包围边框函数确立目标先验模型；对目标各边界变化趋势比对得到变化特征；依据变化特征确定主边界切换概率；依据主边界切换概率，全边界比例与模型阈值重新确定主边界；依据主边界切换概率确定是否采用主边界预测数据；

步骤S5、提取目标的运动及外形参数。

2.根据权利要求1所述的一种激光雷达点云目标拟合算法，其特征在于：所述步骤S1中栅格化处理的具体过程为：将3D点云数据投影至xy平面,以2D形式划分栅格块，确定各栅格块特征，以栅格索引的方式存储低分辨率点云信息，栅格化函数Prep对所有点P(xO,yO)转换S为目标栅格点云目标P(xi,yi)；

S

其中，P是点云中的全部点，xO是P中点的x轴坐标，yO是P中点的y轴坐标，P是栅格化后S S

代表栅格块的全部点，xi是P中点的x轴坐标，yi是P中点的y轴坐标。

3.根据权利要求1所述的一种激光雷达点云目标拟合算法，其特征在于：所述步骤S3中建立最优包围边框函数的具体过程为：在凸包拟合所进行的扫描排序基础上，确定主边界特征点，主副边界分割点；主副边界分割点是对具有类似于直角三角形的矩形边界目标获得的特征，对以主边界与副边界所构成的直角三角形弦所代表的直线函数进行拟合，可以确定对该直线最远的点为主副边界分割点；以主副边界分割点为界划分两条待处理边界，分别为近侧边界与远侧边界；计算凸包拟合中扫描排序的所有点相对近侧边界与远侧边界拟合直线的权值，权值最大的为最优近侧边界特征点与最优远侧边界特征点，最优边界特征点的权值通过以下参数Fi确定：其中，Fi是凸包扫描顺序第i个点的最优边界特征点权值，D1、D2分别为所有点对近侧边界、远侧边界的权值和，n、m近侧边界、远侧边界包含的凸包点数目，k、r是当前近侧点、远侧点序号，xk、yk是近侧点的x轴、y轴坐标，xr、yr是远侧点的x轴、y轴坐标，ki、ci是拟合近侧边界函数产生的参数， 是拟合远侧边界函数产生的参数；

最优边界特征点与其对应待处理边界的距离为另一待处理边界的有效长度；通过最优近侧边界特征点与最优远侧边界特征点确定远侧边界与近侧边界有效长度；边界有效长度较大者为主边界，另一待处理边界为副边界。

4.根据权利要求1所述的一种激光雷达点云目标拟合算法，其特征在于：所述步骤S4中对目标各边界变化趋势比对得到变化特征的具体过程为：目标边界框变化的原因包括目标相对于观察者的位姿变化或其他物体或目标本身遮挡点，通过目标主边界与副边界长度的变化率得到目标边界变化趋势，进行如下判断：单边界突变与目标点云总量异常减少表示遮挡或意外发生；主副边界以固定比率变化表示可能的位姿变化；各边界异常变化与目标点云总量异常增多表示与其他物体过近所导致的聚类失误；依据相近时间窗口内的各边界变化确定变化的主体原因。

5.根据权利要求4所述的一种激光雷达点云目标拟合算法，其特征在于：所述步骤S4中依据变化特征确定主边界切换概率的具体过程为：主边界切换概率的确定依赖于先验的物体模型所确立的目标变化阈值，对于运动不会改变其本身外形特征的目标来说，变化主体得到目标下一状态发生主边界切换的预测，预测包括：变化主体为位姿变化，主副边界切换的概率较高；变化主体为遮挡及异常，不需要切换主边界；另外，切换概率依赖于目标边界的累计变化与平均变化率；主边界切换概率为 确定的切换概率与模型阈值比对后确定拟合策略；

其中 为主边界切换概率，P为主边界切换概率计算函数，t为当前状态，Yvar为当前状态变化率函数，Z为当前状态主副边界变化率比例函数，σr为当前状态累计变化量函数。

6.根据权利要求1所述的一种激光雷达点云目标拟合算法，其特征在于：所述步骤S4中依据主边界切换概率，全边界比例与模型阈值重新确定主边界的具体过程为：切换主边界时需要重新进行主边界判断，依据主边界切换概率进行强制切换的情况包括：相对位置变化所带来的影响为边界参数变化的主要原因时，将长度较短的边界定为主边界；由遮挡产生的边界缺失为边界参数变化的主要原因时，取消副边界并将模型由L型边界转换为I型边界，随后重新建立最优包围边框。

7.根据权利要求1所述的一种激光雷达点云目标拟合算法，其特征在于：所述步骤S4中依据主边界切换概率确定是否采用主边界预测数据的具体过程为：需要采用主边界预测数据的情况包括：如果依据主边界切换概率，目标被遮挡所带来的特征影响难以避免，且通过重新确定边界函数无法抵消这种影响，或者目标的突变来源于环境，突变短时间内恢复或后续数据无效，采用主边界预测数据的情况下，放弃更改主边界；主边界预测数据来源于主边界函数过去状态的卡尔曼滤波，对速度稳定的目标而言，主边界预测数据中的长度不会发生突变，主边界预测数据中的坐标为较为平滑的预测直线或曲线，采用主边界预测数据的过程在主边界切换概率更新且超过阈值后停止。