1.一种基于形状‑空间联合特征的曲面轮廓监控方法，其特征在于，所述方法包括如下步骤：S1、获取工件表面的点云数据；

S2、根据所述点云数据计算所述工件表面的拉普拉斯‑贝尔特拉米谱，并选择所述拉普拉斯‑贝尔特拉米谱的前若干个值的平均值作为所述工件表面的曲面特征数据；

S3、将所述点云数据以若干种不同的尺寸分割为分块点云；

S4、计算所述分块点云中任意两块点群的最小测地线距离，根据所述最小测地线距离构建空间测地线距离矩阵；

S5、根据所述空间测地线距离矩阵计算每个所述分块点云的Greary’s C指数；

S6、选择所述Greary’s C指数最低的所述分块点云的尺寸作为统计尺寸，根据所述统计尺寸计算每个所述分块点云的集聚度；

S7、根据所述集聚度及所述拉普拉斯‑贝尔特拉米谱计算每个所述分块点云的2

Hotelling’s T统计量；

2

S8、根据所述Hotelling’s T统计量检测存在异常曲面；

所述步骤S2具体包括如下步骤：

S21、根据每个所述点云数据生成对应的曲面模型；

S22、将所述曲面模型的曲面定义为黎曼流形；

S23、根据所述黎曼流形计算每个所述点云数据的拉普拉斯‑贝尔特拉米谱；

S24、选择每个所述点云数据的拉普拉斯‑贝尔特拉米谱中前若干个值的平均值作为所述点云数据对应工件表面的曲面特征数据；

所述分块点云的Greary’s C指数使用如下方法计算：，其中 为点云的分块数， 为测地线距离矩阵， 是点云中任意两个块的索引， 分别为第 块，第 块点云的集聚度； ， 是整片点云的集聚度。

2.如权利要求1所述的一种基于形状‑空间联合特征的曲面轮廓监控方法，其特征在于，所述步骤S1之后、S2之前还包括步骤：S11、剔除所述点云数据中的离群点和冗余点。

3.如权利要求1所述的一种基于形状‑空间联合特征的曲面轮廓监控方法，其特征在于，所述步骤S24中，选择每个所述点云数据的拉普拉斯‑贝尔特拉米谱中前50个值的平均值作为所述工件表面的曲面特征数据。

4.如权利要求1所述的一种基于形状‑空间联合特征的曲面轮廓监控方法，其特征在于，所述步骤S5之后、S6之前还包括步骤：S51、根据所述空间测地线距离矩阵计算每个所述分块点云的z检验值，并删除z检验值低于预设值的点云分块尺寸。

5.如权利要求1所述的一种基于形状‑空间联合特征的曲面轮廓监控方法，其特征在于，所述步骤S8具体包括：

2 2

S81、根据所述Hotelling’s T统计量生成Hotelling’s T控制图；

2

S82、根据所述Hotelling’s T控制图检测存在异常曲面。

6.如权利要求1所述的一种基于形状‑空间联合特征的曲面轮廓监控方法，其特征在于，所述步骤S3中，所述尺寸包括5×5mm、10×10mm、15×15mm、20×20mm、25×25mm、30×

30mm、35×35mm、40×40mm、45×45mm、50×50mm。