1.一种3D图像点云匹配方法，其特征在于，所述方法包括：

获取室内真实场景的3D图像点云数据集；所述3D图像点云数据集包括待匹配的第一点云和第二点云；所述第一点云与所述第二点云部分重叠；

根据所述第一点云和所述第二点云，以最小化点云指派代价为目标函数，构建基于最优传输的点云匹配模型；所述点云指派代价由正交变换矩阵、拉伸变换矩阵和点云间指派矩阵确定；

采用交替迭代求解算法，对所述点云匹配模型进行求解，得到最优解；所述最优解包括：最优正交变换矩阵、最优拉伸变换矩阵和最优点云间指派矩阵；

根据所述最优点云间指派矩阵，对所述第一点云和所述第二点云进行匹配，得到匹配后点云；所述匹配后点云用于重建所述室内真实场景的3D图像；

所述点云匹配模型的具体公式为：

其中：A为正交变换矩阵；B为拉伸变换矩阵；γ为点云间指派矩阵；γij为第一点云X中的第i个点Xi与第二点云Y中的第j个点Yj的匹配程度，i＝1,…,n，n为第一点云X中点的总数，j＝1,…,m，m为第二点云Y中点的总数；Ω(γ)为正则项，且 ε为正则化系数，且ε＞0；Ο(3)为3阶正交矩阵的集合；∧(3)为3阶对角矩阵的集合；Π为点云间指派矩阵的集合；I为分量全为1的列向量； 为3×3的实矩阵的集合； 为n×m的正实矩阵的集合；μ为第一点云X的概率分布；ν为第二点云Y的概率分布；λq为对角矩阵中第q行第q列元素的值，且q＝1,2,3。

2.根据权利要求1所述的3D图像点云匹配方法，其特征在于，所述采用交替迭代求解算法，对所述点云匹配模型进行求解，得到最优解，具体包括：根据拉伸变换矩阵第k‑1次迭代的迭代解和点云间指派矩阵第k‑1次迭代的迭代解确定正交变换矩阵第k次迭代的迭代解；其中，k为从1开始的整数；当k＝1时，拉伸变换矩阵第k‑1次迭代的迭代解为初始拉伸变换矩阵，点云间指派矩阵第k‑1次迭代的迭代解为初始点云间指派矩阵；

对正交变换矩阵第k次迭代的迭代解进行变形和奇异值分解，得到正交变换矩阵第k次迭代的显示解；

根据正交变换矩阵第k次迭代的显示解和点云间指派矩阵第k‑1次迭代的迭代解确定拉伸变换矩阵第k次迭代的迭代解；

对拉伸变换矩阵第k次迭代的迭代解进行变形，得到拉伸变换矩阵第k次迭代的显示解；

采用Sinkhorn‑knopp算法，根据正交变换矩阵第k次迭代的显示解和拉伸变换矩阵第k次迭代的显示解，确定点云间指派矩阵第k次迭代的迭代解；

判断k是否达到设定迭代次数，得到判断结果；

若所述判断结果为否，则更新k的值，并返回“根据拉伸变换矩阵第k‑1次迭代的迭代解确定正交变换矩阵第k次迭代的迭代解”的步骤；

若所述判断结果为是，则将点云间指派矩阵第k次迭代的迭代解确定为最优点云间指派矩阵，将正交变换矩阵第k次迭代的显示解确定为最优正交变换矩阵，将拉伸变换矩阵第k次迭代的显示解确定为最优拉伸变换矩阵。

3.根据权利要求2所述的3D图像点云匹配方法，其特征在于，所述根据拉伸变换矩阵第k‑1次迭代的迭代解和点云间指派矩阵第k‑1次迭代的迭代解确定正交变换矩阵第k次迭代的迭代解，具体公式为：k

其中：A为正交变换矩阵，A为正交变换矩阵A第k次迭代的迭代解；Ο(3)为正交矩阵的集合； 为第一点云X中的第i个点Xi与第二点云Y中的第j个点Yj的匹配程度γij的第k‑1次迭代的迭代解；Xi为第一点云X中的第i个点，i＝1,…,n，n为第一点云X中点的总数；Yj为k‑1第二点云Y中的第j个点，j＝1,…,m，m为第二点云Y中点的总数；B 为拉伸变换矩阵第k‑1次迭代的迭代解。

4.根据权利要求2所述的3D图像点云匹配方法，其特征在于，所述根据正交变换矩阵第k次迭代的显示解和点云间指派矩阵第k‑1次迭代的迭代解确定拉伸变换矩阵第k次迭代的迭代解，具体公式为：k

其中：B为拉伸变换矩阵，B为拉伸变换矩阵B第k次迭代的迭代解；∧(3)为3阶对角矩阵的集合； 为第一点云X中的第i个点Xi与第二点云Y中的第j个点Yj的匹配程度γij的第k‑

1次迭代的迭代解；Xi为第一点云X中的第i个点，i＝1,…,n，n为第一点云X中点的总数；Yj为k第二点云Y中的第j个点，j＝1,…,m，m为第二点云Y中点的总数；A '为正交变换矩阵第k次迭代的显示解。

5.根据权利要求2所述的3D图像点云匹配方法，其特征在于，所述采用Sinkhorn‑knopp算法，根据正交变换矩阵第k次迭代的显示解和拉伸变换矩阵第k次迭代的显示解，确定点云间指派矩阵第k次迭代的迭代解，具体公式为：k

其中：γ为点云间指派矩阵，γ 为点云间指派矩阵γ第k次迭代的迭代解；Π为点云间指派矩阵的集合；C由正交变换矩阵第k次迭代的显示解和拉伸变换矩阵第k次迭代的显示k' k' 2 k' k'解确定，且C＝||A Xi‑B Yj|| ；A 为正交变换矩阵第k次迭代的显示解；B 为拉伸变换矩阵第k次迭代的显示解；Xi为第一点云X中的第i个点，i＝1,…,n，n为第一点云X中点的总数；Yj为第二点云Y中的第j个点，j＝1,…,m，m为第二点云Y中点的总数；Ω(γ)为正则项；ε为正则化系数，且ε＞0。

6.根据权利要求2所述的3D图像点云匹配方法，其特征在于，所述拉伸变换矩阵第k次迭代的显示解的具体公式为：k'

其中：B 为拉伸变换矩阵B第k次迭代的显示解； 为点 的第l个分

量，且 n为第一点云X中点的总数； yjl为点Yj的第l个

分量，Yj为第二点云Y中的第j个点，j＝1,…,m，m为第二点云Y中点的总数；Π为点云间指派矩阵的集合； 为第一点云X中的第i个点Xi与第二点云Y中的第j个点Yj的匹配程度γij的第k‑1次迭代的迭代解；

所述正交变换矩阵第k次迭代的显示解的具体公式为：

k' T

A ＝UV

k' k'

其中：A 为正交变换矩阵A第k次迭代的显示解；U、V分别为对A 进行奇异值分解后得到的两个标准正交矩阵。

7.一种3D图像点云匹配系统，其特征在于，所述系统包括：

数据获取模块，用于获取室内真实场景的3D图像点云数据集；所述3D图像点云数据集包括待匹配的第一点云和第二点云；所述第一点云与所述第二点云部分重叠；

模型构建模块，用于根据所述第一点云和所述第二点云，以最小化点云指派代价为目标函数，构建基于最优传输的点云匹配模型；

模型求解模块，用于采用交替迭代求解算法，对所述点云匹配模型进行求解，得到最优解；所述最优解包括：最优正交变换矩阵、最优拉伸变换矩阵和最优点云间指派矩阵；

点云匹配模块，用于根据所述最优点云间指派矩阵，对所述第一点云和所述第二点云进行匹配，得到匹配后点云；所述匹配后点云用于重建所述室内真实场景的3D图像；

所述点云匹配模型的具体公式为：

其中：A为正交变换矩阵；B为拉伸变换矩阵；γ为点云间指派矩阵；γij为第一点云X中的第i个点Xi与第二点云Y中的第j个点Yj的匹配程度，i＝1,…,n，n为第一点云X中点的总数，j＝1,…,m，m为第二点云Y中点的总数；Ω(γ)为正则项，且 ε为正则化系数，且ε＞0；Ο(3)为3阶正交矩阵的集合；∧(3)为3阶对角矩阵的集合；Π为点云间指派矩阵的集合；I为分量全为1的列向量； 为3×3的实矩阵的集合； 为n×m的正实矩阵的集合；μ为第一点云X的概率分布；ν为第二点云Y的概率分布；λq为对角矩阵中第q行第q列元素的值，且q＝1,2,3。

8.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行如权利要求1至6中任意一项所述的3D图像点云匹配方法。

9.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任意一项所述的3D图像点云匹配方法。