1.一种基于向量权重的激光雷达室内定位方法，其特征在于，包括：S1：全站仪对现场进行扫描，获得原始的高精度、静态全站仪原始点云数据，将全站仪原始数据中的冗余信息剔除，对所存在的噪声进行滤除；

S2：构建激光雷达点云数据；

S3：对激光雷达点云模型和全站仪点云模型进行投影，并筛选以及剔除投影图中的微弱特征；

S4：将所述全站仪投影网格图分别与激光雷达投影网格图进行重叠度卷积运算，将运算得出的最大卷积结果作为激光雷达点云与全站仪点云在全局坐标系下的绕图像自转中心的匹配度数，并对全站仪点云投影进行旋转，从而完成全站仪点云与激光雷达点云的初步匹配；

S5：在进行重叠度卷积运算获得初步匹配度数后，依据现场的实际分布，选取出特征最稳定，且特征信息最丰富的区域作为待初筛基准区域，对各个待初筛基准区域的点云进行插值滤波处理，依据各个待初筛基准区域的位置边界值来设定网格大小，采用自然领域插值法往点云边界内的网格填充点，待插值处理过后进行卷积平滑处理；

S6：将进行过插值和平滑处理后的点进行面拟合处理，得到符合基准要求的全站仪点云点集，然后将符合要求的全站仪点云点集作为全站仪初筛基准区域的点云集合；

S7：根据各个全站仪初筛基准区域的初筛结果,再次进行迭代筛选全站仪基准特征，在迭代筛选全站仪基准特征前，设置第t次迭代的筛选特征区间εt，面积阈值Sroi，同时计算筛选特征区间的轮廓面积S；

所述S7中计算筛选特征区间的轮廓面积S的具体步骤包括：第一步，初始化筛选特征区间εt，令筛选特征区间εt与全站仪初筛基准区域的区间大小一致；

第二步，筛选特征区间εt遍历全站仪初筛基准区域，判断是否存在非基准特征；

第三步，让i＝i+1；

若i/3余1，则将εt的长度区域进行缩减并回到第一步；

若i/3余2，则将εt的宽度区域进行缩减并回到第一步；

若i/3余0，则t＝t+1,将εt‑1的宽度和长度区域都进行缩减并更新为εt，接着跳转到第一步；

通过特征精筛提取后，筛选出总共k个全站仪的基准特征，然后利用向量权重计算对全站仪的基准特征和激光雷达的扫描信息进行对比调整。

2.根据权利要求1所述的一种基于向量权重的激光雷达室内定位方法，其特征在于，所述步骤S2包括：S21：定点扫描现场环境并生成多帧不同视角的激光雷达点云数据；

S22：将多帧不同视角的激光雷达点云数据进行拼接；

S23：将激光雷达原始点云数据中的冗余数据进行剔除，经点云预处理后，构建激光雷达点云数据。

3.根据权利要求2所述的一种基于向量权重的激光雷达室内定位方法，其特征在于，所述点云预处理包括滤波操作。

4.根据权利要求1所述的一种基于向量权重的激光雷达室内定位方法，其特征在于，所述步骤S3，具体包括：将全站仪点云投影图信息以图像中心的自转轴进行以步长为1度的

359次顺时针旋转，并把0度和旋转了359次的图信息分别保存到360个网格图像中。

5.根据权利要求1所述的一种基于向量权重的激光雷达室内定位方法，其特征在于，所述S6中拟合处理，具体为：S61：对于三维点云空间中的点集存在N个点{p1(x1,y1,z1),p2(x2,y2,z2),…,pN(xN,yN,zN)}，且N>2，N为点集里的总点数。

通过对三维点云集合的N个点求均值获得点云集合位置均值，点云集合位置均值 为xi，yi，zi分别为第i个点的x轴，y轴，z轴坐标数据。

则向量 为

因此第一至第六平方分量分别有xx，yy，zz，xy，xz，yz，计算公式如下：S62：令平方分量矩阵为 并通过SVD对CM进行奇异值分解，其中，奇异值第三解为V＝[a,b,c],令向量参数n＝V,则T

CM＝U∑V，

可得出拟合平面的方程为aX+bY+cZ＝d；其中，a为第一平面参数，b为第二平面参数，c为第三平面参数，d为第四平面参数，奇异值第一解为U。

S63：将点云集合的每个点代入到方程中，可获得第i个点到拟合平面的距离di，di＝axi+byi+czi‑d若di

S64：将点云集合中符合要求的基准点再次进行一次面拟合，进而得到更新后的拟合平面参数a，b，c，d，因此更新后的拟合平面方程为aX+bY+cZ＝d。

6.根据权利要求1所述的一种基于向量权重的激光雷达室内定位方法，其特征在于，所述向量权重法的步骤具体包括：(a)根据各个全站仪基准特征的全局坐标位置来提取位于同个全局坐标下的k个激光雷达基准特征，然后将选定的k个激光雷达的基准特征分别进行面拟合，获得相应激光雷达基准特征的面拟合参数 且t∈[1,k]，以及拟合面法向量为同时计算出第t个激光雷达基准特征的质心Cent，*

其中， 为第t个激光雷达基准特征中的第i个点，N为第t个激光雷达基准特征中的总点数；依据激光雷达基准特征的轮廓，计算各激光雷达基准特征的体积Vt,t∈[1,k]；

(b)将激光雷达基准特征的拟合面法向量 和相应的全站仪基准特征的法向量 依次投影到yoz，xoz，xoy平面，以投影到yoz，xoz，xoy平面内的投影夹角的角度差依次作为x，y，z轴的旋转角；令x轴旋转角 y轴旋转角 z轴旋转角则各轴旋转角的计算公式如下：

其中，at，bt，ct为第t个全站仪基准特征的法向量 的参数；

(c)计算各轴旋转权重：

首先定义函数

则第t个激光雷达基准特征的x轴旋转权重 第t个激光雷达基准特征的y轴旋转权重 第t个激光雷达基准特征的z轴旋转权重 其中，表示全局坐标的单位向量；

(d)根据选定方式获得的各轴旋转权重 计算出激光雷达的全局旋转角度，

* * *

α，β，分别为激光雷达的绕x轴、y轴、z轴的全局旋转角度；

* * *

(e)将激光雷达扫描的点云依次绕z轴旋转γ 度，然后绕y轴旋转β，最后绕x轴旋转α度，并把旋转后的质心Ct(xt,yt,zt)代入相应的全站仪基准特征的面拟合方程,求出第k个激光雷达基准特征的质心Ct到相应全站仪基准特征的距离偏差x轴、y轴和z轴的平移量计算公式如下：

(f)根据各轴平移量rx，ry，rz来平移更新k个激光雷达基准特征的质心Ct，然后将更新后的质心Ct继续代入相应的全站仪基准特征的面拟合方程,求出第k个激光雷达基准特征的质心Ct到相应全站仪基准特征的距离偏差(g)若 则x轴的平移量rx，y轴的平移量ry，z轴的平移量rz为激光雷达点云的当前最优平移量，并进入步骤(h)，否则，继续求出x轴的平移量，y轴的平移量，z轴的平移量为然后跳转到第六步，直至找出激光雷达点云的最优全局平移量rx，ry，rz；

(h)依据rx，ry，rz来平移激光雷达数据，然后更新激光雷达点云数据；

* * *

(i)每次取最后若干次迭代的α，β，结果进行分析，若满足基准特征条件，便对基准特征进行收缩，否则迭代直至收敛或达到最大迭代次数后退出迭代。