1.点云缺陷检测方法，其特征在于，包括：

从预构建的k‑d树结构中获取待检测点云和参考点云；

轮询检测待检测点云中的所有数据点，分别计算待检测点云中的数据点在待检测点云邻域内和在参考点云邻域内的局部方向中心度，计算两个局部方向中心度的差值，若所述差值超过预设阈值，则所述差值对应的数据点为缺陷点；

对检测到的所有缺陷点进行聚类分割，得到缺陷区域，实现点云缺陷检测。

2.根据权利要求1所述的点云缺陷检测方法，其特征在于，所述k‑d树结构通过以下方法进行构建：对于k‑d树结构中的每一个节点，按照预设的维度将节点对应的数据点划分成两部分以创建左子树和右子树，直至每个节点只包含一个数据点；

在所述按照预设的维度将节点对应的数据点划分成两部分的过程中，基于维度方差的大小来确定划分顺序。

3.根据权利要求2所述的点云缺陷检测方法，其特征在于，所述维度方差通过以下公式进行计算：，

其中，xi、yi和zi分别是x轴、y轴和z轴方向第i个数据点的坐标值，n是x/y/z轴方向数据点的个数，、和 分别是x轴、y轴和z轴方向的坐标均值，D(x)、D(y)和D(z)分别是x轴、y轴和z轴方向的维度方差。

4.根据权利要求1所述的点云缺陷检测方法，其特征在于，所述局部方向中心度通过以下公式进行计算：，

其中，DCM是局部方向中心度，Si是第i个数据点在待检测点云邻域/参考点云邻域内邻近点连接而成的三角形的面积，是所有数据点对应的三角形的平均面积，k是需要搜索邻近点的数量。

5.根据权利要求1所述的点云缺陷检测方法，其特征在于，所述差值通过以下公式进行计算：ΔDCM=|DCMdefect‑DCMreference|，其中，DCMdefect是数据点在待检测点云邻域内的局部方向中心度，DCMreference是数据点在在参考点云邻域内的局部方向中心度，ΔDCM是两个局部方向中心度的差值。

6.根据权利要求1所述的点云缺陷检测方法，其特征在于，在进行聚类分割之前，采用半径滤波策略对缺陷点中由于误判别出现的噪声点进行去除，所述半径滤波策略包括：若缺陷点在邻域内的邻近点数量低于预设数量，将该缺陷点作为噪声点。

7.根据权利要求1所述的点云缺陷检测方法，其特征在于，通过K‑means聚类分割算法对检测到的所有缺陷点进行聚类分割。

8.点云缺陷检测装置，其特征在于，包括：

点云获取模块：用于从预构建的k‑d树结构中获取待检测点云和参考点云；

数据点检测模块：用于轮询检测待检测点云中的所有数据点，分别计算待检测点云中的数据点在待检测点云邻域内和在参考点云邻域内的局部方向中心度，计算两个局部方向中心度的差值，若所述差值超过预设阈值，则所述差值对应的数据点为缺陷点；

缺陷检测模块：用于对检测到的所有缺陷点进行聚类分割，得到缺陷区域，实现点云缺陷检测。

9.点云缺陷检测系统，其特征在于，包括：

存储器，用于存储指令；

处理器，用于执行所述指令，使得所述装置执行实现如权利要求1‑7任一项所述的点云缺陷检测方法的操作。

10.计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时，实现如权利要求1‑7中任一所述点云缺陷检测方法。