1.基于现场参照物的三维点云的实时标定方法，其特征在于，包括以下步骤：

S1：准确测定固定参照物位置，为后期矿车（1）测量作外参标定；

S2：两侧激光雷达（6）提取建筑物点云，完成标定；

S3：驾驶所述矿车（1）进入矿车装料通道，两侧所述激光雷达（6）获取所述矿车（1）双侧点云，并对获取点云图片进行预处理，以对背景冗余点云数据进行过滤，完成点云下采样，点云去背景，两侧点云融合，得到处理后点云数据信息；

S4：根据所述矿车（1）点云数据，对不同类型的所述矿车（1）的车厢（4）进行特征识别；

S5：依据所述S2的标定结果计算所述车厢（4）的长宽高；

S6：检测所述车厢（4）上的横梁（5）或车内障碍，指引下料口；

S7：实时监测所述矿车（1）装料状态，预测并指引下料口动作，直至装料完成；

矿车装料通道包括地面（3）及两侧墙壁（2），在两侧所述墙壁（2）上分别固定连接对称的立柱（7），在两侧所述墙壁（2）上分别固定连接所述激光雷达（6），所述立柱（7）为固定参照物；

S21：首先需要在真实世界中选取标定物，选取四根固定的所述立柱（7）作为标定物，根据现实立柱之间的位置关系，使用solidworks制作立柱的标准模型，并离散为点云数据；

S22：在solidworks中构建立柱标准点云模型，以XOY面为底面，以一个所述立柱（7）为原点，建立已知模型的坐标系，完成立柱（7）标定。

2.根据权利要求1所述的基于现场参照物的三维点云的实时标定方法，其特征在于：每个所述激光雷达（6）处于对称的所述立柱（7）中间位置。

3.根据权利要求1所述的基于现场参照物的三维点云的实时标定方法，其特征在于：所述S3包括：S31：对矿车点云数据进行下采样处理，采用体素滤波器进行点云数据的下采样简化，在降低点密度的同时能够保持点云数据的形状特征，针对输入的点云数据特点找出最小的立方体素栅格，选取最小的立方体素栅格的边长，将立方体栅格依据边长划分成 个小栅格，该立方体栅格由小栅格的集合组成，将点云划分到相应的小栅格中，用每个小立方体栅格的质心代表该立方体内的其他点云，通过质心替代的方法无须建立点与点之间的拓扑结构来降低点云密度；

S32：通过滤波器滤除背景信息点云，保留矿车点云数据，通过滤波器过滤掉指定方向上取值不在自定义阈值范围内的点，达到滤波和提取感兴趣区域的目的；

S33：两侧所述激光雷达（6）进行所述矿车（1）点云数据采集，两个所述激光雷达（6）扫描获得的点云数据都有各自的坐标系，需要通过点云配准，将点云坐标系统一。

4.根据权利要求3所述的基于现场参照物的三维点云的实时标定方法，其特征在于：所述S4主要针对不同类型的所述矿车（1）进行所述车厢（4）的识别与分割，将所述车厢（4）与所述矿车（1）进行分割，便于后期尺寸测量。

5.根据权利要求4所述的基于现场参照物的三维点云的实时标定方法，其特征在于：执行所述S4时，将已处理完矿车点云与立柱标准点云融合，过程为：S41：将已处理完矿车点云数据导入立柱标准点云，获得立柱标准点云模型与矿车点云的相对位置关系；

S42：矿车点云中，所述立柱（7）距离所述激光雷达（6）的距离是固定的，所以根据已知的位置关系，从矿车点云中分割出所述立柱（7）的点云数据，使用ICP算法，将扫描点云配准到立柱标准点云。

6.根据权利要求5所述的基于现场参照物的三维点云的实时标定方法，其特征在于：车内障碍的位置影响所述矿车（1）装料的下料口位置，通过所述激光雷达（6）采集到的所述矿车（1）点云数据，障碍物点云簇中点云是紧密相邻的，而不同的障碍物点云簇之间存在一定的距离，根据这个规律，基于欧式距离将障碍物进行聚类分割，以此确定障碍物位置，保证下料口在下料时不被障碍物影响。

7.根据权利要求5所述的基于现场参照物的三维点云的实时标定方法，其特征在于：所述S5依据所述S2的标定结果计算所述矿车（1）相对偏移角度、所述车厢（4）长宽高及车内障碍位置，ICP算法具体到各个参数的测量。

8.根据权利要求7所述的基于现场参照物的三维点云的实时标定方法，其特征在于：所述S5的具体步骤为：S51：将ICP计算出的转换矩阵应用于矿车点云，转化矿车点云；

S52：转换完成后的点云，其中所述立柱（7）的位置是已知的，任意选取所述矿车（1）上某点可获取该点相对于已知位置的位移关系，基于以上关系，可得到矿车的长、宽、高以及车内障碍位置各种参数。