1.一种基于高斯超拉普拉斯分布的线结构光中心提取方法，其特征在于，包括以下步骤：根据采集的横向线结构光图像，基于邻域梯度确定线结构光的光条上下边界，并根据所述光条上下边界之间的坐标差值确定线结构光的光条宽度；其中，所述基于邻域梯度确定线结构光的光条上下边界，包括：根据采集的线结构光图像，遍历每一列像素点的灰度值且向后若干位作差，根据所述若干位作差的均值确定对应像素点的梯度值差；在每一列中，根据每个像素的梯度值差小于零且绝对值大于预设阈值确定若干第一候选边界，并根据梯度值差大于零且大于预设阈值确定若干第二候选边界；按照遍历方向，将首次出现的第一候选边界在前，且第二候选边界在后的相邻两边界进行匹配，得到线结构光的两个光条边界；

在所述光条边界区域内，对每列的灰度值最大的点分别向两侧扩展两倍的线结构光条宽度以确定拟合区间；

在所述拟合区间内对线结构光的每列灰度值进行曲线拟合，得到线结构光每列像素关于灰度值的目标曲线，其中，所述曲线拟合根据高斯分布曲线和超拉普拉斯分布曲线加权后确定；

根据所述目标曲线的极大值点确定线结构光中心坐标。

2.根据权利要求1所述的基于高斯超拉普拉斯分布的线结构光中心提取方法，其特征在于，所述预设阈值根据当前列像素灰度的最大值与最小值之差的一半确定。

3.根据权利要求1所述的基于高斯超拉普拉斯分布的线结构光中心提取方法，其特征在于，所述在所述拟合区间内对线结构光的每列灰度值进行曲线拟合，包括根据如下曲线进行拟合：（0<α<1）；

其中，A、B、C为高斯分布曲线的待拟合参数，D、E、F为超拉普拉斯分布曲线的待拟合参数，为每列的像素行坐标，为超拉普拉斯函数的系数，为权重值、为补偿常量系数。

4.根据权利要求3所述的基于高斯超拉普拉斯分布的线结构光中心提取方法，其特征在于，在 和 区间，小于0.5，在 和 区之外，大于0.5；

其中， 为高斯分布曲线中对应的平均值，为对应的方差。

5.根据权利要求3所述的基于高斯超拉普拉斯分布的线结构光中心提取方法，其特征在于，根据拟合区间内 在 和 之外的所有点的均值确定；

其中， 为高斯分布曲线中对应的平均值，为对应的方差。

6.根据权利要求1所述的基于高斯超拉普拉斯分布的线结构光中心提取方法，其特征在于，所述基于邻域梯度确定线结构光的光条边界之前，还包括：采用高斯滤波对所述线结构光图像进行处理。

7.一种基于高斯超拉普拉斯分布的线结构光中心提取装置，其特征在于，包括：

定位模块，用于根据采集的横向线结构光图像，基于邻域梯度确定线结构光的光条上下边界，并根据所述光条上下边界之间的坐标差值确定线结构光的光条宽度；其中，所述基于邻域梯度确定线结构光的光条上下边界，包括：根据采集的线结构光图像，遍历每一列像素点的灰度值且向后若干位作差，根据所述若干位作差的均值确定对应像素点的梯度值差；在每一列中，根据每个像素的梯度值差小于零且绝对值大于预设阈值确定若干第一候选边界，并根据梯度值差大于零且大于预设阈值确定若干第二候选边界；按照遍历方向，将首次出现的第一候选边界在前，且第二候选边界在后的相邻两边界进行匹配，得到线结构光的两个光条边界；

扩展模块，用于在所述光条边界区域内，对每列的灰度值最大的点分别向两侧扩展两倍的线结构光条宽度以确定拟合区间；

拟合模块，用于在所述拟合区间内对线结构光的每列灰度值进行曲线拟合，得到线结构光每列像素关于灰度值的目标曲线，其中，所述曲线拟合根据高斯分布曲线和超拉普拉斯分布曲线加权后确定；

提取模块，用于根据所述目标曲线的极大值点确定线结构光中心坐标。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于高斯超拉普拉斯分布的线结构光中心提取方法。