1.一种机载激光雷达的点云数据可视化处理方法，其特征在于，具体包括如下步骤：S1，对原始点云数据中含有x、y和z轴坐标的.txt格式点云文件进行二进制转换；

S2，利用x或y轴的同一坐标轴的两个坐标的差值，以及x或y轴坐标数值大小判断点云数据是否为机载激光雷达点云数据；

S3，如果不是机载激光雷达点云数据，直接调用PCL函数库进行可视化显示；如果是机载激光雷达点云数据，则继续执行步骤S4；

S4，提取并保存机载激光雷达点云数据文件x、y和z轴坐标的整数与小数部分，将小数部分数据格式由.txt2转换成.pcd，精度由double转为float，对转换后的数据进行点云归一化和线性化处理；

S5，将经步骤S4处理后的数据输入到PCL函数库中的库函数addPointCloud（）进行可视化处理；

步骤S2具体包括如下步骤：

S2.1，以x坐标数值为例，读取x坐标轴的第一个数据值x1与第二个数据值的坐标x2，并计算x1与x2的坐标差值，其中x1与x2为相邻的两个数据；

S2.2，如果坐标差值小于一个单位，且x1为千万级数据，即满足公式（1）的点云数据为机载激光雷达点云数据：（x1‑x2<1）&&（x1/x2>10^8）          （1）。

2.根据权利要求1所述的一种机载激光雷达的点云数据可视化处理方法，其特征在于，步骤S4具体包括如下步骤：S4.1，提取点云数据文件x、y和z轴的整数与小数部分，将整数部分和小数部分分别存储为.txt1文件和.txt2文件；

S4.2，调用PCL库函数，将小数部分数据.txt2转换为.pcd格式的点云数据；

S4.3，对经过步骤S4.2转换后的点云数据进行归一化和线线性化处理。

3.根据权利要求2所述的一种机载激光雷达的点云数据可视化处理方法，其特征在于，步骤S4.3中的点云数据归一化具体包括如下步骤：S4.3.1，利用PLC自带库函数pcl::getMinMax3D(*cloud，Min，Max)计算x、y和z轴的最值包括：x轴的最大值max.x，x轴的最小值min.x，y轴的最大值max.y，y轴的最小值min.y，z轴的最大值max.z以及z轴的最小值min.z；

S4.3.2，计算中心点坐标:

x_m=（max.x+min.x）/2；

y_m=（max.y+min.y）/2；

z_m=（max.z+min.z）/2；

其中，x_m为x轴的中心点，y_m为y轴的中心点，z_m为z轴的中心点；

S4.3.3，计算放缩系数s:

s=max（max.x ‑ min.x, max.y ‑ min.y, max.z ‑ min.z）/2其中，max（）代表取最大值；

S4.3.4，求出每个点归一化后的结果：

points[i].x’=（points[i].x ‑ x_m) / s；

points[i].y’=（points[i].y ‑ x_m) / s；

points[i].z’=（points[i].z ‑ x_m) / s；

points[i]. x’、points[i]. y’和points[i]. z’分别为x轴、y轴和z轴归一化后的点云坐标，points[i]. x、points[i]. y和points[i]. z分别为x轴、y轴和z轴归一化前的点云坐标。

4.根据权利要求3所述的一种机载激光雷达的点云数据可视化处理方法，其特征在于，步骤S4.3中的点云数据线性化具体为：points[i].x’’=（2 *points[i]. x’ ‑ min_val ‑ max_val) / (max_val ‑ min_val)；

points[i].y’’=（2 *points[i]. y’‑ min_val ‑ max_val) / (max_val ‑ min_val)；

points[i].z’’=（2 *points[i]. z’ ‑ min_val ‑ max_val) / (max_val ‑ min_val)；

其中，points[i].x’’、 points[i].y’’和points[i].z’’分别为x轴、y轴和z轴线性化后的点云坐标，min_val表示归一化后最大值，max_val表示归一化后最大值。

5.根据权利要求4所述的一种机载激光雷达的点云数据可视化处理方法，其特征在于，步骤S5具体为：将经步骤S4.3处理后的数据输入到PCL函数库中的库函数addPointCloud（）函数进行可视化处理。