1.一种自适应点云多曲线轮廓点线性增长光顺规则化方法，其特征在于，包括如下步骤：步骤1、构建整体LSM的空间直线拟合参数方程、基于几何特征分析的二次曲线拟合参数方程及空间圆曲线拟合参数方程，从而建立轮廓点到多曲线的最短距离约束条件，即多曲线参数方程；

步骤2、基于上述约束条件，构建轮廓点线性增长算法，得到轮廓点的线性增长集合；

步骤3、利用多曲线参数方程对每个轮廓点的线性增长集合点云进行多曲线拟合，然后判断线性增长集合中各个线状点云的种类，以相应的对轮廓特征点线性增长集合进行规则化处理；

所述步骤2按照如下步骤进行：

步骤X、将轮廓特征点云利用线性区域增长算法进行线性增长，得到轮廓特征点线性增长集合，对于轮廓特征点云，所有点云标记为0，利用最邻近点搜索算法确定每个轮廓特征点的k个邻近点，将第一个邻近点作为种子点，判断其它邻近点是否属于增长的点；

R R R R

步骤Y、根据点到多曲线的距离求解方法，计算待增长的点P＝(x ,y ,z)到增长前多曲R R线的距离d，该距离d作为轮廓线性特征点增长的约束条件一；

R R R R

步骤Z、将待增长的点P＝(x ,y ,z)与增长前聚类点云组合在一起，构成增长后的线状点云 根据增长后的线状点云的多曲线参数；计算增长后的点云到线状点云多曲线的距离 该距离平均值为：该距离平均值 作为轮廓线性特征点增长的约束条件二；

步骤W、根据步骤Y与步骤Z得到的约束条件一和约束条件二，构建轮廓特征点线性区域增长的约束条件模型，如式(37)所示；

对满足式(37)的情况下的轮廓特征点进行增长，并对增长过的轮廓特征点标记为1，否则，将停止增长，并返回步骤X；重复步骤X到Z直到所有点都被标记为1，从而完成轮廓特征点云的线性增长；最终得到轮廓特征点线性增长集合Φ＝{P0,P1,P2,…,Pm}；

所述步骤3中的对轮廓特征点线性集合规则化处理，具体如下：对于轮廓特征点线性增长集合Φ＝{P0,P1,P2,…,Pm}，对于线性集合中的每个线状点云Pm＝(xm,ym,zm)，利用每个线状点云到多曲线的平均距离 代表直线平均距离， 代表二次曲线平均距离， 代表圆曲线平均距离；根据三者之间关系，判断线状点云pm属于哪一种线状点云，具体参照式(39)所示：从而根据不同类线状点云数据，采用对应方法对其进行规则化处理；

且设置规则化处理后的点云距离分辨率为对于直线型点云数据：

利用最邻近点搜索算法确定最远的两个点为 与 已知空间直线拟合一定通过中心点 对于其中任意一个最远点 计算该点与该中心点 组成的向量V1；

C

已知点云Pm的整体LSM空间直线向量V3＝[j,k,l]，计算向量V1在空间直线向量V 上的投影向量V1C；

1C 1C 1C L L L L根据投影向量V1C＝[j  k l ]，便可得到任意一个最远点P(x ,y ,z)在整体LSM空间直线上的投影坐标为：确定最远点距离df，则直线型点云的点数为：p p

根据式(44)最远点在直线上的投影坐标P1和P2，确定直线上规则化后的点坐标；

p p

式(44)中，P1和P2分布表示最远的两个点在直线上的投影坐标；

对于二次曲线型点云数据：

根据规则化前的点云距离分辨率 及点的数量mc，得到规则化后的点数为：根据式(45)，得到二次曲线的参数为：将式(46)代入到二次曲线拟合参数方程中，确定二次曲线上规则化后的点坐标；

根据空间圆曲线拟合参数方程，空间圆曲线的点坐标由角度Φ确定；进而可确定角度Φ与 及r之间的关系为：将式(47)代入到空间圆曲线拟合参数方程中，最终确定圆曲线上规则化后的点坐标。

2.如权利要求1所述的一种自适应点云多曲线轮廓点线性增长光顺规则化方法，其特征在于，所述步骤1中，构建整体LSM的空间直线拟合参数方程的构建步骤包括：假设拟合空间直线的轮廓特征点为(xi,yi,zi),i＝1,2,n，则其中心点坐标(xg,yg,zg)为根据式(1)，构建空间直线方程为：将式(2)同乘以 同时进行归一化处理，令则轮廓点空间直线方程演变为：

式中，[j,k,l]为直线向量；

根据式(3)便可得到点到空间直线的距离为：其距离平方和为

对于式(5)，fg取最小值时得到的参数，[j,k,l]为最优参数，进而可以得到以下优化解；

2 2 2

min fgs·t·j+k+l＝1     (6)fg对j、k、l求偏导数并置为0，得到将式(7)写成矩阵形式，如式(8)所示将式(8)写为系数矩阵形式

T

MX＝0s·t·XX＝1

T

对M进行特征值分解，得到M＝U∑V(9)式(9)中，U＝[U1U2U3]为左特征向量矩阵；V＝[V1V2V3]为右特征向量矩阵；∑＝diag(σ1,σ2,σ3),σ1,σ2,σ3为M的特征值；

根据式(9)得到最小特征值σ3所对应的特征向量V3，该特征向量V3为空间直线的最佳向量V3＝[j,k,l]；

由于空间直线一定通过中心点(xg,yg,zg)，则点 与中心点(xg,yg,zg)的空间向量为：根据式(10)得到V3与V1的叉乘的模的结果，如式(11)所示S＝|V3×V1|      (11)式(11)表示的是向量V3与V1构成的平行四边形的面积，同时，该平行四边形的面积也可以表达为：S＝|V3|*d(12)

R

式中，d为点P到拟合直线的距离；

R

根据式(11)与(12)，最终得到点P到拟合直线的距离为：

3.如权利要求2所述的一种自适应点云多曲线轮廓点线性增长光顺规则化方法，其特征在于，所述步骤1中，基于几何特征分析的二次曲线拟合参数方程的构建步骤包括：使用二次曲线拟合参数方程来表达空间曲线，如式(14)所示：假设用于轮廓特征点空间曲线拟合的点云为Pi＝(xi,yi,zi),i＝1,2...,n，则t＝1,

2,...n，从而式(14)写为LSM形式，如式(16)所示：V＝BX‑L(16)

式(16)中：

根据LSM求解原则，便可得到参数X，如式(17)所示：T ‑1 T

X＝(BB) BL(17)

假如空间曲线外的一点为Q0(x0,y0,z0)，则该点到空间曲线上某点的距离为：最短距离为：

c

d＝min{Q‑P|}＝min{d}(19)根据式(19)，提出基于几何特征分析的最短距离的确定方法，如下步骤所示：步骤a、等间隔确定曲线上的m个节点，计算曲线外一点Q0到空间曲线上各个节点的距离dm；

步骤b、确定最短节点距离di及曲线上的节点Qi，获得点Q0与曲线上节点Qi的向量并计算该向量 与空间曲线节点Qi切线所夹的角度α及β；如果α＜β，则最小距离点Q1在α一侧；

步骤c、确定α一侧弧段的两个节点Qi与Qi+1，取弧段内的中点QC，计算点Q0与弧段上两个端点Qi与Qi+1的距离di及di+1；如果di＜di+1，则最短距离一定位于端点Qi所在的半个区间；

步骤d、将不存在最小距离的半个区间舍弃，再取另外一半区间的中点，重复上述步骤c，直到两边的差值小于给定的阈值ξ，则所述区间所对应的中点QC为点Q0对应的最短距离c点，根据该最短距离点，便可确定最短距离d。

4.如权利要求3所述的一种自适应点云多曲线轮廓点线性增长光顺规则化方法，其特征在于，所述步骤1中，建立所述空间圆曲线拟合参数方程的构建步骤包括：根据空间点P＝(xi,yi,zi),i＝(1,2…,m)，采用整体LSM方法求解投影平面几何参数，得到的平面Π为:ax+by+cz+d＝0     (20)式(20)中，e1＝[a,b,c]为平面Π的法向量；

将该空间点投影到该平面上，根据式(20)构建空间点投影旋转矩阵为：则空间点投影平移矩阵为：

根据式(21)和(22)，便可将空间点P＝(xi,yi,zi),i＝(1,2....,m)投影到平面Π上，如式(23)所示：P'＝R1P+T(23)

为了实现平面上空间点的空间圆曲线拟合，需要将该平面上的空间点转为二维点，将投影平面Π法向量e1＝[a,b,c]与z轴方向的单位向量ez＝(0,0,1)进行叉乘，如式(24)所示：u＝ez×e1      (24)对式(24)单位化处理，如式(25)所示：根据四元素转换方法，得到旋转角度，如式(26)所示：根据式(25)和(26)，得到四元素为：q＝[cos(Φ)sin(Φ)*eu]     (27)依据该四元素，得到旋转矩阵为：

根据式(28)得到二维下的空间点坐标，如式(29)所示：P'R＝P'*R    (29)经过变换后，投影面上的空间点P'R的z轴坐标z0相同，x轴与y轴坐标在一个平面上；构建二维空间圆方程，如式(30)所示：

2 2 2

(x‑x0) +(y‑y0) ＝r(30)式(30)中：(x0,y0)为圆心，r为圆半径；

对式(30)进行分解，构建LSM间接平差函数式为：V＝MX‑L(31)

式(31)中

T

利用LSM原理，在约束条件VPV最小情况下，得到参数X：T ‑1 T

X＝(MPM) MPL(32)

式(32)中，权矩阵P为单位矩阵；

根据参数X便可得到平面圆的圆心(x0,y0)及半径r，圆心坐标OR'＝(x0,y0,z0)经过逆变换便可恢复到原坐标系中：‑1

O'＝O'R*R     (33)定义U和V为平面Π上的单位矢量，且与平面法向量e1一起构成一个右手坐标系，即：根据式(35)及圆心坐标O'、半径r，构建空间圆曲线拟合参数方程：式(35)中，

根据式(35)，便可得到空间圆曲线的点坐标，然后利用Nelder‑Mead算法确定点到空间C圆曲线的最短距离d。