1.基于点云数据的三维模型表面平整度优化方法，其特征在于，包括以下步骤：步骤S1：数据的采集与处理

根据预先规划好的采集线路及采集顺序，进行建筑原始激光点云数据采集工作，然后对数据进行预处理；

步骤S2：不平整点云的识别与优化

对经过预处理的点云数据进行坐标转换、特征识别，获取不平整点云，然后对其进行平整度优化，多次优化之后得到平整点云，实现基于点云数据的三维模型表面平整度优化；

在所述步骤S2中，不平整点云的识别与优化过程如下：步骤S21：对平面点云进行坐标转换处理；

步骤S22：对平面点云上每个点使用特征值法得到局部平面法向量；

步骤S23：根据相邻局部平面法向量角度变化和设定的阈值进行比较，得到不平整点云和平整点云；

步骤S24：建立KD‑Tree，计算不平整点云邻域半径内的平整点云的平均坐标值，用此来代替不平面点云的坐标，完成一次平整度优化；

步骤S25：对完成一次平整度优化的平面点云进行不平整点云的识别，检查是否存在不平整点云，如果存在则继续迭代优化，直至检查结果显示没有不平整点云或达到迭代次数；

步骤S26：输出优化后的点云数据；

在所述步骤S24中，不平整点云的优化过程如下：步骤S241：建立KD‑Tree数据结构，用于搜索点云中的邻域点；

步骤S242：确定邻域半径RL，该半径定义了搜索邻域的范围；

步骤S243：使用建立的KD‑Tree和邻域半径RL，定位每个不平整点云在邻域半径RL内的所有平整点云；

步骤S244：计算邻域半径RL内平整点云的平均值，公式如下：;

其中，q是邻域半径RL内平整点云的总数；

步骤S245：用计算得到的坐标平均值代替不平整点云的坐标；

步骤S246：更新点云数据，得到第一次平整度优化后的平面点云。

2.根据权利要求1所述的基于点云数据的三维模型表面平整度优化方法，其特征在于，在所述步骤S1中，建筑原始激光点云数据采集过程如下：步2骤S101：在建筑四周布设设定数量的靶标控制点；

步骤S102：采用RTK测量仪、水准测量仪获取靶标控制点的平面坐标与高程；

步骤S103：采用地面式激光扫描系统获取建筑原始激光点云数据；

步骤S104：选取预设的靶标控制点来检查原始激光点云数据的平面、高程精度。

3.根据权利要求2所述的基于点云数据的三维模型表面平整度优化方法，其特征在于，在所述步骤S1中，数据预处理的过程如下：步骤S111：采用统计滤波将建筑原始激光点云数据中的高频噪声点去除；

步骤S112：采用CSF模拟布料滤波算法，对地面点和非地面点进行分离；

步骤S113：采用RANSAC算法对点云数据进行多平面分割处理，得到各个面的平面点云；

步骤S114：采用均匀体素滤波器对平面点云进行下采样处理，得到待检测的平面点云，即得到经过预处理的点云数据。

4.根据权利要求1所述的基于点云数据的三维模型表面平整度优化方法，其特征在于，在所述步骤S21中，平面点云坐标转换过程如下：步骤S211：对平面点云使用特征值法得到四个平面参数a0、b0、c0、d0；

步骤S212：计算平面点云的平面法向量与Z轴法向量夹角以及旋转轴的单位向量；

其中，夹角计算公式为：

;

旋转轴单位向量计算公式为：

;

其中，A=－d0/a0，B=‑d0/b0；

步骤S213：构造罗德里格斯旋转矩阵对平面点云进行坐标转换。

5.根据权利要求4所述的基于点云数据的三维模型表面平整度优化方法，其特征在于，在所述步骤S213中，罗德里格斯旋转矩阵 公式为：;

其中，是夹角， 是旋转轴单位向量的X方向分量， 是旋转轴单位向量的Y方向分量，是旋转轴单位向量的Z方向分量。

6.根据权利要求1所述的基于点云数据的三维模型表面平整度优化方法，其特征在于，在所述步骤S22中，局部平面法向量的计算过程如下：步骤S221：点云中每个点 的邻域点集为，该邻域点集包括点 和k个邻域

点；

步骤S222：利用邻域点集 内的所有点进行特征值法计算得到局部平面法向量集合 ；

步骤S223：将计算得到的局部平面法向量 与点云 相关联。

7.根据权利要求1所述的基于点云数据的三维模型表面平整度优化方法，其特征在于，在所述步骤S23中，不平整点云的识别过程如下：步骤S231：计算相邻两个平面的法向量夹角，即两个相邻点的局部平面法向量之间的夹角，夹角计算公式如下：;

得到相邻平面的夹角；

步骤S232：为夹角设定一个阈值T，用于区分平整点云和不平整点云；

步骤S233：比较每个点的局部平面法向量与邻域点的局部平面法向量之间的夹角与阈值T，如果夹角 大于或等于阈值T，则认为该点为不平整点云，否则为平整点云；

步骤S234：根据所有标记为不平整点云的点，建立不平整点云的索引列表。

8.根据权利要求1所述的基于点云数据的三维模型表面平整度优化方法，其特征在于，在所述步骤S25中，验证并迭代的过程如下：步骤S251：对经过步骤S24优化后的点云数据进行验证，通过重新计算每个点的局部平面法向量，检验是否满足要求；

步骤S252：设定迭代终止条件，条件为识别不出不平整点云或迭代次数限值；

步骤S253：如果存在剩余的不平整点云，重复步骤S22至S24的局部平面拟合、不平整点云识别和优化过程，直到满足迭代终止条件，即没有新的不平整点云被识别或达到预设的迭代次数。