1.一种基于混合框架的三维模型配准方法，其特征在于，该方法包括如下步骤：S1、输入源三维模型和目标三维模型，根据两种三维模型的制定相机姿态渲染图像，获取两种模型的相机姿态集合；

S2、计算每张源三维模型的图像相对于目标三维模型图像的空间相对姿态集合；对空间相对姿态集合进行二阶段团搜索，得到粗姿态；

所述计算每张源三维模型的图像相对于目标三维模型图像的空间相对姿态集合具体包括：首先计算张源三维模型的图像相对于目标三维模型图像的相对姿态集合{}；再通过 计算得到空间相对姿态集合 ；其中 为源三维模型

的相机姿态集合， 为目标三维模型的相机姿态集合；

所述二阶段团搜索包括第一阶段的极大团搜索和第二阶段的最大团搜索；

所述极大团搜索具体为：定义长度为 的等差数列 作为候选旋转误差列表，其中的最大值不得超过2.0，最小值不得小于0.0；长度为 的等差数列 作为候选平移误差列表，其中 的最大值不得超过1.0，最小值不得小于0.0，每个候选旋转误差与候选平移误差组合，组成长度为 的候选参数列表Candidate_list，随后以空间相对姿态集合POSE_spatial为图结点建图，对于每个图，识别所有极大团并按团的规模降序排序，通过选一留一的方式选择前 K 个极大团，对团中的旋转向量取均值，并利用罗德里格斯公式换算为旋转矩阵，随后对团中的平移向量取均值，并将平均旋转矩阵和平均平移向量组合得到POSE_candidate，最终得到 个候选姿态POSE_candidate；

所述最大团搜索具体为：采用一阶段定义的 的均值以及 的均值作为约束，以POSE_candidate为结点采用和一阶段相同的建图方式建图后寻找最大团，最大团以同一阶段一样的方式求均值得到粗姿态POSE_coarse；

 S3、从源三维模型和目标三维模型中分别提取源点云和目标点云，使用动态ICP进行迭代配准，具体为：设置最大迭代次数、采样范围、旋转误差阈值和平移误差阈值，迭代过程中将粗姿态作为初始的变换矩阵对源点云进行变换得到新的源点云，对目标点云进行配准，更新变换矩阵并计算旋转误差和平移误差阈值，直至达到最大迭代次数或误差达到阈值后完成迭代配准过程，得到精配准结果。

2.根据权利要求1所述的一种基于混合框架的三维模型配准方法，其特征在于，所述根据两种三维模型的制定相机姿态渲染图像中，每张图像的姿态呈球状分布。

3.根据权利要求1所述的一种基于混合框架的三维模型配准方法，其特征在于，所述相对姿态集合{ }通过图像间的关联点对集合得到，或使用深度学习模型端到端地得到图像间的相对姿态。

4.根据权利要求1所述的一种基于混合框架的三维模型配准方法，其特征在于，所述以空间相对姿态集合POSE_spatial为图结点建图包括：对Candidate_list中的每个参数组合，候选参数列表中的旋转误差为 ，候选参数列表中的平移误差为 ，对于任意两个姿态 和 ，其旋转矩阵分别是 ， ，位移向量分别是和 ，，若满足

，

则意味着 和 之间存在边，其中，Rod(·)表示罗德里格斯

旋转公式，|·|为取向量模长，&代表与运算；确定图结点和边后确定一个图，通过Candidate_list中 个候选参数组合，确定 个图，其中每个图的结点都是POSE_spatial，边都是不同的。

5.根据权利要求1所述的一种基于混合框架的三维模型配准方法，其特征在于，所述动态ICP中，将粗姿态作为初始的变换矩阵对源点云进行变换得到新的源点云，对目标点云进行配准包括：对每个新的源点云中的点，找到它离目标点云最近的点，并按从小到大排序，找到其中分位数的距离prior，找到其中 分位数的距离rear，并找出所有距离在prior和rear之间的点对{p,q}，其中M为最大迭代次数，s为采样范围，m为本次迭代次数；

对{p,q}以奇异值分解的方式计算迭代间变换矩阵 ，其中旋转部分为 ，平移部分为 ，计算第m次迭代的结果，旋转部分为 ，平移部分为，组合为 ；

若 与 的旋转误差小于旋转误差阈值 且 与 的平移误差大于 ，那么将 与 的旋转误差赋值 ，将 与 的平移误差赋值 ，m=m+1，判定是否达到最大迭代次数；若未达到最大迭代次数则继续迭代，否则输出 ，  作为POSE_fine。

6.根据权利要求5所述的一种基于混合框架的三维模型配准方法，其特征在于，所述旋转误差的计算包括：；其中 为 的迹，值为

， ；

所述平移误差包括： 。

7.一种基于混合框架的三维模型配准系统，其特征在于，该系统包括粗配准模块和精配准模块；

所述粗配准模块用于：输入源三维模型和目标三维模型，根据两种三维模型的制定相机姿态渲染图像，获取两种模型的相机姿态集合；计算每张源三维模型的图像相对于目标三维模型图像的空间相对姿态集合；对空间相对姿态集合进行二阶段团搜索，得到粗姿态；

所述计算每张源三维模型的图像相对于目标三维模型图像的空间相对姿态集合具体包括：首先计算张源三维模型的图像相对于目标三维模型图像的相对姿态集合{}；再通过 计算得到空间相对姿态集合 ；其中 为源三维模型

的相机姿态集合， 为目标三维模型的相机姿态集合；

所述二阶段团搜索包括第一阶段的极大团搜索和第二阶段的最大团搜索；

所述极大团搜索具体为：定义长度为 的等差数列 作为候选旋转误差列表，其中的最大值不得超过2.0，最小值不得小于0.0；长度为 的等差数列 作为候选平移误差列表，其中 的最大值不得超过1.0，最小值不得小于0.0，每个候选旋转误差与候选平移误差组合，组成长度为 的候选参数列表Candidate_list，随后以空间相对姿态集合POSE_spatial为图结点建图，对于每个图，识别所有极大团并按团的规模降序排序，通过选一留一的方式选择前 K 个极大团，对团中的旋转向量取均值，并利用罗德里格斯公式换算为旋转矩阵，随后对团中的平移向量取均值，并将平均旋转矩阵和平均平移向量组合得到POSE_candidate，最终得到 个候选姿态POSE_candidate；

所述最大团搜索具体为：采用一阶段定义的 的均值以及 的均值作为约束，以POSE_candidate为结点采用和一阶段相同的建图方式建图后寻找最大团，最大团以同一阶段一样的方式求均值得到粗姿态POSE_coarse；

所述精配准模块用于：从源三维模型和目标三维模型中分别提取源点云和目标点云，使用动态ICP进行迭代配准，具体为：设置最大迭代次数、采样范围、旋转误差阈值和平移误差阈值，迭代过程中将粗姿态作为初始的变换矩阵对源点云进行变换得到新的源点云，对目标点云进行配准，更新变换矩阵并计算旋转误差和平移误差阈值，直至达到最大迭代次数或误差达到阈值后完成迭代配准过程，得到精配准结果。

8.一种基于混合框架的三维模型配准装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，其特征在于，所述处理器执行所述可执行代码时，实现如权利要求1‑6中任一项所述的一种基于混合框架的三维模型配准方法。