1.一种单激光雷达的点云数据拼接方法，其特征在于，包括获取点云数据并进行滤波去噪，所述点云数据包括源点云数据与目标点云数据，选取点云数据中多个特征点作为基准点，通过基准点的特征信息确定动态邻域，获得动态邻域内除基准点以外的点在特定方向上到基准点的投影距离，以累计直方图的形式统计投影距离作为基准点的局部特征；

计算两组特征点的累计直方图之间的卡方距离，当卡方距离最小时，认为是最佳匹配对，保留两组特征点作为最佳匹配对并剔除卡方距离大于阈值的匹配对；通过最佳匹配对计算源点云数据与目标点云数据之间的矩阵变换，通过矩阵变换完成源点云数据与目标点云数据的拼接。

2.根据权利要求1所述的一种单激光雷达的点云数据拼接方法，其特征在于，所述特征信息包括局部平均曲率、点云密度和基于曲率的小波变换细节系数。

3.根据权利要求1所述的一种单激光雷达的点云数据拼接方法，其特征在于，滤波去噪包括对于点云数据中的第 个点 ,选取距离 最近的 个点作为邻域点集合，计算点 到 个邻域点的距离均值 ：；

式中， 为 到邻域点集合的其他点 的距离：；

点云数据中所有点到邻域点均值的平均距离为 ：；

标准差为：

；

其中， 为点云数据中点的数量；

设标准差倍数为 ，如果点的平均距离 满足 ，保留该点，否则剔除该点。

4.根据权利要求2所述的一种单激光雷达的点云数据拼接方法，其特征在于，选取点云数据中多个特征点包括，根据点云数据计算包围点云数据的最小包围盒，求取包围盒在X、Y、Z三个方向上的最大和最小值 、 、 、 、 、 ，最小包围盒的边长为 、 、 ：

；

将最小包围盒的边长在X、Y、Z三个方向上分别等分为 、 、 份，最小包围盒被分为× × 份小栅格，每个小栅格的边长分别为 、 、 ：；

计算出每个小栅格内的点云数据的重心 ：；

式中， 是小栅格内第 个点云数据， 是小栅格内点云数据总数，用每份小栅格内距离重心最近的点作为特征点 。

5.根据权利要求4所述的一种单激光雷达的点云数据拼接方法，其特征在于，局部平均曲率和点云密度包括，计算每个小栅格内的 的最大主方向，通过栅格内的其他点构建协方差矩阵 ：；

对 进行特征值分解得到特征值 、 、 ， > > ，特征值对应的特征向量为、 、 ，得出 的最大主方向 ，通过小栅格内第个点云数据的协方差矩阵计算出其他点的特征值为 、 、 ， > > ，小栅格内的第 个点云数据的曲率 为：；

输入曲率的顺序按照每个点在栅格内的最大主方向的次序决定；

小栅格内点的平均曲率为 ：

；

小栅格内的点云密度 为：

。

6.根据权利要求5所述的一种单激光雷达的点云数据拼接方法，其特征在于，基于曲率的小波变换细节系数包括，将 作为输入信号 进行小波变换：；

选择DB4作为小波基，对 进行离散小波变换，DB4小波变换包括两个滤波器用于提取信号的低频部分的低通滤波器和用于提取信号的高频部分的高通滤波器，对输入曲率信号使用DB4的小波滤波器进行低通逼近滤波和高通细节滤波，低通滤波得到逼近系数 ，高通滤波得到细节系数 ，之后将这两个系数进行下采样，下采样时每个两个样本取一个数据点，经过第一层变换以后，曲率信号 为：；

第一层变换完成后，对第一层的 再次进行小波变换，得到第二层的逼近系数和细节系数 ：；

重复变换，直至达到预设的分解层数 ，输入曲率信号分解为逼近系数 和细节系数 ：；

取出细节系数部分，计算这部分细节系数的平方和，得到基于曲率的小波变换细节系数 ：；

式中，表示第 层变换。

7.根据权利要求6所述的一种单激光雷达的点云数据拼接方法，其特征在于，确定动态邻域包括：；

式中， 是动态邻域， 是用于控制邻域的整体尺度的比例系数，根据邻域内平均点的间距确定， 是第 个点云数据的局部点云密度。

8.根据权利要求7所述的一种单激光雷达的点云数据拼接方法，其特征在于，局部特征包括在基准点的 上计算特征点 的 范围内的第 个点云数据 到 的投影距离 ：；

计算完所有点的 后，绘制累计直方图，将最小和最大的投影距离 分别作为起始点、终止点，中间分为多个等间隔的区间，将累计投影距离在每个距离区间内的点的个数构成一个以 为参考的投影距离累计直方图：；

式中， 为第个点云数据对应的区间 内点的个数， 表示计数。

9.根据权利要求8所述的一种单激光雷达的点云数据拼接方法，其特征在于，卡方距离包括：；

式中， 为源点云数据中第 个点云数据的 ， 为目标点云数据中第 个点云数据的 。

10.根据权利要求9所述的一种单激光雷达的点云数据拼接方法，其特征在于，矩阵变换包括，计算源点云数据与目标点云数据的质心：；

；

式中， 是源点云数据的质心， 是第 个源点云数据， 是目标点云数据的质心，是第个目标点云数据，将两组数据中的每组匹配对从质心进行平移，使质心对齐到原点：；

；

式中， 和 是平移后的 和 ；

平移后的 和 的质心都位于原点，计算协方差矩阵 ：；

对 进行奇异值分解：

；

式中，和 是正交矩阵， 为包含奇异值的对角矩阵，旋转矩阵 为：；

计算平移向量 ：

；

将源点云数据变换到目标点云数据中：；

完成点云数据的拼接。