1.基于Kabsch算法的NURBS曲线的变精度优化匹配方法，采用“先粗糙，后精细”的两步匹配方法，该方法包括对于已知的参考轨迹或期望轨迹 和轨迹库CurveBank1、CurveBank2、CurveBank3，其中， 为NURBS轨迹的节点矢量参数，轨迹库CurveBank1中含有N条NURBS轨迹 为轨迹库中第一条轨迹，j＝1,……,N，轨迹库CurveBank2中含有从CurveBank1中粗糙匹配出的n条NURBS轨迹，分割参数 和 分割CurveBank2的第j条轨迹形成临时基元Elj，基元即轨迹上的片段；轨迹库CurveBank3用来存放将临时基元Elj经旋转平移后的轨迹基元El″j参数；

步骤1，对于确定的N条曲线的曲线库CurveBank1和已知的期望曲线其“粗糙”匹配算法步骤如下：

Step1：从轨迹库CurveBank1中取一条轨迹 初始化参数T＝0,用T的大小来衡量轨迹的相似程度；

Step2：初始化搜索步长v＝1和分割参数

Step3：判断 与 是否满足相似度条件lrms<ε，若满足跳

入4),若不满足，则令v＝v/2， 跳入Step5；

Step4：判断是否满足 若满足则进行T＝T+1，跳入6)，若不满足，则令v＝v/2，T＝T+1跳入Step5；

Step5：判断搜索步长v的大小，是否满足abs(v)<β，β表示终止搜索步长；若满足，将期望轨迹未匹配部分进行归一化，跳入Step2，若不满足则跳入Step3；

Step6：将T的大小与设定的相似阈值χ进行比较，判断是否满足T>χ，若满足则将该轨迹保存到轨迹库CurveBank2中，若不满足则不输出该轨迹；跳入Step1；

通过以上匹配算法从曲线库CurveBank1中搜索出n条含有较多与期望轨迹相似特征的轨迹,即含有较多与期望轨迹相似的片段，并将其放入轨迹库CurveBank2中，n<

步骤2，接着提高相应的匹配精度指标对含有n条轨迹的轨迹库CurveBank2的轨迹进行“精细”匹配，得到m条轨迹基元，该部分已有相关文献说明，不再赘述；

该部分得到匹配基元Elj，j＝1,……,m，El″j为匹配基元Elj在其质心坐标系{j}下的表示，对其进行旋转和平移变换后保存到曲线库CurveBank3中；组合旋转平移后的匹配基元El″j，j＝1,……,m，获得ILC参考轨迹的S(CS(0),CS(1))的相似参考轨迹；

通过以上“粗糙，精细”两个阶段的匹配，得出一条满足匹配进度的组合轨迹

2.根据权利要求书1中所述的基于Kabsch算法的NURBS曲线的变精度优化匹配方法，其特征在于：步骤1中的Step6中的轨迹相似阈值的获取方法是：初始化一个变量T，期望轨迹上的一片段与某一基元满足相似性条件lrm<ε时，则做T+1运算，ε是对两个基元利用Kabsch算法计算得到，如果期望轨迹与一条轨迹的相似度很高时，则该条轨迹存在多个与期望轨迹片段满足相似度ε的基元，那么T的值就相对较大，验证了以T的大小来衡量两整条轨迹的相似程度的合理性；设定合理的阈值χ，当T>χ时，称期望轨迹与轨迹库中选出的该条轨迹相似，称χ为轨迹相似阈值。