1.一种非迭代单一物体散乱点云数据的噪声处理方法，其特征是，该方法由以下步骤实现：

步骤一、获取含有噪声的初始点云数据，并将所述初始点云数据进行归一化处理，获得归一化后的点云数据；

步骤二、估算归一化后的点云数据的密度，按照估算的密度在直角坐标系中按z轴将归一化点云数据进行分层；

步骤二一、根据步骤一二归一化后的点云数据建立最小包围盒U，所述最小包围盒U的八个顶点坐标分别为A(x'min,y'min,z'min)，B(x'max,y'min,z'min)，C(x'max,y'max,z'min)，D(x'min,y'max,z'min)，E(x'min,y'min,z'max)，F(x'max,y'min,z'max)，G(x'max,y'max,z'max)，H(x'min,y'max,z'max)；

步骤二二、以z轴切割点云数据，从所述最小包围盒左侧面向右侧面沿x轴正方向移动，所述点云数据被压缩在一个平面且设定在移动过程中只有x轴坐标点的点云数据发生水平移动，估算切割点云数据的厚度δ，计算公式为：式中，N为初始点云数据总数，Sright为最小包围盒U右侧面的面积，用公式表示为：Sright＝abs(y'max-y'min)×abs(z'max-z'min)式中，abs()为绝对值符号；

步骤二三、根据步骤二二估算的点云厚度δ计算归一化后点云数据z轴切割的块层数m，用下式表示为：

步骤三、对m层中的每一层按照包围长方形的形式，去除距离点云数据主体较远的噪声点；具体过程为：

步骤三一、将第i层的点云数据取出，并计算所述第i层中的最小包围盒U'，所述第i层中的最小包围盒U'的八个坐标点更新为A'(x”min,y”min,z”min)，B'(x”max,y”min,z”min)，C'(x”max,y”max,z”min)，D'(x”min,y”max,z”min)，E'(x”min,y”min,z”max)，F'(x”max,y”min,z”max)，G'(x”max,y”max,z”max)，H'(x”min,y”max,z”max)；所述x”max，x”min，y”max，y”min，z”max，z”min分别为第i层点云数据在x轴，y轴，z轴内的最大值和最小值；

步骤三二、在步骤三一所述的最小包围盒U'中，将所述最小包围盒U'的上底面向下底面移动，当上底面完全与下底面重合时，点云数据被压缩在一个平面且设定移动过程中所有点云数据只有z轴坐标点发生水平移动，估算第i层点云数据的大尺度噪声阈值门限ζi，用公式表示为：

式中，Ni为第i层中点云数据总数，Sbottom为最小包围盒U'的下底面面积，计算公式为：Sbottom＝abs(x”max-x”min)×abs(y”max-y”min)步骤三三、计算第i层中点云数据的欧式距离d，用下式表示为：式中，Ii,j(x),Ii,j(y)是第i层中第j个点的x轴，y轴坐标，Ii,k(x),Ii,k(y)是第i层中第k个点的x轴，y轴坐标；

步骤三四、遍历第i层中每一个点云数据，计算每一个点云数据的包围长方形SE，计算公式为：

式中，boundlx，boundrx，boundxy，boundsy分别为第i层中第j个点包围长方形的四个角坐标；

步骤三五、判断每一个点的包围长形SE中是否包括至少两个该层的点云数据，如果是，则判断该点云数据不是噪声点，予以保留，如果否，将该点作为噪声点，并删除。

步骤四、将步骤三去除噪声点的点云数据再次进行密度估算，按照估算的密度在直角坐标系中按z轴将去除噪声后的点云数据进行分层；

步骤四一、将步骤三去除噪声后的点云数据建立最小包围盒V，所述最小包围盒V的八个顶点坐标分别为A”(x″′min,y″′min,z″′min)，B”(x″′max,y″′min,z″′min)，C”(x″′max,y″′max,z″′min)，D”(x″′min,y″′max,z″′min)，E”(x″′min,y″′min,z″′max)，F”(x″′max,y″′min,z″′max)，G”(x″′max,y″′max,z″′max)，H”(x″′min,y″′max,z″′max)；其中x″′max，x″min，y″′max，y″′min，z″′max，z″′min为去除噪声后的点云数据在x轴，y轴，z轴内的最大值和最小值；

步骤四二、以z轴切割点云数据，将点云数据从最小包围盒V的左侧面向右侧面靠近，当左侧面完全与右侧面重合时，所有点云数据被压缩在一个平面且设定移动过程中所有点云数据只在x轴坐标点发生水平移动，估算切割点云数据的厚度δ'，计算公式为：式中，M为去噪后点云数据总数，Sleft为最小包围盒V左侧面的面积，计算公式为：Sleft＝abs(y″′max-y″′min)×abs(z″′max-z″′min)步骤四三、根据步骤四二估算的点云数据厚度δ'，计算去噪后的点云数据沿z轴切割层数m',计算公式为

步骤五、对步骤四三中的m'中的每一层按照包围盒方法，将距离点云数据主体较远的噪声点去除，将距离点云主体较近的噪声点用双边滤波方法进行光顺，获得双边滤波后的点云数据；

步骤五一、将m'层中的第i'层点云数据取出，并计算这一层的最小包围盒V'，所述最小包围盒V'的八个顶点坐标分别为A”'(x″″min,y″″min,z″″min)，B”'(x″″max,y″″min,z″″min)，C”'(x″″max,y″″max,z″″min)，D”'(x″″min,y″″max,z″″min)，E”'(x″″min,y″″min,z″″max)，F”'(x″″max,y″″min,z″″max)，G”'(x″″max,y″″max,z″″max)，H”'(x″″min,y″″max,z″″max)。其中x″″max，x″″min，y″″max，y″″min，z″″max，z″″min是该层点云数据在x轴，y轴，z轴内的最大值和最小值；

步骤五二、在步骤五一所述的最小包围盒V'中，将最小包围盒V'的上底面向包围盒下底面移动，当上底面完全与下底面重合时，所有点云数据被压缩在一个平面且设定移动过程中所有点云数据只z轴坐标点发生水平移动，估算该层点云的小尺度噪声阈值门限λi；计算公式为：

Mi为第i'层中点云数据总数，S′bottom为最小包围盒V'底面的面积，计算公式为：S′bottom＝abs(x″″max-x″″min)×abs(y″″max-y″″min)步骤五三、在该层中计算各个点云数据的欧式空间距离d'，计算公式为:式中Ii′,j(x),Ii′,j(y)和Ii′,j(z)是第i'层中第j个点的x轴，y轴,z轴坐标，Ii′,k(x),Ii′,k(y)和Ii′,k(z)是第i'层中第k个点的x轴，y轴,z轴坐标；

步骤五四、遍历第i'层每一个点云数据，计算每一个点云数据的包围盒BOX，计算公式为：

式中，boundlx'，boundrx'，boundxy'，boundsy'，boundxz'和boundsz'分别为该点包围盒的坐标；

步骤五五、判断每一个点的包围盒是否里面包含该层中至少四个点云数据，如果是，则对该点记为gi，并采用点云数据的双边滤波，执行步骤五六，如果否，则将该点视为噪声点并从点云数据中删去；

步骤五六，将该层位于gi点包围盒内所有点云数据除gi点以外的点作为gi点的邻域点Kia，设定该点gi包围盒BOX中有l个邻域点，则Kia中a＝1,...,l；

步骤五七、采用基于表面拟合的方法估计gi点的法向量ni；首先将点gi的所有邻域点Kia进行数据中心化处理，获得中心化处理后的数据centereKia，将centereKia进行SVD矩阵分解，获得分解后最大奇异值对应的奇异向量作为gi点的法向量ni的估计值；

步骤五八、计算每一个邻域点Kia与该点gi的光顺滤波函数参数α和特征保持权重函数参数β，根据光顺滤波函数参数α和特征保持权重函数参数β，分别计算点云双边滤波中光顺滤波函数和特征保持权重函数；

步骤五九、计算点云数据双边滤波中权因子χ，根据所述双边滤波中权因子χ以及步骤五七获得的gi点的法向量ni的估计值，获得点云数据双边滤波更新后的新点gi'；

步骤六、将步骤五获得的双边滤波后的点云数据的坐标分别乘以归一化系数的倒数完成点云数据的噪声处理。

2.根据权利要求1所述的一种非迭代单一物体散乱点云数据的噪声处理方法，其特征在于，步骤一中，归一化处理的具体过程为：步骤一一、在直角坐标系中，分别确定初始点云数据在x轴内的最大值xmax和最小值xmin，y轴内的最大值ymax和最小值ymin，z轴内的最大值zmax和最小值zmin，并将所述的在x轴内的最大值xmax和最小值xmin，y轴内的最大值ymax和最小值ymin，z轴内的最大值zmax和最小值zmin中绝对值最大的数记为最大值MAX，获得归一化系数步骤一二、将初始点云数据的坐标分别乘以归一化系数c，获得归一化后的点云数据，经归一化后在x轴内的最大值x'max和最小值x'min，y轴内的最大值y'max和最小值y'min，z轴内的最大值z'max和最小值z'min采用下式表示：

3.根据权利要求1所述的一种非迭代单一物体散乱点云数据的噪声处理方法，其特征在于，步骤五七的具体过程为：

首先，将点gi的所有邻域点Kia进行数据中心化处理，即先计算邻域点Kia在x轴、y轴以及z轴的平均值 计算公式为：

其次，将Kia数据中心化处理的数据记为centereKia，计算公式为：最后，将centereKia进行SVD矩阵分解，分解后最大奇异值对应的奇异向量就是gi点的法向量ni的估计值。

4.根据权利要求1所述的一种非迭代单一物体散乱点云数据的噪声处理方法，其特征在于，步骤五八的具体过程为：

计算每一个邻域点Kia与该点gi的光顺滤波函数参数α，计算公式为：α＝||gi-Kia||

光顺滤波函数参数α即为点gx到邻域点Kia的距离；

计算特征保持权重函数参数β，计算公式为：β＝

特征保持权重函数参数β即为点gi与邻域点的距离向量gi-Kia与该点gi法向量的内积；

根据光顺滤波函数参数α和特征保持权重函数参数β，计算点云双边滤波中光顺滤波函数Wc(α)和特征保持权重函数Ws(β)；计算公式为：式中δc为点gi到每个邻域点的距离对该点的影响因子，δs为点gi到每个邻域点的距离向量gi-Kia在该点法向量ni上的投影对该点的影响因子。

5.根据权利要求1所述的一种非迭代单一物体散乱点云数据的噪声处理方法，其特征在于，步骤五九的具体过程为：

计算点云双边滤波中权因子χ，计算公式为：式中，M(gi)＝{gia}是点gi的邻域点；

计算经过点云双边滤波更新后的新点g′i，计算公式为：g′i＝gi+χni。