1.一种基于点云模型的工件表面缺陷精确检测方法，其特征在于，包括如下步骤：S10、将待检测工件的标准CAD模型，离散为点云格式，提取正常特征并作为标准点云数据，将标准CAD模型，进行表面缺陷处理，离散为点云格式，提取错误特征并作为缺陷点云数据；

S20、利用3D扫描仪获取待检测工件的实际点云数据；

S30、构建支持向量机分类器，将步骤S10标准点云数据和缺陷点云数据作为训练数据集对分类器做训练；

S40、用步骤S30的训练后的分类器，对步骤S20获取的实际点云数据进行分类，确定其中的缺陷点云数据，根据缺陷点云数据识别缺陷的位置和形状；

S50、利用协方差矩阵3D测量法对步骤S40的缺陷进行三维尺寸精确计算。

2.根据权利要求1所述的一种基于点云模型的工件表面缺陷精确检测方法，其特征在于，所述步骤S10中的表面缺陷处理步骤如下：将待检测工件的CAD模型以可允许制造偏差为步长向两侧偏移，偏离距离为可允许制造偏差的m倍，m>1,且为整数；随后并离散为点云格式，使用Meshlab对数据精简处理，将偏移距离超过可允许制造偏差的离散数据，作为错误特征数据记为缺陷点云数据，并输出为文本格式，该文本格式为n行3列数据，每行代表数据的三维坐标，应用Matlab在文本格式中的每行末尾增添“-1”标签，以备训练使用；将剩余离散数据作为正常特征数据，记为标准点云数据，输出为文本格式，该文本格式为n行3列数据，每行代表数据的三维坐标，应用Matlab在文本格式中的每行末尾增添“+1”标签，以备训练使用。

3.根据权利要求2所述的一种基于点云模型的工件表面缺陷精确检测方法，其特征在于，所述可允许制造偏差为0.1mm。

4.根据权利要求1所述的一种基于点云模型的工件表面缺陷精确检测方法，其特征在于，步骤S20所述的实际点云数据的获取步骤如下：S21、利用3D扫描仪获取待检测工件表面的点云数据；

S22、利用扫描仪内置的数据处理模块对点云数据进行拼接和去噪；

S23、利用Meshlab软件对S22步骤中处理后的点云数据进一步精简，作为实际点云数据，并输出为n行3列的文本格式，以备检测。

5.根据权利要求1或4所述的一种基于点云模型的工件表面缺陷精确检测方法，其特征在于，所述的3D扫描仪，为武汉惟景三维科技有限公司的PowerScan-Pro 5M，测量精度

0.01mm，摄像头分辨率为2592×1944，扫面点间距0.077～0.154mm。

6.根据权利要求1所述的一种基于点云模型的工件表面缺陷精确检测方法，其特征在于，步骤S30所构建的支持向量机分类器为经典支持向量机分类器，其为二分类器。

7.根据权利要求6所述的一种基于点云模型的工件表面缺陷精确检测方法，其特征在于，在步骤S30中，利用python语言搭建二分类支持向量机分类器，选用径向基核函数，惩罚因子选用10，软化系数选用0.1。

8.根据权利要求1所述的一种基于点云模型的工件表面缺陷精确检测方法，其特征在于，步骤S50中的协方差矩阵3D测量法具体包括以下步骤：S51、将步骤S40识别出来的缺陷点云数据，利用其三维坐标，构建矩阵A；

S52、按照公式(1)计算矩阵A的协方差矩阵的特征值和特征向量，其中特征值和特征向量相互对应，按照特征值的大小对特征向量进行排列，最大的特征值对应的特征向量即为第一主特征向量；

式中，Σ为矩阵A的协方差矩阵，为特征向量，λ为特征值；

S53、以矩阵A的中心为原点，以特征向量为轴线，构建新的坐标系，其中，x轴对应第一主特征向量，y轴对应第二主特征向量，z轴对应第三主特征向量；将矩阵A按照公式(2)变换到新的坐标系下构成矩阵B：式中，E(x)、E(y)、E(z)分别为x、y和z坐标的中点，P是由特征向量构成的旋转矩阵；

S54、缺陷特征的尺寸可由公式(3)得到：

式中，xi，yi和zi分别为矩阵B中第一列、第二列和第三列的值，length、width和height分别为缺陷的三维尺寸。