1.一种低重叠率的三维点云配准方法，其特征在于，包括以下步骤：步骤1：获取源点云和目标点云；

步骤2：利用体素化网格方法分别对步骤1获取的源点云和目标点云进行降采样，分别得到点云A和点云B；

步骤3：利用基于颜色的区域生长分割算法，分别将点云A和点云B分割成多个局部区域；

步骤4：枚举步骤3得到的点云A和点云B的分割结果，进行初步匹配，通过4PCS算法选择对应的四点全等集合；

步骤5：根据最大公共点集准则，选择局部区域最优的变换；

步骤6：根据步骤5的结果构造局部区域的匹配置信度系数，枚举计算所有局部区域匹配情况，对其进行排序，选择置信度系数最高的局部区域；

步骤7：对步骤6中选择的局部区域中的点云，利用LMedS采样一致性算法进行配准，得到最终刚性变换矩阵，完成点云配准。

2.根据权利要求1所述的一种低重叠率的三维点云配准方法，其特征在于，所述步骤1中获取源点云和目标点云的方法如下：保持场景中的待测物体静止不动，分别从两个不同视角V1和V2采集RGB点云数据；保证两帧点云之间存在重合区域；其中视角V1采集到的点云作为源点云，视角V2采集到的点云作为目标点云。

3.根据权利要求1所述的一种低重叠率的三维点云配准方法，其特征在于，所述步骤4中具体计算过程如下：S1：对点云A的分割结果集{A1，A2，…Am，…AM}和点云B分割结果集{B1，B2，…Bn，…BN}中的每个分割区域排列组合，实现局部点云的匹配；在点云A的分割结果集中的一个局部点云Am中选择共面四点基；

其中，m＝1，2，3…M，M为点云A分割后的时簇数目；M为点云A分割后的时簇数目；其中：n＝1，2，3…N，N为点云B分割后的时簇数目；

从Am中随机选取三个点a、b、c，根据这三点确定的平面上，选择第四个点d，这四个点构成的集合就是点云Am的共面四点基V；

S2：计算a、b、c和d构成的线段ab、cd的交比r1和r2；

a′、b′、c′、d′表示点云Bn中满足全等共面点仿射不变性条件的四点组合，e′为线段a′b′、c′d′的交点，任选一点作为原点，将点a、b、c、d、a′、b′、c′、d′、e′均使用向量的形式表示；

S3：在点云B的分割结果集中查询在一定误差允许范围内与共面四点基V交比相等的全等四点集；

针对点云B分割结果集中所有的点，计算他们两两之间线段的 和 匹配所有线段的e1和e2，若 和 之间的差值小于一定的阈值，则此时e1和e2分别对应的两组点对即构成一个全等四点集；求出误差允许范围内点云B分割结果集中所有的四点全等集U≡{U1,U2,U3…UI}；

其中 和 为满足上式向量， 和 为对应a、b定义的向量，e1和e2为点云B分割结果集中对应线段的交点。

4.根据权利要求3所述的一种低重叠率的三维点云配准方法，其特征在于，所述步骤5中局部最优的变换计算过程如下：根据步骤4计算得到分割后的点云集，满足条件的四点全等集合U≡{U1,U2,U3…UI}，对于每一个Ui，根据V和Ui之间的关系通过奇异值分解，求出刚性变换矩阵Ti；

I为满足条件共点四面集的数目，

将Am中所有点逐个利用Ti回带，求出与Bn中对应点的距离，若距离＜δ则认为满足条件；

所有满足条件的点构成集合Am_max；

——求出V与所有Ui的对应刚性变换矩阵，将使Am_max中点数最多时对应的Ti作为该局部区域的最优刚性变换矩阵。

5.根据权利要求4所述的一种低重叠率的三维点云配准方法，其特征在于，所述步骤6中的置信度系数λmn计算方法如下：式中：size(Am)为源局部区域点云Am中元素数量，size(Am_max)为Am_max中元素的数量。

6.根据权利要求1所述的一种低重叠率的三维点云配准方法，其特征在于，所述步骤7的计算过程如下：S11：假设步骤6得到的局部区域为Ax和Bx，其中Ax为点云A中的局部区域，Bx为点云B中对应的区域；逐个计算点云Ax中的点与Bx中所有点之间的距离，选择距离最小的点作为对应点，构成对应点对集合C；

S12：在步骤S11中得到的集合C中随机选择出3组对应点，计算这两个局部区域点云之间的变换矩阵S；

S13：依次计算点云Ax中的点在变换矩阵S作用下与Bx中对应点的偏差，将所有偏差排序，记录其中位数Med；

S14：重复步骤S11～S13，Y次，从Y个Med值中选取最小的一个，其对应的变换矩阵即为最终变换矩阵，完成点云配准。