1.点云匹配中一种基于特征直方图的点云特征提取方法，其特征在于，在点云匹配中，先进行特征点的提取，再对特征点进行描述，最后通过描述子进行匹配，具体按照以下步骤实施：步骤1、定义投影面W，计算任意特征点Dpi邻域内的点集到投影面的深度di，所述投影面W为过特征点Dpi且与其法向量ni垂直的平面；

步骤2、对特征点Dpi邻域进行分层，对步骤1所得的深度di进行梯度化；

步骤3、对每层的特征点Dpi的邻域，计算所述特征点Dpi相对于邻域的倾斜度αk；所述步骤3具体按照以下步骤实施：步骤3.1、将特征点Dpi的领域点集沿着ni方向平均划分为N2a层；

步骤3.2、对领域内点集的深度di进行梯度化，邻域内点Dpik的局部关系由αk、di表示，用公式(6)计算出特征点Dpi相对于以R为半径的Dpi的领域点集的倾斜度αk；

其中，DpikB＝|di|， O1A可由相交弦定理计

算得 a为上半球的划分层数，R为邻域半径；

步骤4、将步骤3所得的倾斜度αk映射到1D直方图中，最后所有直方图进行归一化，形成一个直方图。

2.根据权利要求1所述的点云匹配中一种基于特征直方图的点云特征提取方法，其特征在于，所述步骤1具体按照以下步骤实施：步骤1.1、对场景点云P中的任意点pi(x,y,z)，在所述任意点pi(x,y,z)半径R领域内的点分别为pi1pi2pi3...pik；

步骤1.2、利用公式(1)对步骤1.1所得的任意点pi(x,y,z)半径R领域内的点集，求协方差矩阵COV，再根据特征值分解EVD，得到特征值与特征向量，取最小特征值对应的特征向量为e1，求得法向量ni；

步骤1.3、由点云的网格模型可以得到以pi(x,y,z)为顶点的三角面，设三角面的数量为L，则L个三角面的法向量mim2...mL与pi的法向量ni的夹角θ为：步骤1.4、给定一个阈值ε，判断θ是否大于ε，θ大于ε时，pi(x,y,z)为特征点，反之不是。

3.根据权利要求2所述的点云匹配中一种基于特征直方图的点云特征提取方法，其特征在于，所述步骤1.2的任意点pi(x,y,z)半径R领域内点集的质心利用公式(4)求得：。

4.根据权利要求2所述的点云匹配中一种基于特征直方图的点云特征提取方法，其特征在于，所述步骤1.3的三角面的数量L<3时，视所述L个三角面的顶点pi为边缘点，则去除掉所述顶点pi。

5.根据权利要求2所述的点云匹配中一种基于特征直方图的点云特征提取方法，其特征在于，所述步骤1.3的L个三角面的法向量mim2...mL与pi的法向量ni的夹角θ越大，则表示局部的领域内起伏越大；θ越小，则所述局部的领域越平坦。

6.根据权利要求2所述的点云匹配中一种基于特征直方图的点云特征提取方法，其特征在于，所述步骤2具体按照以下步骤实施：步骤2.1、对源点云和目标点云，进行特征点判断，得到源点云的特征点集Dp和目标点云的特征点集Dq；

步骤2.2、对步骤2.1所得的源点云的特征点集中的任意一特征点Dpi,所述以R为半径的Dpi的领域点集为{Dpi1,Dpi2...Dpik}，步骤1定义过特征点Dpi且与其法向量ni垂直的平面为平面W，用公式(5)计算所述以R为半径的Dpi的领域内点集的点与其法向量ni垂直的投影面W的深度：

7.根据权利要求6所述的点云匹配中一种基于特征直方图的点云特征提取方法，其特征在于，所述步骤4具体按照以下步骤实施：步骤4.1、对每层的特征点Dpi，分别计算所述特征点Dpi的倾斜度αk并将所述倾斜度αk映射到一维直方图中，所述一维直方图以角度为横坐标，点数为纵坐标；

步骤4.2、将所有1D直方图放在一起形成一个直方图，然后通过除以Dp为中心的相邻点的总数进行归一化；假设Dp为中心球划分为N2a层，将每个一维直方图离散化为Nr区间，则合并后的直方图大小为N2a×Nr；

步骤4.3、利用得到的特征描述，根据最近邻距离比法，进一步进行初始匹配。