1.一种基于HoloLens空间映射的三维场景语义分析方法，其特征在于，具体按照以下步骤实施：步骤1：通过HoloLens对室内真实场景进行扫描重建，获得场景的三维空间映射的网格数据a；

步骤2：将步骤1得到的网格数据a转换成点云数据b，并完成点云数据b的预处理和数据标注；

步骤3：不断重复步骤1和步骤2，直至完成所需要室内数据的采集和标注，并制作成室内点云数据集以及类别信息查找表；

步骤4：对三维场景语义神经网络进行模型训练，并保存训练模型M；

所述步骤4三维场景语义神经网络的搭建和训练具体按照以下步骤实施：步骤4.1、求取点云法向量，求取过程如下：

假设平面方程：

求重心：

去重心：

求系数：

对系数求偏导：

求协方差矩阵A最小特征向量[a，b，c]，即为所求之法向量；

步骤4.2、三维场景语义神经网络结构进行训练；

所述步骤4中三维场景语义神经网络包括有基础网络层和多尺度融合层，所述基础网络层包括两个多层感知器，一个最大池化层，两个全连接层，一个Dropout层；所述多尺度融合层包括三个单一尺度层，每一层包括最远点采样层、两个多层感知器、上采样层和最大池化层；

所述步骤4.2具体按照以下步骤实施：

步骤4.2.1、三个单一尺度层提取的特征f1、f2和f3按加和方式融合，再将基础网络层的局部特征f4与全局特征f5按拼接方式融合；

步骤4.2.2、将融合后的特征f6，经过多层感知器进行特征提取；

步骤4.2.1、将包含100组三维场景的训练集数据输入搭建好的神经网络进行模型训练，训练过程中进行学习率、正则化参数调整；

步骤4.2.3、三维场景语义神经网络经过4500次训练，每一轮训练都从训练集中随机的选出一组点进行训练，每组包含24×4096个点云，得到训练模型M并保存为.ckpt格式数据。

步骤5：HoloLens场景语义分析工具包制作，完成场景信息标注和空间区域划分，提高HoloLens对空间认知能力；

所述步骤5中HoloLens场景语义分析工具包制作，具体按照步骤实施：步骤5.1、通过Unity3D创建UWP程序，用于HoloLens开发；

步骤5.2、利用HoloLens空间映射能力对室内环境进行三维场景采集后得到待测点云数据p；

步骤5.3、加载训练模型M，通过训练模型M对点云数据p进行语义分析得到三维数据p1；

步骤5.4、对三维数据p1进行泊松重建得到网格数据p2；

步骤5.5、获取HoloLens视觉凝视点对应的三维真实坐标v；

步骤5.6、判断三维真实坐标v属于网格数据p2内哪个类别范围内的坐标点，获取该类别的点云集合P以及通过类别查找获取的类别信息L和颜色信息C；

步骤5.7、计算点云集合P同一法向量朝向的平面，将其归一化至统一平面S，并获取平面S的边界坐标bp的中心坐标cp；

步骤5.8、创建虚拟网格模型，其边界坐标为bp，中心坐标cp，颜色信息C；通过空间映射将网格模型映射在真实空间内，并完成类别信息L的标注。

2.根据权利要求1所述一种基于HoloLens空间映射的三维场景语义分析方法，其特征在于，所述步骤1具体按照以下步骤实施：步骤1.1、通过局域网内PC端登录HoloLensIP地址；

步骤1.2、佩戴HoloLens在室内场景中走动，HoloLens将进行场景建模；

步骤1.3、不断更新网页端，并下载HoloLens空间映射的室内场景网格数据a，保存格式为.obj。

3.根据权利要求2所述的一种基于HoloLens空间映射的三维场景语义分析方法，其特征在于，所述步骤2具体按照以下步骤实施：步骤2.1、对网格数据a进行泊松圆盘采样，通过选择不同的半径r对点云N个邻域点进行采样判断，N为30～50，得到均匀分布的点云数据b；

步骤2.2、将点云数据b依次经过直通滤波、统计滤波和双边滤波进行离群点剔除，得到点云数据c。

4.根据权利要求3所述的一种基于HoloLens空间映射的三维场景语义分析方法，其特征在于，所述步骤2.2的统计滤波的操作包含每个点周围K个近邻统计点的设置和离群点阈值设定，K为30～50，离群点阈值设置为0～1。