1.一种基于几何特征的点云拼合方法，其特征在于：对零件在两次测量下得到的点云

数据和几何特征数据进行处理，得到集合A与集合B；建立粗拼合目标函数f1，通过粒子群算法计算旋转矩阵R和平移矩阵T；建立精拼合目标函数f2，在粗拼合计算结果的基础上进一步计算旋转矩阵R和平移矩阵T；最后根据精拼合计算结果完成两次测量点云数据的拼合；

所述几何特征包括特征平面、特征直线、特征点三种，其中一个特征平面或一个特征直线均由一个方向向量和一个坐标向量表示；一个特征点用一个坐标向量表示；所述集合A＝{UMA，WMA，UXA，WXA，WDA，YA}，集合B＝{UMB，WMB，UXB，WXB，WDB，YB}，其中UMA和UMB表示特征平面的方向向量组成的方向矩阵，WMA和WMB表示特征平面的坐标向量组成的坐标矩阵；UXA和UXB表示特征直线的方向向量组成的方向矩阵，WXA和WXB表示特征直线的坐标向量组成的坐标矩阵；WDA和WDB表示特征点的坐标向量组成的坐标矩阵；YA代表集合A中的点云矩阵，YB代表集合B中的点云矩阵；所述粗拼合目标函数f1＝afU+fW，其中a为系数；所述fU表示集合B的方向矩阵与经过坐标变换的集合A的方向矩阵的误差，fU＝||UMAR‑UMB||∞+||UXAR‑UXB||∞；所述fW表示集合B的坐标矩阵与经过坐标变换的集合A的坐标矩阵的误差，fW＝||(WMA；WXA；WDA)R+repmat(T)‑(WMB；WXB；WDB)||∞。

2.按照权利要求1所述的基于几何特征的点云拼合方法，其特征在于：所述精拼合目标函数f2＝∑fMi+∑fXj+∑fDk；所述fMi表示集合C到经过坐标变换后的集合A中对应特征平面的最大距离误差，其中集合C是指集合B中的i特征平面与长方体区域Φ的边线相交得到的交点集合，T T

fMi＝||UMA(i，：)R(C‑repmat(WMA(i，：)R+T))||；所述fXj表示集合D到经过坐标变换后的集合A中对应特征直线的最大距离误差，其中集合D是指集合B中的j特征直线与长方体区域Φ的边界相交得到的交点集合，fXj＝|||D‑repmat(WXA(j，：)R+T)||‑||(D‑repmat(WXAT T(j，：)R+T))RUXA(j，：) |||；所述fDk表示集合B中的k特征点与经过坐标变换后的集合A中对应特征点的垂直距离，fDk＝||WDA(k，：)R+T‑WDB(k，：)||。

3.按照权利要求2所述的基于几何特征的点云拼合方法，其特征在于：所述长方体区域Φ能够在空间上将点云数据YA和点云数据YB包含在内。