1.一种融合激光雷达与图像数据的轨道三维重建方法，其特征在于，包括如下步骤：S1、将激光雷达传感器、惯导系统安装于手持搭载设备上，并通过数据接口与电脑相连，传感器上电，待雷达转数平稳后开始S2；

S2、在电脑上运行传感器驱动并开始数据采集，围绕被测物体运动或沿被测物体匀速运动，采集点云数据，同时使用摄像设备获取照片数据；

S3.1、激光点云通过RANSAC算法评估局部区域点的凹凸程度来提取边缘和平面特征点；基于提取的特征点构建约束关系，采用关键帧策略进行优化配准和相对转换计算；最后将点云配准至全局地图中；

S3.2、使用SFM重建稀疏点云，而后使用CMVS重建稠密点云，以提取拍摄的图像特征，生成片面，特征片面聚类，而后得到图像点云；两组点云通过分割后得到轨道部位的点云，采用直通滤波方式对点云进行降噪处理，去除噪点；

S4.1、通过Match scales进行激光点云与图像点云尺度拟合；

S4.2、为在融合两组点云时降低误差，首先使用RANSAC拟合出激光点云和图像点云中的轨道板平面，设定采样最小距离阈值，计算点云中每个点的表面法线n，确定一个邻域半径r，以每个点为原点，选择半径r内的所有近邻并计算PFH特征，对于每个点pi、pj，i≠j，在邻域中有法线ni、nj，其局部坐标轴计算如下：而后通过下式计算得到表面法线的角度变换：式中：(a，φ，θ)为每个点的PFH特征；

然后在图像点云中索引具有相同FPFH特征的一个或多个相似点，从中选取一个点作为激光点云在图像点云中的对应点；最后计算对应点之间的刚体变换矩阵，通过求解对应点变换后的距离误差和来判断当前配准变换的性能；

S4.3、以激光点云 为基准，对于通过图像重建点云 有点集合 通过配准后，对于 有 通过Kdtree索引将 最邻近 的RGB值赋予 融合纹理色彩信息；根据K叉树更新点云位置关系：S5、拟合两组点云，进行信息互补，最终得到轨道完整点云。

2.根据权利要求1所述的一种融合激光雷达与图像数据的轨道三维重建方法，其特征在于，S3.1中的具体点云配准流程如下：

1).通过将每一帧点云进行RANSAC平面拟合分割为边缘特征点集合 和平面特征点集合 得到雷达帧

2).根据IMU估计的机器人运动矩阵 将 从坐标系B转换到坐标系W，获得而后在边缘体素地图 和平面体素地图 中，找到每一个 和 特征点；

3).计算一个特征与其相关的边缘或平面之间的距离dek、dpk；

4).使用高斯牛顿法最小化下列残差模型求解最优转换：式中： 为 中的一个平面特征， 为 中的一个平面特征；

5).使用滑窗的方式产生一个包含最近时刻固定帧数的点云地图；因为采用分割边缘点和平面点的方式，因此构成的体素地图Mi由两个子体素地图边特征体素地图 和面特征体素地图 组成，其相关性如下：

式中：

3.根据权利要求2所述的一种融合激光雷达与图像数据的轨道三维重建方法，其特征在于，S3.2中，重建点云的重叠聚类公式：式中：∑k|Ck|为最小化输出集群的图像总数，α由计算资源决定，Ii为输入影像，δ设置为0.7。

4.根据权利要求3所述的一种融合激光雷达与图像数据的轨道三维重建方法，其特征在于，还包括S6、通过连续性概率分布函数WEIBULL统计两组点云的最邻近点的分布来估计两组点云的拟合精度，并与传统的点云配准的结果进行对比，连续性概率分布函数为：式中：x为随机变量，λ＞0，λ为比例参数，l＞0，l为形状参数。