1.一种散乱点云的保特征滤波方法，其特征在于：获取采样点的k个邻域点中的有效邻域，根据采样点与其邻域点的曲率差异，设定阈值T，当曲率差异小于T时，该点为有效邻域点，否则为无效邻域点；该采样点所有有效邻域点构成有效邻域；采样点、邻域点及邻域点在采样点切平面的投影点构成的三角形的面积，与法向特征差异相结合作为滤波因子对散乱点云数据去噪。

2.根据权利要求1所述的一种散乱点云的保特征滤波方法，其特征在于，所述方法的具体步骤如下：步骤1，输入噪声点云集V＝{vi,i＝1,2,…n}，通过kdtree算法对邻域进行搜索并设定邻域点个数k，定义矩阵

其中，c为邻域中心；vij为采样点vi的第j个邻域点；对矩阵R进行特征分解，0≤λ1≤λ2≤λ3为矩阵R的三个非负特征值，e1，e2，e3为相应的特征向量，最小特征值λ1所对应的特征向量e1为该点的法向Ni，最大特征值λ3所对应的特征向量e3近似为该采样点的切向Ti，采样点的曲率步骤2，根据采样点曲率ρi与邻域点曲率ρij的差异判断有效邻域，计算ρi-ρij，并设定阈值H，当ρi-ρij的值小于H时，该邻域点为有效邻域点，否则为无效邻域点，即定义二值函数η表示该点是否为有效邻域点；

步骤3，计算采样点vi与邻域点vij之间的位置差异||vij-vi||，qj为邻域点vij在采样点vi的切平面的投影点，计算邻域点vij与投影点qj间的距离＜Ni,vij-vi＞，采样点vi与投影点qj间的距离＜Ti,vij-vi＞，采样点vi、邻域点vij以及投影点qj构成的三角形的面积步骤4，根据下式计算位置权重函数Wc和特征权重函数Ws

其中，σc为位置影响因子，σs为特征影响因子，Ni为采样点vi的法向，Nij为邻域点vij的法向；

步骤5，将Wc和Ws代入双边滤波因子h

其中，N(v)为采样点的邻域点集；

步骤6，将h代入下式中

vout＝vi+Ni·h     (6)

其中，vout为输出采样点；Ni为vi的法向；vi为原始待处理采样点；h为滤波因子；

步骤7，对于所有采样点重复以上步骤，得到去噪后的点云模型。