1.一种用于三维重建的点云配准方法，其特征在于，包括以下步骤：S101、用三维扫描仪从不同视角扫描物体表面，获得至少两个视角三维点云，取两个视角三维点云分别作为源点集P和目标点集Q；

S102、对P和Q构建KD-tree；

S103、基于KD-tree求取P中每个点的k_1个近邻点，并计算P中每个点的法向量；

S104、计算P中每个点的法向量夹角平均值；

S105、基于P中每个点的法向量夹角平均值对P中的点分级并设置最大分辨率，初始时分辨率为1；

S106、计算当前分辨率下P中每一级的采样比例并提取采样点；

S107、基于KD-tree求P中各采样点在Q中的k_3个近邻点，并基于本发明中的匹配度求各采样点与其k_3个近邻点的匹配值，计算匹配度时若某点无曲率信息，则求取其曲率信息并存储，取匹配值最小的点作为该采样点的匹配点；

S108、根据获得的匹配点对，使用四元素法计算旋转矩阵和平移矩阵；

S109、使用获得的旋转矩阵和平移矩阵对源点集P进行变换，得到转换后的点云集P1，并将P1作为新的源点集P；

S110、重复步骤S107到S109直到使目标函数最小；

S111、若分辨率满足预设条件或目标函数的均方根误差满足预设条件，则结束，否则将当前分辨率加1，并返回步骤S106。

2.如权利要求1所述的用于三维重建的点云配准方法，其特征在于，步骤S104包括：对于源点集P中任意点pi，使用KD-tree求取pi的k_2个近邻点，计算P中点pi的法向量夹角平均值Mi，其中Mi为：上式中 为点pi的法向量， 为pi近邻点的法向量，Mi值的大小反映pi局部区域的弯曲程度，Mi值越大，pi局部区域弯曲程度越大，Mi值越小，pi局部区域越平坦；由此计算出P中每个点的法向量夹角平均值。

3.如权利要求2所述的用于三维重建的点云配准方法，其特征在于，步骤S105包括：基于源点集P中每个点的法向量夹角平均值将P中的点分为m级，则第l级点的取值范围为：minM+(l-1)*G≤Ml＜minM+l*G，1≤l≤m；

其中minM为源点集P中所有点的法向量夹角平均值的最小值，maxM为P中所有点的法向量夹角平均值的最大值，G是每级的间隔；

设最大分辨率为n，设初始时分辨率为1。

4.如权利要求3所述的用于三维重建的点云配准方法，其特征在于，步骤S106包括：当前分辨率为g时，1≤g≤n，第l级采样点的采样比例为：其中countm为第m级总点数，countl为第l级总点数，fix为向零取整；

计算当前分辨率为g时第l级采样点数Cl,g＝countl·Rl,g，若当前分辨率g＝1，对第i级随机采样Cl,g个点，否则，对第l级随机采样Cl,g-Cl,g-1个点。

5.如权利要求1所述的用于三维重建的点云配准方法，其特征在于，步骤S107包括：对源点集P中的任意采样点pi，使用KD-tree求取点pi在目标点集Q中的k_3个近邻点；

分别计算pi和其k_3个近邻点的匹配度W(pi,qj)：上式中pi1、pi2、pi3、pi4分别为点pi的主曲率k1、k2、高斯曲率K、平均曲率H，qj1、qj2、qj3、qj4分别为近邻点qj的主曲率k1、k2、高斯曲率K、平均曲率H；

计算匹配度时若某点无曲率信息，则使用KD-tree求取其在对应点集的k_4个近邻点，计算曲率信息并存储；选取W(pi,qj)值最小的点作为pi的匹配点；由此选取出源点集P中各个采样点的匹配点。

6.如权利要求1所述的用于三维重建的点云配准方法，其特征在于，所述预设条件为当前分辨率等于最大分辨率，或者，所述预设条件为目标函数的均方根误差满足预设阈值或迭代至收敛。

7.如权利要求1所述的用于三维重建的点云配准方法，其特征在于，目标函数为式中Qi为源点集P中的点在目标点集Q中的匹配点，

Pi为源点集P中的点，N为匹配点对总数，通过迭代使目标函数的均方根误差满足预设阈值或迭代至收敛，则目标函数最小。