1.一种基于直线特征约束的三维空间相似变换模型参数的无初值求解方法，其特征是：针对同一被测区域，选择不同的视角布置两个相邻的测站，利用两个相邻的测站采集得到被测目标的表面特征LiDAR点云，两个相邻测站的点云之间存在重叠，且重叠区域存在三组或三组以上同名直线特征，选择其中一个测站作为基准站，将另一测站作为待配准站，以同名特征的完全重合作为约束条件，求解待配准站坐标系统相对于基准站坐标系统的转换参数，并据此对待配准站中的空间三维数据进行转换，从而实现相邻两个测站LiDAR点云的无缝拼接与融合；

以提取的同名直线特征作为约束，将待配准测站的坐标系统转换至基准站坐标系统的具体步骤如下：S-1选取两个相邻的测站，两个相邻测站的LiDAR点云之间存在重叠，依据两个测站分别提取得到的同名直线特征，即两个测站检测出的LiDAR点云信息里的同一个直线线条，以确保两个测站提取得到的同名直线特征的严格重合为前提条件，构建三维空间相似变换的相似性测度，并以矩阵构造形式表示；

S-2在三维空间相似变换的相似性测度中构建基于对偶四元数描述的求解最优转换参数的数学模型；

S-3将提取自相邻两个测站的同名直线特征代入S-2获得的数学模型，计算得到三维空间相似变换的参数数值，并据此对待配准测站中的LiDAR点云实施三维空间相似变换，实现待配准站与基准站坐标系统的统一，进而实现基准站LiDAR点云与待配准站LiDAR点云的无缝拼接与融合。

2.根据权利要求1所述的基于直线特征约束的三维空间相似变换模型参数的无初值求解方法，其特征在于三维空间相似变换的相似性测度的构建，步骤如下：S-1-1：利用规则化Plücker坐标对提取自基准站与待配准站的所有直线特征进行表达；

S-1-2：基于对偶四元数描述的方式给出空间相似变换前后规则化Plücker直线坐标的数学表达式；

S-1-3：基于最小二乘准则，以空间相似变换前后同名特征之间的完全重合作为条件，定义并构建直线特征约束下基于规则化Plücker坐标描述的三维空间相似变换相似性测度。

3.根据权利要求2所述的基于直线特征约束的三维空间相似变换模型参数的无初值求解方法，其特征在于在三维空间中任意一条直线的规则化Plücker坐标的数学表达步骤如下：S-1-1-1：任意选择位于三维空间中的一条直线，任选该直线上的两个点 和点 获得该直线的方向向量S-1-1-2：计算该直线的矩 为直线上任意一个点，为方向向量；

S-1-1-3：基于Plücker直线坐标的定义，以六元组的形式 对该直线进行表达；

S-1-1-4：对S-1-1-3中的Plücker直线坐标进行规则化处理，即：规则化后Plücker直线坐标的方向向量与矩分别为 与 将规则化后的Plücker直线坐标扩展为

8维，即： 式中 分别为直线的方向向量与直线的矩的四元数表达形式，即：

4.根据权利要求2所述的基于直线特征约束的三维空间相似变换的无初值求解方法，其特征是：基于最小二乘准则，以空间相似变换前后同名特征之间的完全重合作为条件，定义并构建直线特征约束下三维空间相似变换的相似性测度，其步骤如下：S-1-3-1：根据单位四元数与旋转矩阵之间的关系，空间中一条直线特征的Plücker坐标 经空间相似变换后变为 该直线的方向向量 与 直线的矩与 之间的对应关系如下：

令： 式(1)可进一步改写为：

式中：为空间相似变换前直线特征的原始方向向量， 为空间相似变换前直线特征的原始矩，为表示旋转的单位四元数， 为单位四元数 的共轭，μ为缩放系数， 为表示平移的四元数；

S-1-3-2：以矩阵的形式对式(2)进行表达：其中，

用矩阵对式(3)进行表达，可得：

S-1-3-3：由于误差的存在，并基于最小二乘准则，直线特征约束下三维空间相似变换的相似性测度的实质，是空间相似变换之后同名直线特征 与 之间的差值平方和达到最小，矩阵构造即：

5.根据权利要求1所述的基于直线特征约束的三维空间相似变换的无初值求解方法，其特征是：所述基于对偶四元数描述的求解最优转换参数的数学模型包括矩阵A、旋转四元数 平移四元数 和缩放系数μ。

6.根据权利要求1、4或5所述的基于直线特征约束的三维空间相似变换的无初值求解方法，其特征是基于对偶四元数描述的方式求解最优转换参数的数学模型与步骤为：S-2-1：利用极值分析实现空间相似变换中与旋转变换相对应的四元数的求解：2

对表达式∑f1进行分解： 并令：

则：

已知 分别为三维空间中任意一条直线在基准站坐标系、待配准站坐标系中的方向向量与矩， 为与该直线特征相对应的对偶四元数，实现相邻测站LiDAR点云的配准，步骤如下：最优的旋转四元数 满足式 取得最小值的条件，同时满足 的条件，综合上述两个因素，构建目标函数为： 式中λ1是拉格朗日乘数；

取目标函数 关于变量 的偏导数： 可知，四元数 是对应于矩阵 的一个特征向量，λ1是与特征向量相对应的特征值；

考虑到： 当λ1选择最大特征值对应的特征向量时，变换前2

后同名直线方向向量之间的差异∑f1＝Cl1-λ1取得最小值，即：最大特征值λ1对应的特征向量 即为所求的旋转四元数。

构建矩阵 并求解矩阵A的最大特征值对应的特征向量 即为用于表达旋转变换的旋转四元数；

其中，

S-2-2：基于极值分析实现空间相似变换中与平移变换相对应的四元数的求解以及缩放系数的求解：对表达式∑f22进行分解，可得：

令：Cm1＝2∑I,

则∑f22可进一步表达为：

最优的对偶四元数 满足式∑f22取得最小值的条件，同时满足 的条件，综合上述两个因素，构建目标函数式中λ2为拉格朗日乘数；

分别取 关于四元数 与缩放系数μ的偏导数，得：可得缩放系数μ的表达式：

利用公式： 求解对偶四元数 式

中，

考 虑 到 ： 可 得

Lagrange系数λ2的表达式： 进而，可得与平移变换相对应的四元数 的表达式：