1.一种基于光源扫描的家具板材动态监测方法，其特征在于，包括：
步骤1：基于移动检验光源扫描目标家具，获取所述目标家具的检验点云数据；
步骤2：拍摄并采集所述目标家具的三维表面形态，来获取对应的虚拟点云数据；
步骤3：将所述检验点云数据包含的检验点与所述虚拟点云数据包含的虚拟点一一匹配获取所述目标家具的三维图像；
步骤4：提取所述目标家具的三维图像中的裂纹，并显示。
2.根据权利要求1所述的一种基于光源扫描的家具板材动态监测方法，其特征在于：步骤1：基于移动检验光源扫描目标家具，获取所述目标家具的检验点云数据，包括：
基于所述目标家具的当前位置，设定扫描起点；
控制所述移动检验光源从扫描起点对所述目标家具进行第一扫描工作，获取所述目标家具的检验点云数据；
其中，对所述目标家具进行第一扫描工作的过程中，还包括：
分别获取所述目标家具每一表面对所述移动检验光源的反射光线；
基于所述目标家具每一表面对应的所述移动检验光源与所述反射光线的能量差，获取所述目标家具每一表面对移动检验光源的吸收量；
将吸收量相同的目标家具的表面进行标定，并划分为一组。
3.根据权利要求2所述的一种基于光源扫描的家具板材动态监测方法，其特征在于：将吸收量相同的目标家具的表面进行标定，并划分为一组之前包括：
获取所述目标家具每一表面对应的吸收量；
基于所述目标家具每一表面与所述移动检验光源的距离，对对应的吸收量进行修正。
4.根据权利要求1所述的一种基于光源扫描的家具板材动态监测方法，其特征在于：步骤3：将所述检验点云数据包含的检验点与所述虚拟点云数据包含的虚拟点一一匹配获取所述目标家具的三维图像，包括：
消除所述检验点云数据中不属于所述目标家具的检验点，并将剩余点云数据定义为实际点云数据；
将所述虚拟点云数据包含的虚拟点与所述实际点云数据包含的实际点进行一次匹配，将匹配成功的实际点代替所述虚拟点，放置在预先建立好的三维坐标系的对应位置上；
分别获取未一次匹配成功的所述虚拟点与所述实际点对应的第一变换矩阵和第二变换矩阵；
基于所述第一变换矩阵奇异值与所述第二变换矩阵奇异值的绝对差值，获取所述第一变换矩阵与所述第二变换矩阵之间的矩阵误差值；
利用所述矩阵误差值分别校正未一次匹配成功的虚拟点与所述实际点；
将校正后的虚拟点与所述实际点进行二次匹配；
将二次匹配成功的实际点代替所述虚拟，放置在所述三维坐标系的对应位置上；
分别获取未二次匹配成功的所述虚拟点与所述实际点对应的虚拟三维坐标点和实际三维坐标点；
分别将所述虚拟三维坐标与实际三维坐标放置在空白三维坐标系中；
按照距离最近原则，将所述虚拟三维坐标和实际三维坐标进行一一对应，并获取一一对应坐标连线上的中点坐标；
将所述中点坐标代替所述虚拟点，放置在所述三维坐标系的对应位置上；
依据家具绘制规则，并基于所述三维坐标系上的位置点，绘制所述目标家具的三维图像；
其中，基于所述目标家具中每一表面对应的相同的修正后的吸收量，来对所述目标家具的对应表面进行相同色彩的填充，获取所述目标家具的三维彩色图像。
5.根据权利要求4所述的一种基于光源扫描的家具板材动态监测方法，其特征在于：获取所述目标家具的三维彩色图像之后，还包括：
获取所述三维彩色图像的边缘线条；
获取所述边缘线条像素点对应的梯度值，判断同一所述边缘线条上每个像素点的梯度值是否在预设变化范围内；
若是，依次连接在预设变化范围内的像素点，获取无裂纹三维图像；
将所述三维彩色图像与所述无裂纹三维图像进行对比，获取所述三维彩色图像上除边缘线条的剩余线条；
获取所述剩余线条在所述目标家具上的位置，并定义为第一裂纹；
否则，将所述三维彩色图像划分多个预设大小的采样格；
分别采集所述采样格上指定区域的多个采样点，并获取每一采样点的像素，进而获取对应采样格的灰度特征；
获取所有采样格的灰度特征，并确定对应的灰度特征值，进而绘制特征折线图；
将所述折线图上离散度高于标准离散度的灰度特征值对应的采样格定义为裂纹采样格；
获取所述裂纹采样格对应的二值化图像，获取所述二值化图像上的第二裂纹；
基于所述二值化图像上的第二裂纹的位置，确定所述第二裂纹在所述目标家具上的位置；
基于所述第一裂纹、第二裂纹在所述目标家具上的位置，生成所述目标家具所有裂纹的三维图像，并传输到指定终端进行显示。
6.根据权利要求5所述的一种基于光源扫描的家具板材动态监测方法，其特征在于：生成所述目标家具所有裂纹的三维图像，并传输到指定终端进行显示，包括：
获取所述彩色三维图像的色彩分布情况；
将所述目标家具所有裂纹的三维图像对应的表面填充对应的色彩，获取三维彩色裂纹图像；
增强所述三维彩色裂纹图像上的裂纹，传输到指定终端进行显示。
7.根据权利要求5所述的一种基于光源扫描的家具板材动态监测方法，其特征在于：获取所有采样格的灰度特征，并确定对应的灰度特征值，包括：
获取每个采样格对应的指定区域；
获取每个采样格上对应的指定区域的长宽高；
获取所述指定区域内对应的所述采样点的的灰度值；
基于所述采样点的的灰度值，并根据公式(ⅰ)计算对应采样格平均灰度值；
其中，tm表示第m个所述采样格的平均灰度值，a表示第m个所述采样格的指定区域的长度，b表示第m个所述采样格的指定区域的宽度，c表示第m个所述采样格的指定区域的高度，d表示第m个所述采样格的指定区域中采样点的灰度值，k表示所述采样格的指定区域的横坐标最大取值，横坐标的取值范围为：
根据获取的每一采样格的平均灰度值，来获取对应所述采样格的灰度特征，进而确定对应的灰度特征值。
8.根据权利要求1所述的一种基于光源扫描的家具板材动态监测方法，其特征在于：步骤1：基于移动检验光源扫描目标家具，获取所述目标家具的检验点云数据后，包括：
获取所述移动检验光源的光强值，以及与所述移动检测光源移动过程中每一所述目标家具表面对应的反射光线的光强值；
根据公式(ⅱ)计算所述所述反射光线传输过程中损失的光强；
c＝f-f′-q(ⅱ)
其中，c表示所述移动检验光源的光强值与对应的所述目标家具表面反射光线光强值的光差，f表示所述移动检验光源的光强值，f′表示对应的所述目标家具表面反射光线的光强值，q表示对应的所述目标家具表面吸收的光强值；
当存在损失的光强大于预设损失时，确定对应的所述目标家具表面，定义为待检表面；
根据公式(ⅲ)计算所述移动检验光源再次扫描待检表面时，所述目标家具所在环境存在的干扰信号强度；
其中，p表示所述目标家具所在环境存在的干扰信号强度，r0表示所述目标家具所在环境光线的光强，ηu表示对应的所述目标家具表面上第u个扫描点对移动检验光源进行反射后所对应的光程差，w表示对应的所述目标家具表面上扫描点的数量，
当公式(ⅲ)的计算结果不在预设范围内时，基于公式(ⅲ)的计算结果，调节所述移动检验光源的光强，重新扫描对应的目标家具表面。
9.一种基于光源扫描的家具板材动态监测系统，其特征在于，包括：
定位模块，用于获取所述目标家具的位置；
处理模块，用于基于移动检验光源扫描目标家具，获取所述目标家具的检验点云数据；
采集模块，用于获取所述目标家具的三维表面形态；
所述处理模块，还用于基于所述目标家具的三维表面形态获取对应的虚拟点云数据；
匹配模块，用于将所述点云数据包含的检验点与所述虚拟点云数据包含的虚拟点一一匹配获取所述目标家具的三维彩色图像；
显示模块，用于提取所述目标家具三维彩色图像裂纹，并显示。