1.一种重建lidar原始点云建筑物轮廓线的方法，包括：
步骤a：在lidar离散点云的基础上，按照delaunay三角网的构建原则建立三角网格，将三角网格中存在长边的三角形中高程值大的两个点提取出来，并将其以点对形式存储；然后将该点对作为数据链条节；
步骤a实现从原始lidar点数据中直接提取突起物的边缘点；
步骤a中输入为原始点云数据、阈值h1和阈值h2；步骤a中输出为突起物边缘点的总集合，步骤a包括：
步骤a1：数据预处理，去除奇异点；
步骤a2：采用delaunay三角网格，构建点数据之间关联关系；
步骤a3：计算delaunay三角网中三角形每个边的边长和平均边长；
步骤a4：提取突起物边缘点；
步骤a1包括：
步骤a1-1：设定搜索距离；设三维空间x-y-z坐标系每个轴上的搜索距离为δx、δy和δz；
步骤a1-2：建立每个点的搜索长方体：以每一个点为中心，向x、y和z轴的正向和负向分别扩展δx、δy和δz的搜索距离，形成每个点的搜索长方体；
步骤a1-3：设定扩展长方体内点数量的阈值h1，h1＝1；
步骤a1-4：删除奇异点：统计落在每个点扩展长方体中点的数量ai；如果ai大于阈值h1，则保留，如果ai小于阈值h1，则将该点从数据集中删除；最终得到新的点集o1；
选取
步骤a2包括：
步骤a2-1：建立delaunay三角形：在点集o1中任意寻找一点，然后查找距离此点最近的点，连接起来作为初始线；寻找一个离初始线最近的点，作为第三点；生成一个delaunay三角形；
步骤a2-2：建立delaunay三角网：以delaunay三角形新生成的两条边，作为新的基线；重复步骤a2-1、步骤a2-2，直到所有的基线处理完毕，得到delaunay三角网格；
步骤a4包括：
步骤a4-1：设定边长阈值h2：设定delaunay三角网格的平均边长c为阈值h2；
步骤a4-2：提取符合特征的三角形的顶点：将h2与每个三角形的边长c进行比较，如果同一三角形内有两条边长超过阈值h2，则将该三角形三个顶点i，j，k的坐标提取出来；
步骤a4-3：计算最大与最小高程点的高程平均值：取出三个点中高程最大点i和高程最小点k，并求这两个点高程的平均值
步骤a4-4：边缘点判定：比较第三个点的高程hj与高程平均值
步骤a4-5：去除重复数据：将提取出来重复的点合并，得到突起物边缘点的集合a；
步骤b：根据数据链条节的连接关系形成数据链条节集合，完成每个突起物边缘点的聚类，形成突起物边缘点集合，统计每个突起物边缘点集合内点的数量，筛除非建筑物边缘点集合；
步骤c：构建每个建筑物边缘点集的环形数据链条，按照环形数据链条顺序将点加入拟合数据集合，进行直线拟合，当新加入的点到当前拟合直线的距离小于设定的阈值，则将该点加入当前拟合数据集合，重新拟合当前直线；当新加入的点到当前拟合直线的距离大于设定的阈值，则将该点视作下一个边的起始点，以该点与环形数据链条顺序中的下一点拟合新的直线；求出相邻两条拟合直线的交点并顺次连接，最终得到建筑物的轮廓线。
2.如权利要求1所述的一种重建lidar原始点云建筑物轮廓线的方法，其特征在于：
步骤b实现从突起物点集合中提取建筑物点并将同一建筑物的点聚类；
步骤b输入为突起物边缘点的总集合、阈值h3和阈值h4；步骤b输出为每个建筑物边缘点的集合，步骤b包括：
步骤b1：在边缘点集a中建立deluanay三角网格；
步骤b2：建筑物边缘点聚类；
步骤b3：滤除突起物边缘点集合中的非建筑物边缘点集合；
步骤c实现将离散的边缘点拟合规格化，得到连续的建筑物轮廓线；
步骤c输入为每一个建筑物边缘点的集合和残差阈值r，步骤c输出为每一个建筑物的规则轮廓线，步骤c包括：
步骤c1：形成每个建筑物边缘点集的闭合环路；
步骤c2：按照环形数据链条的顺序进行直线拟合；
步骤c3：计算残差；
步骤c4：确定拐点；
步骤c5：生成规则轮廓线。
3.如权利要求2所述的一种重建lidar原始点云建筑物轮廓线的方法，其特征在于：
步骤b2包括：
步骤b2-1：提取数据链条节：求三角网中每个三角形的边长
步骤b2-2：构建数据链条节集合，实现不同突起物边缘点的聚类：将起始点对放入到搜索集合l1中；以集合e的第一个点对为起始，放入到集合rbi中，其中下标i代表第i个突起物边缘点集合；搜索集合e中内包含集合l1点中任意一点的点对，将搜索的结果以点的形式放入到临时集合l2中；删除集合e中搜索得到的点对；将l1里面的点更新为存在于集合l2但不存在于集合rbi的点；将更新后l1中的点放入集合rbi中；重复上述步骤直到点集rbi不再发生变化，即第i个突起物的点集不再更新；重复上述步骤直到将集合e变为空集，即所有点都分配到各自的突起物边缘点集合中；
步骤b3：滤除突起物边缘点集合中的非建筑物边缘点集合：统计每一个突起物点集rbi中点的数量sumi；运用otsu法计算确定阈值h4；如果点集rbi中点的数量sumi大于阈值h4，则保留点集；如果点集rbi中点的数量sumi小于阈值h4，则删除整个点集；
步骤c1包括：
步骤c1-1：分别建立每个点集rbi的delaunay三角网格；
步骤c1-2：选取数据链条连接起点：以点集rbi中一个点pi开始，并将其存到新的点集rri中；
步骤c1-3：寻找相同的链条节点：搜索三角网格中存在点pi的三角形，将三角形的顶点放入集合g中；将集合g中仅出现一次的点放进集合h中；将h中的两个点插到点集rri中位置的第一个和最后一个；
将新插入的点作为新的搜索点，按照步骤c1-3的方法进行搜索，得到新的两个点；
步骤c1-4：链条连接：将点集rri中第一个点进行搜索得到的点插入到点集rri中第一个位置，将点集rri中最后一个点进行搜索得到的点插入到点集rri中最后一个位置；
步骤c1-5：重复步骤c1-3，步骤c1-4直到点集rri中第一个点与最后一个点相同；
步骤c3中定义点pj+2到前面拟合直线的距离为残差dj，点pj+2坐标为(px,py,pz)，得到的拟合直线方程为la·x+lb·y+lc·z+ld＝0，其中la、lb、lc、ld是直线方程的参数，x,y,z是直线方程的变量，残差dj计算公式为：
步骤c4中设定逐点拟合的残差阈值r，
步骤c5中按照拟合得到直线的顺序，依次求得直线的交点x1，x2，x3，……xi；将x1，x2，x3，……xi依次连接，得到最终的轮廓线。
4.如权利要求2所述的一种重建lidar原始点云建筑物轮廓线的方法，其特征在于：c1中闭合环路的形成方法为选取第一个点为起始点，不断搜索三角网格内由该点构成的边长，该边长只存在于一个三角形中；将搜索到的端点再定为搜索点，继续搜索下一个点，直到将整个点集的点连接成一个闭合的环路。
5.如权利要求1至4中任意权利要求所述的一种重建lidar原始点云建筑物轮廓线的方法，其特征在于：轮廓线规则化后加入建筑物边缘点高程信息。