1.一种三维点云处理方法，其特征在于，该方法包括：
获取原始图像的稠密散乱点云数据；
将所述点云数据中的离群点剔除，并对剔除离群点后的点云数据进行滤波；
对所述滤波后的点云进行分类；
计算所述分类后的点云数据的平均相对距离，并根据点云数据的平均相对距离提取点云边缘；
根据所述点云边缘的信息，对所述分类后的点云进行表面拟合。
2.根据权利要求1所述的方法，其特征在于，对所述滤波后的点云进行分类，具体包括：
如果两团点云最近点之间的平均相对距离小于单个点云内部点之间的平均相对距离，则判断所述两团点云为两类点云。
3.根据权利要求1所述的方法，其特征在于，计算所述分类后的点云数据的平均相对距离，具体包括：
假设点pi为任一类点云中的点，根据点云密度的大小，设置所述点pi的最邻近点的个数，采用如下公式计算所述最邻近点到所述点pi的平均相对距离：
其中，mp为所述点pi最邻近点的个数，pi为第i个最邻近点到所述点pi的距离，pright为所述最邻近点到所述点pi的平均相对距离。
4.根据权利要求3所述的方法，其特征在于，
如果点pi在该类点云的表面，则令所述点pi的最邻近点到所述点pi的平均相对距离为d1；
如果点pi在所述该类点云的边缘，则所述点pi最邻近点的一半在该类点云表面，所述一半最邻近点到所述点pi的平均相对距离d2等于d1，另一半在该类点云之外，所述另一半最邻近点到所述点pi的平均相对距离d3大于d1；
如果点pi在所述该类点云的角点位置，则所述点pi最邻近点的四分之一在该类点云表面。
5.根据权利要求1所述的方法，其特征在于，根据点云数据的平均相对距离提取点云边缘，具体包括：
针对任一类点云：
将该类点云中每个点与所述每个点的最邻近点的平均相对距离进行排序，并确定所述该类点云中所有点的阶跃函数；
根据所述阶跃函数和所述点云的位置提取所述该类点云的边缘。
6.根据权利要求5所述的方法，其特征在于，该方法还包括：对提取的所述点云边缘的可信度进行评判。
7.根据权利要求1所述的方法，其特征在于，在根据所述点云边缘的信息，对所述分类后的点云进行表面拟合之前，该方法还包括：
将根据原始图像的灰度信息获得的物体轮廓信息与所述点云平均相对距离信息获得的点云轮廓信息进行比较，确保所述点云轮廓的准确性。
8.根据权利要求7所述的方法，其特征在于，在根据所述点云边缘的信息，对所述分类后的点云进行表面拟合之前，该方法还包括：
获得准确的点云轮廓之后，采用点云频率的方法，对所述点云进行滤波。
9.一种三维点云处理装置，其特征在于，该装置包括：
第一单元，用于获取原始图像的稠密散乱点云数据；
第二单元，用于将所述点云数据中的离群点剔除，并对剔除离群点后的点云数据进行滤波；
第三单元，用于对所述滤波后的点云进行分类；
第四单元，用于计算所述分类后的点云数据的平均相对距离，并根据点云数据的平均相对距离提取点云边缘；
第五单元，用于根据所述点云边缘的信息，对所述分类后的点云进行表面拟合。
10.一种计算设备，其特征在于，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行权利要求1～8任一项所述的方法。
11.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机可执行指令，所述计算机可执行指令用于使所述计算机执行权利要求1至8任一项所述的方法。