1.一种基于标靶识别的隧道监控量测方法，其特征在于，包括以下步骤：步骤A：在隧道测点上安装平面标靶，通过三维激光扫描仪选取每个平面标靶及其周边位置进行扫描，扫描区域边界与平面标靶之间的间距L为0.5倍-1倍平面标靶边长，获取点云数据；步骤B：将点云数据划分为拱顶点云数据和非拱顶点云数据；步骤C：分别对拱顶点云数据和非拱顶点云数据中的隧道面点云数据进行平面拟合；步骤D：以拟合平面为缓冲区中心基面，缓冲区半径为 其中 为拟合平面的法向量，缓冲区方向分别为 方向和 方向，令 其中d′为平面标靶正面图案距离隧道面的最短距离，并删除缓冲区内的点云数据；步骤E：对保留的点云数据进行聚类分析，得到标靶的中心坐标，进行隧道监控量测。
2.根据权利要求1所述的一种基于标靶识别的隧道监控量测方法，其特征在于，所述步骤B中，针对每一个扫描区域的点云数据，当该扫描区域的点云高程平均值与隧道断面最大设计高程G之间的差值小于拱顶区域阈值时，该扫描区域的点云为拱顶点云数据，否则该扫描区域的点云为非拱顶点云数据。
3.根据权利要求2所述的一种基于标靶识别的隧道监控量测方法，其特征在于，所述拱顶区域阈值为0.1G。
4.根据权利要求1或3所述的一种基于标靶识别的隧道监控量测方法，其特征在于，所述步骤C中，对于拱顶点云数据，获取点云数据中横坐标的最大值X max 和最小值X min ，选取横坐标位于区间[X min ，X min +d f ]内的点云数据构建点云集合D 1 ，选取横坐标位于区间[X max -d f ，X max ]内的点云数据构建点云集合D 2 ，通过稳健特征值法对点云集合D 1 和D 2 进行平面拟合，其中d f 为拱顶边界阈值；对于非拱顶点云数据，获取点云数据中高程值的最大值Z max 和最小值Z min ，选取高程值位于区间[Z min ，Z min +d Z ]内的点云数据构建点云集合D 3 ，选取横坐标位于区间[Z max -d Z ，Z max ]内的点云数据构建点云集合D 4 ，通过稳健特征值法对点云集合D 3 和D 4 进行平面拟合，其中d Z 为非拱顶边界阈值。
5.根据权利要求4所述的一种基于标靶识别的隧道监控量测方法，其特征在于，所述拱顶边界阈值d f 满足d f ≤|X max -X t-max |且d f ≤|X min -X t-min |，其中X t-max 和X t-min 通过点云分层投影直线探测方法获得；所述非拱顶边界阈值d Z 满足d Z ≤|Z max -Z t-max |且d Z ≤|Z min -Z t-min |，Z t-max 和Z t-min 通过点云分层投影直线探测方法获得；其中，X t-max 为点云切片中X值的最大值，X t-min 为点云切片中X值的最小值，Z t-max 为点云切片中Z值的最大值，Z t-min 为点云切片中Z值的最小值。
6.根据权利要求5所述的一种基于标靶识别的隧道监控量测方法，其特征在于，所述点云分层投影直线探测方法包括以下步骤：点云分层：取点云数据中坐标值的中值，并以厚度Δd沿坐标值对应的坐标轴方向向中值两侧进行点云切片，得到N个切片，记录每个切片对应的坐标值；其中2B≤N×Δd≤3B，B为平面标靶边长；对每个点云切片进行直线检测：通过对点云切片进行投影，得到每个切片对应的点云切片平面二值图像，对每个点云切片平面二值图像进行霍夫变换直线检测，得到点云切片平面二值图像上对应的直线检测结果；切片坐标值选取：根据直线检测结果选取只包括隧道面点云的切片，并选取符合要求的切片中对应的坐标值的最大值和最小值分别作为X t-max 和X t-min ，或者是作为Z t-max 和Z t-min 。
7.根据权利要求6所述的一种基于标靶识别的隧道监控量测方法，其特征在于，所述步骤E中，根据保留点云数据的反射强度进行区域划分，得到n个标靶点云区域；对每一个标靶点云区域进行聚类分析，求取每一聚类点云的坐标平均值即得到各标靶点云区域的中心点C j ，其中1≤j≤n；再通过n个标靶点云区域的中心点C j 的坐标平均值得到该标靶的中心坐标P。
8.根据权利要求7所述的一种基于标靶识别的隧道监控量测方法，其特征在于，所述步骤E中，采用K-means算法进行聚类分析，通过表达式1)得到第j个标靶点云区域的中心点C j ：其中，x i 为选取的k个初始聚类中心中的第i个聚类中心点；通过表达式2)得到该标靶的中心坐标P：
