1.一种非视距误差消除的测距方法，其特征在于，包括如下步骤：
第一步，建立误差数据库；
第二步，进行实际测量，通过K近邻法消除误差。
2.根据权利要求1所述的测距方法，其特征在于，在所述第一步中，误差数据库的建立方法为：
A.初始化步骤：选择具体的实验环境和区域；
B.选择步骤：选择训练点；
C.包括采集提取步骤和测量步骤，在采集提取步骤中：采集训练点波形和提取波形特征，在测量步骤中：测出训练点实际距离：每采集一个训练点并提取其波形特征时，测出该训练点的实际距离，从而能够计算出该点的测量误差；
D.计算步骤：根据步骤C，计算出训练点的误差y，从而建立误差数据库Y。
3.根据权利要求2所述的测距方法，其特征在于，在所述步骤D中，根据特征向量X进行机器学习，不断地重复训练，建立数据库{X1,…,XN}，该数据库中含有N个样本，用实际值减去测量值就是误差， 对应于以上的N个训练样本测距误差。
4.根据权利要求1所述的测距方法，其特征在于，在所述第二步中，首先执行新数据采集和提取步骤、误差数据库初始化和特征提取步骤，然后再依次执行计算欧式距离步骤、找出最近K个近邻点步骤、计算回归误差步骤和更新步骤；
新数据采集和提取步骤：对实际测量点进行测距，并提取该测距波形的特征值；
误差数据库初始化和特征提取步骤：初始化误差数据库并提取误差数据库中各点的特征值；
计算欧式距离步骤：根据新数据采集和提取步骤、误差数据库初始化和特征提取步骤，计算出测量点与误差数据库中样本点之间的欧式距离，通过计算测距点与样本点之间的欧式距离，可以得到
Di＝||X-Xi||＝((X-Xi)T(X-Xi))1/2；
找出最近K个近邻点步骤：根据计算欧式距离步骤计算出欧式距离的结果，按照计算出的欧式距离Di大小进行排序，0≤D(1)≤D(2)≤ ...≤D(n)，每个欧式距离值D(i)对应数据库样本X(i)，同样按照欧式距离值对X(i)进行排序，可得{X(1),X(2),X(3),...X(n)}，这就是X的K个最邻近的点，其中X(1)是第一邻近的点，X(2)是第二邻近点，依次类推X(n)是第n个邻近点；
计算回归误差步骤：最近K个近邻点误差加权，计算回归误差，利用找出最近K个近邻点步骤找出的最近K个近邻点，对这K个近邻点的误差进行加权得到一个新的误差，这个新的误差就作为对应测量点的误差，也就是回归误差；
更新步骤：将回归误差加到未经处理的测量值上去，得到一个新的测量值，这个新的测量值就是经过K-NN误差消除后的测量值。
5.根据权利要求4所述的测距方法，其特征在于，在所述计算回归误差步骤中，利用加权K-NN回归算法计算回归误差，加权K-NN回归算法：
6.一种非视距误差消除的测距系统，其特征在于，包括：
数据库建立单元，用于建立误差数据库；
处理单元，用于进行实际测量，通过K近邻法消除误差。
7.根据权利要求6所述的测距系统，其特征在于，在所述数据库建立单元中，包括：
初始化模块：用于选择具体的实验环境和区域；
选择模块：用于选择训练点；
采集提取模块和测量模块，在采集提取模块中：用于采集训练点波形和提取波形特征，在测量模块中：用于测出训练点实际距离：每采集一个训练点并提取其波形特征时，测出该训练点的实际距离，从而能够计算出该点的测量误差；
计算模块：计算出训练点的误差y，从而建立误差数据库Y。
8.根据权利要求7所述的测距系统，其特征在于，在所述计算模块中，根据特征向量X进行机器学习，不断地重复训练，建立数据库{X1,...,XN}，该数据库中含有N个样本，用实际值减去测量值就是误差， 对应于以上的N个训练样本测距误差。
9.根据权利要求6所述的测距系统，其特征在于，在所述处理单元中，首先执行新数据采集和提取模块、误差数据库初始化和特征提取模块，然后再依次执行计算欧式距离模块、找出最近K个近邻点模块、计算回归误差模块和更新模块；
新数据采集和提取模块：用于对实际测量点进行测距，并提取该测距波形的特征值；
误差数据库初始化和特征提取模块：用于初始化误差数据库并提取误差数据库中各点的特征值；
计算欧式距离模块：根据新数据采集和提取模块、误差数据库初始化和特征提取模块，计算出测量点与误差数据库中样本点之间的欧式距离，通过计算测距点与样本点之间的欧式距离，可以得到
Di＝||X-Xi||＝((X-Xi)T(X-Xi))1/2；
找出最近K个近邻点模块：用于根据计算欧式距离模块计算出欧式距离的结果，按照计算出的欧式距离Di大小进行排序，0≤D(1)≤D(2)≤ ...≤D(n)，每个欧式距离值D(i)对应数据库样本X(i)，同样按照欧式距离值对X(i)进行排序，可得{X(1),X(2),X(3),...X(n)}，这就是X的K个最邻近的点，其中X(1)是第一邻近的点，X(2)是第二邻近点，依次类推X(n)是第n个邻近点；
计算回归误差模块：最近K个近邻点误差加权，计算回归误差，利用找出最近K个近邻点模块找出的最近K个近邻点，对这K个近邻点的误差进行加权得到一个新的误差，这个新的误差就作为对应测量点的误差，也就是回归误差；更新模块：用于将回归误差加到未经处理的测量值上去，得到一个新的测量值，这个新的测量值就是经过K-NN误差消除后的测量值。
10.根据权利要求9所述的测距系统，其特征在于，在所述计算回归误差模块中，利用加权K-NN回归算法计算回归误差，加权K-NN回归算法：