技术特征：
1.一种牙齿模型的牙轴坐标系构建方法，其特征在于，包括：对三维牙齿模型中单颗牙齿模型进行结构区域标注，构建牙齿模型样本数据集；利用机器学习分类算法将所述样本数据集进行训练得到牙齿结构分类模型；将待测试牙齿模型输入至所述牙齿结构分类模型中进行测试，得到单颗牙齿模型的分类区域信息；根据单颗牙齿模型的分类区域信息构建单颗牙齿模型牙轴坐标系。2.根据权利要求1所述的牙齿模型的牙轴坐标系构建方法，其特征在于，还包括：识别所述单颗牙齿模型的牙齿形态并确认牙齿的类型，对不同类型所述单颗牙齿模型进行结构区域标注。3.根据权利要求1所述的牙齿模型的牙轴坐标系构建方法，其特征在于，构建牙齿模型样本数据集包括：获取三维牙齿模型中单颗牙齿模型的各三角网格顶点的位置信息以及结构区域属性；在单颗牙齿模型的各三角网格顶点中根据顶点选取算法选取预设数量的三角网格顶点；将选取到的各三角网格顶点信息设置为牙齿模型样本数据集。4.根据权利要求3所述的牙齿模型的牙轴坐标系构建方法，其特征在于，构建牙齿模型样本数据集包括：获取每颗牙齿模型上各三角网格的边长，并将各三角网格的边长的长度按照大小顺序进行排列；将排列后的各三角网格长度中最小边对应的两个顶点合并为一个顶点；并将对应相邻的两个三角网格进行合并处理后更新牙齿模型的三角网格，对更新后的三角网格的边长再按照长度大小顺序进行排列，将每颗牙齿模型上各三角网格的顶点更新到预设数量。5.根据权利要求2所述的牙齿模型的牙轴坐标系构建方法，其特征在于，单颗牙齿模型进行结构区域标注包括：将所述单颗牙齿模型标注为4个区域，包括唇/颊侧近中面、唇/颊侧远中面、舌侧近中面以及舌侧远中面。6.根据权利要求1所述的牙齿模型的牙轴坐标系构建方法，其特征在于，所述机器学习分类算法包括神经网络、分类树。7.根据权利要求6所述的牙齿模型的牙轴坐标系构建方法，其特征在于，训练所述牙齿结构分类模型还包括：获取所述三维牙齿模型的初始状态信息，进一步以所述三维牙齿模型的初始状态信息为基础进行扩展增加，得到多维度扩展后的所述三维牙齿模型的状态信息；根据多维度扩展后的所述三维牙齿模型的状态信息通过机器学习分类算法构建所述牙齿结构分类模型。8.根据权利要求7所述的牙齿模型的牙轴坐标系构建方法，其特征在于，所述单颗牙齿模型的分类区域信息包括：将所述待测试牙齿模型的初始状态信息，以及以初始状态信息为基础进行多维度扩展的所述待测试牙齿模型的状态信息输入至所述牙齿结构分类模型中进行测试，获取与维度对应的多种姿态的待测试牙齿模型的分类区域信息；在多种姿态的待测试牙齿模型的分类区域信息中统计牙齿模型同一顶点在不同分类
区域中的显示次数，将显示次数最多的区域设置为该顶点对应的结构区域，并构建单颗牙齿模型的分类区域。9.根据权利要求6所述的牙齿模型的牙轴坐标系构建方法，其特征在于，构建单颗牙齿模型牙轴坐标系包括：在所述单颗牙齿模型的分类区域信息中提取相互垂直的两个平面；通过提取的相互垂直的两个平面对单颗牙齿模型进行区域分割，并构建单颗牙齿模型牙轴坐标系。10.根据权利要求7所述的牙齿模型的牙轴坐标系构建方法，其特征在于，提取相互垂直的两个平面包括：n1·
(x1‑
p)＝0n2·
(x2‑
p)＝0s.t.n1·
n2＝0其中n1和n2分别为两个相互垂直平面的法向，p为两个相互垂直平面的交点信息，x1和x2分别为两个相互垂直平面的上的点集。11.根据权利要求7所述的牙齿模型的牙轴坐标系构建方法，其特征在于，构建单颗牙齿模型牙轴坐标系包括：将单颗牙齿模型上相互垂直的两个平面的交线设置为oz轴，将相互垂直的两个平面中一平面内与oz轴垂直的方向设置为ox轴，将另一平面内与oz轴垂直的方向设置为oy轴。12.一种牙齿模型的牙轴坐标系构建系统，其特征在于，包括：可执行权利要求1
‑
11所述的牙齿模型的牙轴坐标系构建方法构建牙轴坐标，包括：样本数据获取模块，对三维牙齿模型中单颗牙齿模型进行结构区域标注，构建牙齿模型样本数据集；分类模型获取模块，利用机器学习分类算法将样本数据获取模块中的所述样本数据集进行训练得到牙齿结构分类模型；分类区域测试模块，将待测试牙齿模型输入至通过分类模型获取模块训练的所述牙齿结构分类模型中进行测试，得到单颗牙齿模型的分类区域信息；坐标系构建模块，根据分类区域测试模块得到单颗牙齿模型的分类区域信息构建单颗牙齿模型牙轴坐标系。13.一种电子设备，其特征在于，包括处理器和存储器，所述处理器执行所述存储器存储的计算机指令，使得所述电子设备执行权利要求1至11任一项所述的牙齿模型的牙轴坐标系构建方法。14.一种计算机存储介质，其特征在于，包括计算机指令，当所述计算机指令在电子设备上运行时，使得所述电子设备执行权利要求1至11任一项所述的牙齿模型的牙轴坐标系构建方法。