1.一种基于组合导航和计算机视觉的无人机电力架线系统，包括无人机系统、高压线塔和引导线弹射系统，其特征在于，所述无人机系统设有无人机、配重块、引导线、地面监测站系统和GPS—SINS组合导航系统，所述地面监测站系统包括航点规划模块和显示模块，所述航点规划模块能实现所述无人机的自动航迹规划和一键寻址功能，所述显示模块能显示所述无人机的飞行姿态和滑车的图像信息，所述配重块和所述引导线相连，所述GPS—SINS组合导航系统设有导航计算机、惯性导航系统SINS和GPS模块；所述惯性导航系统SINS设有三轴加速度计、三轴陀螺仪和高度计，以获得所述无人机的加速度、角速度和高度信息；所述GPS模块能获取无人机的位置信息；所述导航计算机设有能获得最优行进路径的最优行进路径单元，所述导航计算机将惯性导航系统SINS和GPS模块提供的信息进行整合，根据卡尔曼滤波算法进行更新，采用粒子群优化算法计算出最优的行进路径，导航的闭环算法，可以消除因时间积累而导致的路径误差，进一步提高无人机路径的优化；

所述高压线塔包括滑车和横担，所述滑车上设有滑车穿线孔；

所述引导线弹射系统包括视觉识别定位系统和瞄准装置，所述视觉识别定位系统设有双目摄像机采集模块、滑车标定模块、图像处理模块、立体矫正与立体匹配模块和三维信息提取模块，以实现所述滑车的信息采集和无人机与滑车相对位置调整；所述双目摄像机采集模块对所述滑车进行图像采集，所述滑车标定模块对所述滑车在图像中的轮廓及位置进行标定，所述图像处理模块采用神经网络深度学习方法进行滑车图像处理，来提取滑车的信息，所述立体矫正与立体匹配模块对所述滑车和采集的图像进行对比和匹配，所述三维信息提取模块对采集的图像进行三维处理，并提取所述滑车及滑车穿线孔的三维信息，为所述瞄准装置提供精准的三维信息；

所述视觉识别定位系统根据双目摄像机定位技术标定相机外参数，来确定相机、飞机、弹射器与滑车的相对位置。

2.根据权利要求1所述的基于组合导航和计算机视觉的无人机电力架线系统，其特征在于，所述导航计算机将惯性导航系统SINS和GPS模块提供的信息进行整合，通过转换矩阵将姿态误差角与平台误差角统一，两者的转换矩阵为：其中δθ、δγ、δψ分别为俯仰误差角、滚转误差角和航向姿态误差角； 分别为平台误差角；θ、γ、ψ分别为无人机载体在真实情况下的俯仰角、滚转角和航向角。

3.根据权利要求1所述的基于组合导航和计算机视觉的无人机电力架线系统，其特征在于，所述最优行进路径单元获得最优的行进路径方法具体包括以下方法：S1、对航迹规划空间在x轴上做n等分，对应n个航迹节点坐标参数，设置算法参数，算法参数至少包括粒子群数N、最大速度Vmax、最大最小惯性权重ωmax和ωmin、加速因子c1和c2、最大迭代次数Tmax；

S2、令迭代次数t＝1，从约束条件出发，初始化粒子群位置矩阵，其中约束条件为粒子群位置矩阵行向量前后元素之间的约束，使其满足飞行航迹节点均在威胁区域外、航迹段与威胁区域无交点并且相邻航迹段满足最大转弯角约束；

S3、采用Griewank函数计算每个粒子的适应度值，并将每个粒子与其历史最优适应度比较，若当前粒子的适应度值大于历史最优适应度值，则更新当前粒子的位置和适应度值为历史最优；

S4、判断t>Tmax，如果是则转到S12，否则转到S5；

S5、令i＝1，其中i为第i个粒子；

S6、令m＝1，其中m为第m维空间；

S7、更新粒子的速度与位置，若|vim|≥|vmax|，则取|vim|＝|vmax|，方向不变，其中Vim为粒子i在第m维的速度，i＝1，2，…，N，m＝1，2，…，n，位置更新为xim(t+1)＝xim(t)+vim(t+1)，其中Xim(t)表示粒子i在第m维中第t次迭代的位置，Xim(t+1)表示粒子i在第m维中第t+1次迭代的位置；

S8、m＝m+1，如果m＞n，转到S9；否则转到S7；

S9、i＝i+1，如果i＞N，转到S10；否则转到S6；

S10、检查更新后所有粒子的有效性，将无效的粒子重新进行初始化；

S11、若上次迭代与本次迭代的全局最优适应度值之差小于ε，则保留当前全局最优位置，同时重新初始化粒子群位置，并且t＝t+1，返回步骤S4；

S12、迭代结束，选定出最优航迹。

4.根据权利要求3所述的基于组合导航和计算机视觉的无人机电力架线系统，其特征在于，所述瞄准装置能将所述引导线，弹射穿过所述滑车上的滑车穿线孔。

5.根据权利要求4所述的基于组合导航和计算机视觉的无人机电力架线系统，其特征在于，所述无人机系统作为载体，携带所述引导线弹射系统和引导线飞至高压线塔，所述视觉识别定位系统能自动识别高压电线上滑车的位置，通过所述瞄准装置，所述引导线能准确地穿过滑车，完成所述引导线的展放。

6.根据权利要求5所述的基于组合导航和计算机视觉的无人机电力架线系统，其特征在于，所述图像处理模块采用Caffe框架的深度学习方法离线对滑车图像进行大量训练，通过摄像机采集的滑车图像进行识别，进一步提取滑车的信息，再根据摄像机和滑车标定模块的标定结果，获取滑车和无人机的相对位置信息。

7.根据权利要求1所述的基于组合导航和计算机视觉的无人机电力架线系统，其特征在于，所述地面监测站系统采用粒子群算法完成所述无人机的路径规划。