1.一种无人机与车辆协同的电力巡检方法，其特征在于，所述方法应用于预设场景中，所述预设场景包括：巡检车辆沿着城市道路行驶并在停靠节点上释放无人机，无人机飞向杆塔对应的任务节点执行巡检任务，在无人机电量不足以至于无法继续执行下一个任务节点对应的巡检任务时则返回到停靠节点上与巡检车辆汇合并更换电池，继续执行下一个任务节点对应的巡检任务，直至所有的任务节点对应的巡检任务都被执行完成后返回到停靠节点上与巡检车辆汇合；

所述方法包括：

S100、根据所述预设场景，构建无人机和巡检车辆共同执行所述任务集合的路径规划模型；所述路径规划模型以无人机与巡检车辆协同巡检输电线路杆塔的总时长最小化为优化目标，预设约束条件包括所述无人机每一次从所述巡检车辆上起飞后至再返回到所述巡检车辆上的所用时长不能超过所述无人机的单次续航时长、每一个任务节点只能被无人机访问一次、无人机只能从停靠节点出发、所述无人机不能在道路上飞行、无人机的起飞次数和降落次数相同以及无人机在每一个飞行架次中起降点只能是停靠节点；

S110、构建初始种群，并在所述初始种群中选择适应度最高的染色体作为当前最优染色体；其中，所述初始种群中包括多条染色体，每一条染色体表征无人机与巡检车辆协同巡检电力杆塔的一个路径规划方案；每一条染色体上包括2m+1个基因位，2m+1个基因位包括m个任务节点的基因位和m+1个停靠节点的基因位，在偶数基因位上设置有任务节点的编号，在奇数基因位的基因值上设置停靠节点的编号或编码0，任务节点的编号为偶数，停靠节点的编号为奇数；编码0左右两侧相邻的基因位上只能是任务节点的编码，且表示无人机在巡检完前一基因位上的任务节点后未返回停靠节点就巡检下一基因位上的任务节点；m为任务节点的总数；所述适应度值为无人机与巡检车辆协同巡检输电线路杆塔的总时长的倒数；

S120、判断当前种群中的各条染色体是否均满足预设约束条件，对不满足所述预设约束条件的染色体进行修正以使该染色体满足所述预设约束条件；

S130、计算当前种群中每一条染色体的适应度值，并判断当前种群中的最高适应度值是否高于当前最优染色体的适应度值，若是则将当前最优染色体替换为所述最高适应度值对应的染色体，否则保持当前最优染色体不变；

S140、判断当前迭代次数是否达到预设最大迭代次数：

若是，则将当前最优染色体作为全局最优解并输出；

否则，采用预设遗传算法对当前种群中的染色体进行更新，将迭代次数加1，并返回步骤S120；其中，更新处理之后的染色体相对于更新之前的染色体对应的路径规划方案发生变化，所述采用预设遗传算法对当前种群中的染色体进行更新包括：对当前种群中的染色体依次进行预设选择操作、预设交叉操作和预设变异操作。

2.根据权利要求1所述的方法，其特征在于，采用第一公式计算所述无人机与巡检车辆协同巡检输电线路杆塔的总时长，所述第一公式包括：式中，time为所述总时长；tk为所述无人机巡检任务节点k所耗费的时长；VT为所有任务节点形成的集合；V为所有任务节点和所有停靠节点形成的集合； 为所述无人机的飞行速度；cij为节点i和节点j之间的距离；xij1取0或1，若xij1取0则表示所述无人机不经过节点i和节点j之间的航段，若xij1取1则表示所述无人机经过节点i和节点j之间的航段。

3.根据权利要求2所述的方法，其特征在于，采用第二公式表示预设约束条件“所述无人机每一次从所述巡检车辆上起飞后至再返回到所述巡检车辆上的所用时长不能超过所述无人机的单次续航时长”，所述第二公式包括：式中，DU为所述单次续航时长；VR为所有停靠节点形成的集合；zab＝1表示无人机在一个飞行架次中执行的第一个任务节点为节点a且执行的最后一个任务节点为节点b， 表示节点a和节点b之间的所有任务节点。

4.根据权利要求2所述的方法，其特征在于，

采用第三公式表示预设约束条件“每一个任务节点只能被无人机访问一次”，所述第三公式包括：

和/或

采用第四公式表示预设约束条件“无人机只能从停靠节点出发”，所述第四公式包括：

和/或

采用第五公式表示预设约束条件“所述无人机不能在道路上飞行”，所述第五公式包括：

式中，VR为所有停靠节点形成的集合；

采用第六公式表示预设约束条件“无人机的起飞次数和降落次数相同”，所述第六公式包括：

和/或

采用第七公式表示预设约束条件“无人机在每一个飞行架次中起降点只能是停靠节点”，所述第七公式包括：

式中， 为VT的子集， 为所述子集中任务节点的数量。

5.根据权利要求1所述的方法，其特征在于，所述对不满足所述预设约束条件的染色体进行修正以使该染色体满足所述预设约束条件，包括：若所述无人机每一次从所述巡检车辆上从起飞后至再返回到所述巡检车辆上的所用时长超过所述无人机的单次续航时长，则将对应染色体至少一个奇数基因位上的0转化为一个停靠节点的编号。

6.根据权利要求1所述的方法，其特征在于，对当前种群中的染色体依次进行预设选择操作，包括：采用轮盘赌的方式对种群进行筛选，并将筛选出来的染色体形成新的种群，适应度值高的染色体被筛选出来的概率越大；

对当前种群中的染色体依次进行预设交叉操作，包括：将两条待交叉染色体均拆分为第一父代子染色体和第二父代子染色体，将第一条待交叉染色体的第一父代子染色体和第二条待交叉染色体的第一父代子染色体进行顺序交叉操作，得到两条第一子代子染色体；

将第一条待交叉染色体的第二父代子染色体和第二条待交叉染色体的第二父代子染色体进行单点交叉操作，得到两条第二子代子染色体，将两条第一子代子染色体和两条第二子代子染色体组合成为两条新染色体；其中，所述第一父代子染色体和所述第一子代子染色体包括染色体上所有偶数基因位，所述第二父代子染色体和所述第二子代子染色体包括染色体上所有奇数基因位。

7.根据权利要求1所述的方法，其特征在于，对当前种群中的待变异染色体进行预设变异操作，包括：将待变异染色体拆分为第一子染色体和第二子染色体，分别对所述第一子染色体和所述第二子染色体进行第一变异操作或第二变异操作，得到新的第一子染色体和第二子染色体，将新的第一子染色体和第二子染色体组合为一条新染色体；其中，所述第一子染色体包括染色体上所有偶数基因位，所述第二子染色体包括染色体上所有奇数基因位；

所述第一变异操作包括：从一条待变异染色体的第一子染色体上选择两个基因位，并将该两个基因位上的节点编码进行交换，得到新的第一子染色体；从该条待变异染色体的第二子染色体上随机选择一段基因位，所述一段基因位包括连续的至少两个基因位，从预设基因集合中随机选择相应数量的基因来对所述一段基因位的基因进行替换，若替换之后首尾两个基因位中至少一个为0，则从所述预设基因集合重新随机选择一个非零基因来替换首尾两个基因位中的基因0，直至该段基因位的首尾两个基因位均为非0，得到新的第二子染色体；所述预设基因集合为0和所有停靠节点的编号的集合；

所述第二变异操作包括：从一条待变异染色体的第一子染色体上选择两个基因位，并将该两个基因值之间的所有基因位上的节点编码进行顺序倒置，得到新的第一子染色体；

从该条待变异染色体的第二子染色体上随机选择一段基因位，所述一段基因位包括连续的至少两个基因位，从预设基因集合中随机选择相应数量的基因来对所述一段基因位的基因进行替换，若替换之后首尾两个基因位中至少一个为0，则从所述预设基因集合重新随机选择一个非零基因来替换首尾两个基因位中的基因0，直至该段基因位的首尾两个基因位均为非0，得到新的第二子染色体；所述预设基因集合为0和所有停靠节点的编号的集合。

8.一种无人机与车辆协同的电力巡检装置，其特征在于，所述装置应用于预设场景中，所述预设场景包括：巡检车辆沿着城市道路行驶并在停靠节点上释放无人机，无人机飞向杆塔对应的任务节点执行巡检任务，在无人机电量不足以至于无法继续执行下一个任务节点对应的巡检任务时则返回到停靠节点上与巡检车辆汇合并更换电池，继续执行下一个任务节点对应的巡检任务，直至所有的任务节点对应的巡检任务都被执行完成后返回到停靠节点上与巡检车辆汇合；

所述装置包括：

模型构建模块，用于根据所述预设场景，构建无人机和巡检车辆共同执行所述任务集合的路径规划模型；所述路径规划模型以无人机与巡检车辆协同巡检输电线路杆塔的总时长最小化为优化目标，预设约束条件包括所述无人机每一次从所述巡检车辆上起飞后至再返回到所述巡检车辆上的所用时长不能超过所述无人机的单次续航时长、每一个任务节点只能被无人机访问一次、无人机只能从停靠节点出发、所述无人机不能在道路上飞行、无人机的起飞次数和降落次数相同以及无人机在每一个飞行架次中起降点只能是停靠节点；

种群生成模块，用于构建初始种群，并在所述初始种群中选择适应度最高的染色体作为当前最优染色体；其中，所述初始种群中包括多条染色体，每一条染色体表征无人机与巡检车辆协同巡检电力杆塔的一个路径规划方案；每一条染色体上包括2m+1个基因位，2m+1个基因位包括m个任务节点的基因位和m+1个停靠节点的基因位，在偶数基因位上设置有任务节点的编号，在奇数基因位的基因值上设置停靠节点的编号或编码0，任务节点的编号为偶数，停靠节点的编号为奇数；编码0左右两侧相邻的基因位上只能是任务节点的编码，且表示无人机在巡检完前一基因位上的任务节点后未返回停靠节点就巡检下一基因位上的任务节点；m为任务节点的总数；所述适应度值为无人机与巡检车辆协同巡检输电线路杆塔的总时长的倒数；

第一判断模块，用于判断当前种群中的各条染色体是否均满足预设约束条件，对不满足所述预设约束条件的染色体进行修正以使该染色体满足所述预设约束条件；

最优更新模块，用于计算当前种群中每一条染色体的适应度值，并判断当前种群中的最高适应度值是否高于当前最优染色体的适应度值，若是则将当前最优染色体替换为所述最高适应度值对应的染色体，否则保持当前最优染色体不变；

第二判断模块，用于判断当前迭代次数是否达到预设最大迭代次数：若是，则将当前最优染色体作为全局最优解并输出；否则，采用预设遗传算法对当前种群中的染色体进行更新，将迭代次数加1，并返回所述第一判断模块；其中，更新处理之后的染色体相对于更新之前的染色体对应的路径规划方案发生变化，所述采用预设遗传算法对当前种群中的染色体进行更新包括：对当前种群中的染色体依次进行预设选择操作、预设交叉操作和预设变异操作。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。