1.一种基于骨骼化图片发现道路关键位置的方法，其特征在于：选取某一道路的2D街道地图，进行发现该道路关键位置的具体方法步骤为：步骤101，假设输入图像为无人机扫描街道场景构建的地图M，对输入图像进行中值滤波处理，其中中值滤波操作为F，结果图M1＝F(M)；

步骤102，选取图像M1中众值为阈值，将图像二值化，获得二值化图像MASK1；

步骤103，对二值化图像MASK1进行骨骼线计算处理，定义骨骼线计算操作为T，骨骼线S＝T(MASK1)，得到骨骼线之后，将骨骼线加在二值图像上，获得MASK2＝MASK1+S；

步骤104，通过第三方库的放大操作，将图像的最短边放大像素，增大图像MASK2的分辨率，得到放大后的图像R1；

步骤105，追踪获得目标所在位置(x1，y1)、朝向角度D1、攻击范围A1，其中D1大于0°小于360°；当为0°时，目标单位面朝正北方，数值随着顺时针增加，根据目标的朝向加180°，可得背部区域S1；

步骤106，遍历目标的背部区域S1的点，首先计算每个点(Xi，Yi)与目标坐标点的角度Ai和距离Di，将每个角度的直线的点保存在可通行点集合P中，当遇到点为障碍物时，将该点保存在障碍物集合Z中；

步骤107，筛选关键点候选集合P`和障碍物集合Z，确定针对目标的唯一关键点；其中，筛选关键点时具体方法为，待筛选的每一个元素包括点坐标(X，Y)和这点与目标的角度A，当角度A在障碍物集合Z时，记这点为MAX，筛选出可通行点集合P中所有A角度的点，独立地计算MAX、筛选出的点与目标的距离，两者相比较，构建比较后MAX距离小的点的集合R；

当角度A不在障碍物集合Z时，即该角度线上没有障碍点，筛选出可通行点集合P中所有A角度的点，与目标的距离最大值的点，这点的集合为R；

将集合R中按照距离值进行排序；

将距离值最大的点，且这点为与目标之间没有障碍物的点，即为唯一关键点；

步骤108，过程结束。

2.根据权利要求1所述基于骨骼化图片发现道路关键位置的方法，其特征在于：步骤

101中，中值滤波处理的卷积操作是将卷积核的中心点位置的数值用周围八个点的中值代替，这样经过中值处理用于去除无人机构建的地图中的杂点。

3.根据权利要求1所述基于骨骼化图片发现道路关键位置的方法，其特征在于：步骤

102中，图像二值化的方法为：设置图M1中的众值为x1，二值化的操作就是遍历图像M1中所有的点，如果点的数值大于x1，将该点数值置为1，小于x1则置为0，其中0为不可通行区域，也就是障碍物，1为可通行区域，也就是道路，最终得到二值化图像MASK1。

4.根据权利要求1所述基于骨骼化图片发现道路关键位置的方法，其特征在于：步骤

103中，把输入的具有一定宽度的图像轮廓采用逐次去掉边缘的方法直至宽度变为仅为一个像素的骨架为止。