1.一种基于人工智能的无人机测绘点云数据偏移校正方法，其特征在于，该方法包括：根据无人机测绘点云数据中的建筑点云边缘以及测绘边缘确定校正子区域及其精准测绘方向；

根据校正子区域的精准测绘方向拟合点云行直线，根据无人机飞行速度对点云行直线进行偏移校正；

根据无人机测绘点云数据中树木点云的中心点分布，确定匀速树木点云组；

若校正子区域包含任一匀速树木点云组，则根据匀速树木点云组从校正子区域内划分出匀速测绘区域，匀速测绘区域内所有点的偏移校正值相同；

所述根据无人机测绘点云数据中的建筑点云边缘以及测绘边缘确定校正子区域及其精准测绘方向包括：对点云数据的测绘边缘进行直线拟合，得到测绘边缘线段集合；

利用一侧测绘边缘线段划分测绘子区域，得到第一测绘子区域；利用另一侧测绘边缘线段划分测绘子区域，得到第二测绘子区域；

分别针对第一测绘子区域、第二测绘子区域执行以下操作：若测绘子区域内建筑点云的建筑边缘线段两两平行，则提取与精准建筑点云最小外接矩形重合的建筑边缘线段；若提取的建筑边缘线段延长线与相应的测绘边缘线段延长线的夹角符合预设条件，则将测绘子区域作为备选校正子区域；

确定备选校正子区域面积较大者为校正子区域，并将生成校正子区域的一侧测绘边缘线段所在方向作为精准测绘方向；

所述预设条件为：夹角位于[90°‑a,90°+a]或[‑a,a]，a为角度常数；

所述角度常数a满足的条件： 其中，a0为角度初始

值，b0为角度变量基准值，ρ0为平均扫描角间隔基准值，FOV为视场角范围，f0为视场角基准值，ρ为平均扫描角间隔，a0、b0、f0、ρ0、α、β为常数参数；

所述建筑点云的提取方法包括：对无人机测绘得到的点云高程数据进行阈值化分析，得到高程数据大于高程阈值的第一点云集合；对第一点云集合进行聚类得到若干个子集合，根据子集合内点的个数与高程数据离散程度筛选出粗糙建筑点云；据激光雷达数据的回波次数、回波强度离散程度，从粗糙建筑点云中筛选出精准建筑点云即为提取的建筑点云；

所述树木点云的提取方法包括：根据子集合内点的个数与高程数据离散程度筛选出粗糙树木点云；据激光雷达数据的回波次数、回波强度离散程度，从粗糙树木点云中筛选出精准树木点云即为提取的树木点云。

2.如权利要求1所述的方法，其特征在于，所述划分测绘子区域包括：沿无人机粗糙测绘方向，利用测绘边缘线段端点向测绘区域内作垂线段，垂线段长度为无人机的测绘宽度，垂线段以及两侧测绘边缘线段组成的闭合区域即测绘子区域。

3.如权利要求1所述的方法，其特征在于，所述根据匀速树木点云组从校正子区域内划分出匀速测绘区域包括：过匀速树木点云组中位于两端的树木点云的中心点做与校正子区域精准测绘方向垂直的直线，两条直线与测绘边缘线段所围成区域为匀速测绘区域。

4.如权利要求1所述的方法，其特征在于，所述根据无人机测绘点云数据中树木点云的中心点分布，确定匀速树木点云组包括：获取无人机测绘点云数据中树木点云最小外接矩形的中心点，将中心点分布均匀的树木点云组确定为匀速树木点云组。

5.一种基于人工智能的无人机测绘点云数据偏移校正系统，包括存储器、处理器以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，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。