1.一种融合LIDAR点云与图像数据的无人机自主选址降落方法，其特征在于，所述方法包括：

获取激光雷达采集的激光雷达点云数据流以及相机采集的图像数据流，基于所述激光雷达点云数据流以及所述图像数据流融合生成彩色点云图；

计算所述彩色点云图中的至少一个平滑区域，将距离无人机最近的所述平滑区域作为初始着陆点，并控制所述无人机向所述初始着陆点移动；

在移动至所述初始着陆点的过程中，对所有所述平滑区域对应的语义信息进行可视化分析，筛选得到至少一个安全平滑区域；

将距离所述无人机当前位置最近的所述安全平滑区域确定为最终着陆点，控制所述无人机降落至所述最终着陆点。

2.根据权利要求1所述的方法，其特征在于，所述获取激光雷达采集的激光雷达点云数据流以及相机采集的图像数据流，基于所述激光雷达点云数据流以及所述图像数据流融合生成彩色点云图，包括：

根据GPS提供的时间脉冲同步激光雷达和相机之间的初始时间后，获取所述激光雷达采集的激光雷达点云数据流以及所述相机采集的图像数据流，所述激光雷达与所述相机的视场重叠；

将所述激光雷达点云数据流中的激光雷达帧转换为所述相机对应棋盘平面上的相机帧，构建所述激光雷达帧与相机帧的第一对应关系；

基于所述第一对应关系生成彩色点云图，使所述彩色点云图与无人机所处真实场景相对应。

3.根据权利要求2所述的方法，其特征在于，所述将所述激光雷达点云数据流中的激光雷达帧转换为所述相机对应棋盘平面上的相机帧，包括：构建一固定的棋盘平面对所述相机的固有参数矩阵进行标定，所述固有参数矩阵包括内部参数矩阵和外部变换矩阵，所述棋盘平面的视场与所述相机的视场相同；

确定所述内部参数矩阵后，重建所述棋盘平面中棋盘角的位置；

构建法向量特征来检测所述激光雷达点云数据流中的激光雷达帧，并在所述棋盘平面中标识所述法向量特征，得到任一视场角下的棋盘对应关系；

获取多个视场角的所述棋盘对应关系，构建棋盘平面集合；

基于外部变换矩阵，在所述棋盘平面集合上将所述激光雷达帧转换为相机帧。

4.根据权利要求1所述的方法，其特征在于，所述计算所述彩色点云图中的至少一个平滑区域，将距离无人机最近的所述平滑区域作为初始着陆点，并控制所述无人机向所述初始着陆点移动，包括：

基于所述激光雷达点云数据流构建激光雷达定位框架，并基于所述图像数据流构建相机定位框架；

结合所述激光雷达定位框架与相机定位框架，检测所述彩色云点图的特征点数据，并计算所述特征点数据与真实场景之间的第二对应关系；

根据所述第二对应关系，计算所述彩色点云图中的至少一个平滑区域；

对无人机进行运动预测，将距离所述无人机最近的所述平滑区域作为初始着陆点，并控制所述无人机向所述初始着陆点移动。

5.根据权利要求4所述的方法，其特征在于，所述计算所述彩色点云图中的至少一个平滑区域，包括：

根据所述激光雷达定位框架与相机定位框架，计算无人机姿态；

分别计算所述彩色点云图的平滑度成本、平整度成本、能耗成本，结合所述无人机姿态，计算所述无人机的成本能量图；

基于所述成本能量图，确定所述彩色点云图中的至少一个平滑区域。

6.根据权利要求5所述方法，其特征在于，所述在移动至所述初始着陆点的过程中，对所有所述平滑区域对应的语义信息进行可视化分析，筛选得到至少一个安全平滑区域，包括：

在移动至所述初始着陆点的过程中，将所述成本能量图投影至一水平面上，并在所述水平面上划分缩放网格，用以使每个所述缩放网格存储所有所述平滑区域的平均成本值；

通过快速卫衣算法在所述缩放网格中分割出一组表征语义信息的聚类，将所述聚类的质心确定为每个所述聚类对应的成本能量图的局部最大值；

基于各所述聚类构建神经网络模型，通过所述神经网络模型筛选得到至少一个安全平滑区域。

7.一种融合LIDAR点云与图像数据的无人机自主选址降落系统，其特征在于，所述系统包括：

无人机，所述无人机上设置有NUC上位机支架、激光雷达相机支架，所述激光雷达相机支架上安装有激光雷达和相机；

所述NUC上位机支架上设置有NUC上位机，所述NUC上位机用以实现如权利要求1‑6任一项所述方法的步骤。

8.一种电子设备，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如权利要求1‑6任一项所述方法的步骤。

9.一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如权利要求1‑6任一项所述方法的步骤。