1.一种基于无人机的钱塘江涌潮高度及传播速度测量方法，其特征在于，包括以下步骤：S1.无人机搭载板载计算机与双目摄像头作为硬件平台，飞向指定航点并悬停等待，开启双目摄像头进入视频模式，镜头与江面成一定夹角朝向涌潮来时方向，等待涌潮到来；

S2.利用双目摄像头左右两个相机采集涌潮图像信息，得到两幅图像；

S3.利用张正友标定方法对摄像机进行标定，得到摄像机的内参矩阵M和左右两个摄像机物理坐标系之间的旋转矩阵R和平移矢量T；

S4.分别对左、右摄像机拍摄的图像进行特征点检测、描述和匹配，得到可信的特征点对；

S5.根据所述可信的特征点对在所述左右两幅图像中的位置信息，同时使用双目立体视觉三维测量的相关公式，计算特征点在主摄像机坐标系下的坐标；

S6.根据计算得到的特征点在主摄像机坐标系下的坐标，可得到各特征点在不同时刻所处的位置，既可求得这些特征点向前推进的速度，板载计算机将该速度传输至无人机飞控模块，实现无人机的跟踪拍摄；

S7.根据所计算得到的特征点在主摄像机坐标系下的坐标，选取并筛选特征点，从而计算涌潮的高度值；

S8.板载计算机保存无人机在不同位置时涌潮的速度及高度数据，为后续涌潮研究提供数据支持。

2.根据权利要求1所述基于无人机与双目视觉的钱塘江涌潮高度及传播速度测量方法，其特征在于，所述步骤S1中，无人机搭载板载计算机以及一个双目摄像头作为硬件平台，板载计算机负责写入图像处理算法，将采集到的图像进行图像处理，计算得到的速度值传输至无人机飞控模块，使无人机能够与涌潮前进的速度同步，完成跟踪拍摄及涌潮高度测量任务。

3.根据权利要求1所述基于无人机与双目视觉的钱塘江涌潮高度及传播速度测量方法，其特征在于，所述步骤S4的具体步骤为：步骤1：使用SURF算法对左右两幅图像进行特征点提取；

步骤2：使用FlannBasedMatcher算法对提取的特征点进行粗略匹配；

步骤3：使用RANSAC算法对粗略匹配后的特征点对进行筛选，得到可行的特征点对。

4.根据权利要求1所述基于无人机与双目视觉的钱塘江涌潮高度及传播速度测量方法，其特征在于，所述步骤S5的具体步骤为：首先，按照下式计算得到左右摄像机拍摄图像中筛选的特征点在主摄像机坐标系中的空间位置坐标：其中，(X，Y，Z)是所筛选特征点在主摄像机坐标系下的位置坐标，(x1，y1)是左摄像机拍摄图像中的特征点坐标，(x2，y2)是对应匹配的右摄像头拍摄图像中的特征点坐标，f1、f2分别是左、右摄像机的焦距，r1、r2、…、r9分别为步骤S3得到的旋转矩阵R中的元素，tx、ty、tz分别是步骤S3得到的平移矢量T的元素。

5.根据权利要求1所述基于无人机与双目视觉的钱塘江涌潮高度及传播速度测量方法，其特征在于，所述步骤S6的具体步骤为：步骤1：在t1时刻筛选多个涌潮上的特征点，计算其在主摄像机坐标系下的位置坐标，并筛选可靠特征点即可测得所选特征点与无人机距离d1；

步骤2：在t2时刻筛选多个涌潮上的特征点，计算其在主摄像机坐标系下的位置坐标，并筛选可靠特征点即可测得所选特征点与无人机距离d2；

步骤3：通过计算t1、t2时刻内涌潮前进的距离d＝d1‑d2，计算涌潮在t1至t2时刻内的平均速度，若t1、t2相差足够小，即可作为涌潮在t1时刻的瞬时速度；

步骤4：无人机板载计算机计算得到瞬时速度后，将该速度传输至无人机飞控模块，使得飞控发送指令控制电机转动，从而使无人机按照指定速度进行飞行，达到无人机跟踪涌潮效果。

6.根据权利要求1所述基于无人机与双目视觉的钱塘江涌潮高度及传播速度测量方法，其特征在于，所述步骤S7的具体步骤为：根据所计算得到的特征点在主摄像机坐标系下的坐标，选取多个Y轴方向上最小的坐标点作为涌潮的最低点集，并筛选其中一个坐标点作为涌潮的最低点，选取多个Y轴方向上的最高点作为涌潮的最高点集，并筛选其中一个坐标点作为涌潮的最高点，通过计算筛选后的最高点与最低点在Y轴方向上的差值作为涌潮的高度，避免检测过程中检测出错误的特征点造成的结果的误差。

7.根据权利要求1所述基于无人机与双目视觉的钱塘江涌潮高度及传播速度测量方法，其特征在于，所述步骤S8的具体步骤为：无人机在跟随涌潮拍摄的过程中同步进行涌潮高度的计算，实时保存无人机在不同位置所拍摄涌潮的高度数据，为涌潮后续的研究提供数据支持。