1.一种无人机视角的车辆旋转检测系统，其特征在于，包括图像获取模块、图像标签处理模块、图像预处理模块、Backbone模块、特征空间关系捕获模块、第一次特征融合模块、第二次特征融合模块、CSL环形平滑处理模块和预测模块，特征空间关系捕获模块连接Backbone模块和第一次特征融合模块，第一次特征融合模块和第二次特征融合模块间利用level1通道、level2通道和level3通道进行连接，其中：图像获取模块，用于获取无人机在30‑80m高空下的正俯视视角拍摄的图像；

图像标签处理模块，用于处理图像的标签数据，使用长边表示法表示图像中每个目标的标签，结合图像获取模块获取到的图像数据，构建系统的训练数据集；

图像预处理模块，用于对图像获取模块中的图像进行预处理；

Backbone模块，用于提取图像预处理模块输出图像的底层特征；

特征空间关系捕获模块，用于获取Backbone模块中16倍下采样处和32倍下采样处提取的特征图中特征点之间的空间关系，进而捕获原图中车辆与车辆之间的空间关系和车辆与周围环境的空间关系；

第一次特征融合模块，用于将Backbone模块8倍下采样处的特征图和特征空间关系捕获模块中的特征图提取出来进行上下采样融合，并将融合后的不同特征图分别通过level1、level2和level3三个通道输出到第二次特征融合模块；

第二次特征融合模块，用于根据自适应空间特征融合，分别在level1通道、level2通道和level3通道对第一次特征融合模块输出的融合后的不同特征图进行采样融合，融合后每个通道输出一个相应的特征图；

CSL环形平滑处理模块，用于系统在训练模式下使用CSL算法对标签中的角度信息进行环形平滑处理；

预测模块，用于预测图像中车辆目标在图像上的位置信息、角度信息、类别信息，并输出相应的预测置信度。

2.根据权利要求1所述的一种无人机视角的车辆旋转检测系统，其特征在于，图像标签处理模块中使用长边表示法表示图像中每个目标的标签，标签处理后的格式为：[classid，x_c,y_c,longside，shortside,θ]其中，classid为类别信息标号，(x_c，y_c)为目标的中心点坐标，longside为旋转矩形框的最长边，shortside为旋转矩形框中与最长边对应的另一边，θ为x轴顺时针旋转遇到最长边所经过的角度，取值范围为0°‑179°的整数。

3.根据权利要求1所述的一种无人机视角的车辆旋转检测系统，其特征在于，Backbone模块包括：

依次级联的Focus层、第一卷积层、第一CSP瓶颈层、第二卷积层、第二CSP瓶颈层、第三卷积层、第三CSP瓶颈层、第四卷积层、SPP层；

Focus层对图像预处理模块处理过的图像切分成4份，每份数据的深度不变，长宽减半，然后在深度维度上进行拼接，最后进行卷积操作；

第一卷积层、第二卷积层、第三卷积层、第四卷积层用于对输入的图像进行2倍下采样的卷积操作；

第一CSP瓶颈层、第二CSP瓶颈层、第三CSP瓶颈层对输入的图像进行卷积操作；

SPP层，用于根据步长为1，窗口大小为5×5、9×9、13×13的最大池化层进行最大池化操作，然后在深度方向上进行拼接，最后通过1×1大小的卷积来调整特征图的通道数。

4.根据权利要求1所述的一种无人机视角的车辆旋转检测系统，其特征在于，特征空间关系捕获模块包括第一Bottleneck Transformer层和第二Bottleneck Transformer层；

第一Bottleneck Transformer层，用于对Backbone模块中32倍下采样处提取出的特征图进行特征点之间的空间关系捕获操作，进而捕获原图中车辆与车辆之间的空间关系和车辆与周围环境的空间关系；

第二Bottleneck Transformer层，用于对Backbone模块中16倍下采样处提取出的特征图进行特征点之间的空间关系捕获操作，进而捕获原图中车辆与车辆之间的空间关系和车辆与周围环境的空间关系。

5.根据权利要求1所述的一种无人机视角的车辆旋转检测系统，其特征在于，第一次特征融合模块包括：

依次级联的第五卷积层、第一上采样层、第一拼接层、第六卷积层、第二上采样层、第二拼接层、第四CSP瓶颈层、第七卷积层、第三拼接层、第五CSP瓶颈层、第八卷积层、第四拼接层、第六CSP瓶颈层；

第一拼接层用于拼接第二Bottleneck Transformer层的特征图和第一上采样层的特征图；

第二拼接层用于拼接第二CSP瓶颈层的特征图和第二上采样层的特征图；

第三拼接层用于拼接第六卷积层的特征图和第七卷积层的特征图；

第四拼接层用于拼接第五卷积层的特征图和第八卷积层的特征图；

第五卷积层和第六卷积层，用于对特征图进行调整特征图通道数的卷积操作；

第七卷积层和第八卷积层用于对特征图进行2倍下采样的卷积操作；

第四CSP瓶颈层对输入的图像进行特征提取并输出深度为128，宽高为图像获取模块获取的图像8倍下采样大小的特征图到level1通道中；

第五CSP瓶颈层对输入的图像进行特征提取并输出深度为256，宽高为图像获取模块获取的图像16倍下采样大小的特征图到level2通道中；

第六CSP瓶颈层对输入的图像进行特征提取并输出深度为512，宽高为相对于图像获取模块获取的图像32倍下采样大小的特征图到level3通道中。

6.根据权利要求1所述的一种无人机视角的车辆旋转检测系统，其特征在于，第二次特征融合模块通过恒等缩放对第一次特征融合模块输出的三个特征图进行调整，使得在不同通道融合时三个特征图的大小和通道数相同，恒等缩放具体包括：在level1通道融合level2、level3输出的特征图时，对level2输出的特征图进行2倍上采样，对level3输出的特征图进行4倍上采样；

在level2通道融合level1、level3输出的特征图时，对level1输出的特征图进行2倍上采样，对level3输出的特征图采用步长为2的3×3卷积进行2倍下采样；

在level3通道融合level1、level2输出的特征图时，对level1输出的特征图先采用步长为2的3×3卷积进行2倍下采样，然后再采用步长为2的3×3最大池化进行2倍下采样，对level2输出的特征图采用步长为2的3×3卷积进行2倍下采样。

7.根据权利要求6所述的一种无人机视角的车辆旋转检测系统，其特征在于，第二次特征融合模块采用恒等缩放后进行自适应融合，将调整后的特征图进行融合，自适应融合表示为：

其中， 表示自适应融合后的特征图，(i,j)表示三个特征图融合后的空间位置， 表示level1通道输出的特征图经过1×1卷积后学习到的空间重要性参数， 表示level2通道输出的特征图经过1×1卷积后学习到的空间重要性参数， 表示level3通道输出的特征图经过1×1卷积后学习到的空间重要性参数， 表示level1通道中(i,j)位置处的特征， 表示level2通道中(i,j)位置处的特征， 表示level3通道中(i,j)位置处的特征。

8.根据权利要求1所述的一种无人机视角的车辆旋转检测系统，其特征在于，CSL环形平滑处理模块中采用的CSL算法表示为：其中，θ表示训练模式下当前目标标签中的角度值，r表示窗口半径，取值为10；g(x)表示高斯函数，表达式为：

其中，μ表示均值，取值为0；σ表示方差，取值为10。

9.根据权利要求1所述的一种无人机视角的车辆旋转检测系统，其特征在于，预测模块包括第九卷积层、第十卷积层、第十一卷积层、small层、medium层和large层三个预测特征层，其中：

第九卷积层的输入为level1通道输出的特征图，卷积核大小为1×1，卷积个数由每个特征点的预测参数个数决定；

第十卷积层的输入为level2通道输出的特征图，卷积核大小为1×1，卷积个数由每个特征点的预测参数个数决定；

第十一卷积层的输入为level3通道输出的特征图，卷积核大小为1×1，卷积个数由每个特征点的预测参数个数决定；

第九卷积层，第十卷积层，第十一卷积层的卷积个数相同，且卷积个数＝xywh+confidence+num_class+num_angle，其中，xywh是目标在图像上的中心点坐标和目标在图像上的宽和高相对初始锚框的偏移量，confidence指置信度，num_class是目标的类别，num_angle是角度的类别，采用CSL算法后，num_angle取值范围为0°‑179°的整数；

small层为第九卷积层输出的特征图，用于预测图像中的小目标；

medium层为第十卷积层输出的特征图，用于预测图像中的中等大小的目标；

large层为第十一卷积层输出的特征图，用于预测图像中的大目标。

10.一种无人机视角的车辆旋转检测方法，其特征在于，包括以下步骤：通过图像获取模块获取无人机在30‑80m高空下的正俯视视角拍摄的图像；

通过图像预处理模块对图像获取模块中的图像进行预处理；

通过Backbone模块提取图像预处理模块输出图像的底层特征；

利用特征空间关系捕获模块，获取Backbone模块在16倍下采样和32倍下采样提取的特征图中特征点之间的空间关系，进而捕获原图中车辆与车辆之间的空间关系和车辆与周围环境的空间关系；

利用第一次特征融合模块，对Backbone模块8倍下采样处提取的特征和特征空间关系捕获模块提取的特征进行融合，得到融合后的特征；

利用第二次特征融合模块，对融合后的特征进行第二次特征融合，输出三个大小不同的特征图；

利用预测模块，预测图像中车辆目标在图像上的位置信息、角度信息、类别信息，并输出相应的预测置信度。