1.一种基于多无人机的涌潮潮头平面形态检测方法，其特征在于，包括以下步骤：步骤1：各模块通电自检，对无人机模块、云台相机模块、NUC、自组网模块和地面站模块通电自检；

步骤2：集初始航点，飞控模块生成各航点信息；

步骤3：地面站控制各无人机起飞至初始航点悬停并调整姿态；

步骤4：当涌潮进入云台相机视野范围内，无人机切换至涌潮摄影模式，利用云台相机模块进行涌潮图像采集，并实时传输至NUC模块；

步骤5：NUC模块运行涌潮拼接算法，对涌潮图像进行同步拼接；

步骤6：NUC模块运行跟踪算法，实时保持动态涌潮跟踪；

步骤7：每间隔给定的距离，飞控模块给云台相机模块发送拍照指令，重复步骤4‑步骤

6；

步骤8：任务完成，各无人机返航；

所述涌潮拼接算法具体步骤如下：

1‑1：首先加载图像，运用中值滤波消除图像中的噪声，为后面图像配准做好基础；

1‑2：然后采用基于不变量的SIFT算法进行图像配准，建立DOG尺度空间，提取尺度空间中的关键点，生成基准图和待配准图的特征点描述子；

1‑3：再采用暴力匹配方法进行涌潮特征点匹配，计算某一个特征点描述子与其他所有特征点描述子之间的距离，再将得到的距离进行排序，取距离最近的一个作为匹配点，通过对所有匹配集合的距离进行排序，选取距离最近的50个作为匹配点集；

1‑4：采用RANSAC算法来消除匹配过程中特征点的误匹配；

1‑5：最后采用像素间距离加权的方法对拼接的图像进行融合，消除拼接的图像序列之间存在的曝光差异等问题，提高全景图像的质量；

所述步骤6的具体步骤为：NUC模块运行涌潮跟踪算法，计算出涌潮当前的行进速度，而后反馈给飞控系统来智能地调整无人机飞行速度，以保证无人机始终处于涌潮正上方，最终实现多无人机的涌潮智能跟踪观测。

2.根据权利要求1所述的一种基于多无人机的涌潮潮头平面形态检测方法，其特征在于，所述步骤1的具体步骤为：打开飞行器，用移动设备连接APP，进入图传界面，点击图传界面的顶部进入飞行器状态列表，可以看到模块自检和该飞行器各个模块的状态，重点检查模块自检、指南针、IMU、电调状态、云台状态是否异常。

3.根据权利要求1所述的一种基于多无人机的涌潮潮头平面形态检测方法，其特征在于，所述步骤2的具体步骤为：将初始坐标、期望航向、期望距离和无人机数量通过地面站节点发送至自组网模块，再由自组网模块分发至所有无人机节点，各无人机节点的飞控模块运行航点生成算法生成航点信息。

4.根据权利要求1所述的一种基于多无人机的涌潮潮头平面形态检测方法，其特征在于，所述步骤3的具体步骤为：在涌潮来临之前，通过地面站模块向自组网模块发送“起飞”控制命令，各无人机节点将根据生成的航点信息，依次飞往任务起始点江面上方悬停等待，并调整无人机姿态以及控制云台相机模块的三轴航拍角度。

5.根据权利要求1所述的一种基于多无人机的涌潮潮头平面形态检测方法，其特征在于，所述步骤4的具体步骤为：打开无人机搭载的云台相机，等待涌潮到来，当涌潮进入云台相机视野范围内时，地面站将无人机飞行模式切换至涌潮摄影模式，云台相机模块在摄影模式下进行涌潮图像采集，并实时将采集到的涌潮图像传输至NUC模块。

6.根据权利要求1所述的一种基于多无人机的涌潮潮头平面形态检测方法，其特征在于，所述步骤5的具体步骤为：NUC模块运行涌潮拼接算法，将各无人机采集的沿涌潮宽度方向的涌潮图像进行同步拼接。

7.根据权利要求1所述的一种基于多无人机的涌潮潮头平面形态检测方法，其特征在于，所述涌潮跟踪算法具体步骤如下：

7‑1：首先对拼接后的涌潮图像进行灰度化处理，然后运用中值滤波消除图像中的噪声，再运用边缘检测算法得到二值图像，再对二值图像进行边缘膨胀，最后通过findContours函数提取图像的轮廓信息，筛选出面积最大的轮廓即为所需要得到的涌潮潮头的轮廓，将所述涌潮潮头的轮廓像素点设为255，即为白色，其余地方像素点设为0，即为黑色；

7‑2：计算涌潮行进速度，涌潮行进速度的计算公式如下：

V＝ΔX/Δt*GSD

式中，ΔX为轴方向上的像素点的位移差，Δt为拍摄两张图片的时间差，GSD为影像的地面分辨率，假设涌潮是朝着X轴方向推进；

7‑3：将涌潮行进速度发送至飞控模块，经过飞控算法处理后输出控制信号控制无人机实现涌潮跟踪。

8.根据权利要求1所述的一种基于多无人机的涌潮潮头平面形态检测方法，其特征在于，所述步骤8的具体步骤为：当检测任务完成时，通过地面站发送“返航”控制指令，所有无人机依次自主返航至起飞点，任务结束。