1.一种基于图像匹配的无人机导航方法，其特征在于，应用于无人机，所述方法包括以下步骤：步骤S1：通过视觉里程计在第一高度对无人机的作业范围进行实地拍摄与测量，获得第一拍摄图像，对第一拍摄图像进行关键帧提取，获得第一关键帧集，并将第一关键帧集发送至服务器以使服务器根据第一关键帧集进行拼接，获得模糊原图；

步骤S2：将模糊原图以矩阵形式进行分割并排序，获得模糊区域原图集；

步骤S3：根据模糊区域原图集中的每个模糊区域原图所属的地理区域范围进行多个位置的全景拍摄，得到第二拍摄图像，其中每个位置包括高度和经纬度，通过第二拍摄图像进行关键帧提取，获得第二关键帧集和高度信息集；

步骤S4：发送第二关键帧集和高度信息集至服务器以使服务器根据第二关键帧集进行特征提取，获得区域特征图集，将区域特征图集进行聚合操作，建立成三维数据模型，从而获得精确区域原图集；

步骤S5：根据精确区域原图集与高度信息集，对精确区域原图集中的每个精确区域原图引入相关的高度信息集中的高度信息进行计算，获得区域特征点集，将区域特征点集标记到精确区域原图上，从而获得精确区域特征原图集；

步骤S6：对精确区域特征原图集进行边界融合操作，获得精确地貌原图，将精确地貌原图存储到无人机的制导系统中；

步骤S7：对无人机所在的位置进行实地测量，获得第三拍摄图像、大气的能见度数值与光照强度值，根据大气的能见度数值与预设的能见度数值进行计算，得到第一权重值，根据光照强度值与预设的光照强度值进行计算，得到第二权重值，比较第一权重值与第二权重值得到最大权重，用最大权重选择切换拍摄图像类型；

步骤S8：根据第三拍摄图像进行计算获得第三拍摄图像的高度信息，对第三拍摄图像进行关键帧提取，得到实地测量关键帧；

步骤S9：根据实地测量关键帧并通过PP‑MSVSR算法进行计算得到全景图，用全景图进行卷积操作，获得实时特征图集，对实时特征图集进行聚合操作，获得实时地貌图；

步骤S10：根据第三拍摄图像的高度信息对实时地貌图进行计算，以获得实时特征点，将实时特征点标记到实时地貌图，获得实时特征地貌图；

步骤S11：采用预设的匹配顺序对实时特征地貌图与精确地貌原图进行多次匹配，获得多组匹配度集，筛选匹配度集以获得最高匹配度，将最高匹配度与预期值集进行对比，获得相似度最高的匹配度集所对应的区域，将该区域重置为无人机当前飞行区域，在精确地貌原图内获得无人机的当前精确位置，将无法匹配的当前精确位置发回服务器处理；

步骤S12：接收精确地貌原图上设置的飞行路径，根据当前精确位置生成飞行路径导航图，进行自主导航飞行；或者，接收精确地貌原图上设置的原始目标地点，根据当前精确位置生成飞行目标导航图，进行自主导航飞行；

步骤S13：根据无人机当前飞行区域进行分析，生成导航路径集；根据导航路径集进行分析，当导航路径集中导航重叠区域出现次数达到重叠阈值时，则生成重叠导航区域；根据重叠导航区域进行分析，统计属于实时特征点集但不属于区域特征点集的每个实时特征点的出现次数，并将出现次数达到第一阈值的实时特征点标记为修正特征点；统计属于区域特征点集但不属于实时特征点集的每个实时特征点的出现次数，并将出现次数达到第二阈值的实时特征点，标记为消除特征点；根据修正特征点以及消除特征点，对精确地貌原图进行修正操作，获得更精确的精确地貌原图。

2.根据权利要求1所述的方法，其特征在于，步骤S4中发送第二关键帧集和高度信息集至服务器以使服务器根据第二关键帧集进行特征提取，获得区域特征图集的步骤包括以步骤：发送第二关键帧集和高度信息集至服务器以使服务器根据无人机传回的第二关键帧集，通过预设的空间权重和通道权重，对第二关键帧集的关键帧的特征区域进行突出显示，用卷积操作对不同的关键帧进行特征提取，获得区域特征图集。

3.根据权利要求1所述的方法，其特征在于，步骤S4中将区域特征图集进行聚合操作，建立成三维数据模型，从而获得精确区域原图集的步骤包括以下步骤：采用深度卷积特征聚合框架对区域特征图集进行聚合操作，建立三维数据模型，从而获得精确区域原图集。

4.根据权利要求1所述的方法，其特征在于，步骤S6具体包括以下步骤：

提取精确区域特征原图集中的精确区域特征原图的边缘区域，用精确区域特征原图集的顺序对边缘区域的重叠或相似区域进行卷积操作，以使边缘平滑过渡，从而实现融合操作，获得精确地貌原图。

5.根据权利要求1所述的方法，其特征在于，步骤S9中根据实地测量关键并通过PP‑MSVSR算法进行计算得到全景图的步骤包括以下步骤：通过PP‑MSVSR算法将实地测量关键帧的像素对准精确地貌原图的像素，从而获得全景图。

6.根据权利要求1所述的方法，其特征在于，步骤S11中采用预设的匹配顺序对实时特征地貌图与精确地貌原图进行多次匹配分为三种：(1)根据GPS导航定位对应精确地貌原图的位置，用范围逐渐扩大方式进行匹配；

(2)在无网状态下，以精确地貌原图的矩阵顺序进行匹配；

(3)根据特征点匹配度，对实时特征图匹配顺序进行由高到低排序；

步骤S11包括以下步骤：

在相同高度信息的条件下，根据匹配顺序(1)或(2)对实时特征点与区域特征点进行第一次匹配，用极大似然估计算法对实时地貌图上的实时特征点与精确地貌原图上的区域特征点进行相似度匹配，获得第一组匹配度集；

当第一次匹配时第一组匹配度集的最新匹配度高于第一预期值时立刻停止匹配，在精确地貌原图上确定停止匹配点的位置为当前位置；

当第一次匹配时第一组匹配度集未有高于第一预期值的全图匹配，获得第一组匹配度集中的最高匹配度，在精确地貌原图上确定最高匹配度高于第二预期值的匹配点为当前位置；

当最高匹配度低于第二预期值的，根据匹配顺序(3)对实时特征图与区域特征图进行第二次匹配，用极大似然估计算法对实时特征图与区域特征图进行相似度匹配，获得第二组匹配度集；

获得第二组匹配度集中的最高匹配度，在精确地貌原图上确定最高匹配度高于第三预期值的匹配点为当前位置；

最高匹配度低于第三预期值的，无人机自主提升飞行高度到第二高度，获得实时地貌图上零散的实时特征点，根据匹配顺序(1)或(2)对实时特征点与区域特征点进行第三次匹配，用极大似然估计算法对实时地貌图上的实时特征点与精确地貌原图上的区域特征点进行相似度匹配，获得第三组匹配度集，其中第一高度高于第二高度；

获得第三组匹配度集中的最高匹配度，在精确地貌原图上确定最高匹配度高于第四预期值的匹配点为当前位置；

最高匹配度低于第四预期值的，根据匹配顺序(1)或(2)对实时特征图与区域特征图进行四次匹配，用极大似然估计算法对实时特征图与区域特征图进行相似度匹配，获得第四组匹配度集；

获得第四组匹配度集中的最高匹配度，在精确地貌原图上确定最高匹配度高于第五预期值的匹配点为当前位置；

最高匹配度低于第五预期值的，将第一组至第四组匹配度集发回服务器处理，其中第一预期值、第二预期值、第三预期值、第四预期值、第五预期值逐渐降低。

7.根据权利要求1所述的方法，其特征在于，步骤S12中接收精确地貌原图上设置的飞行路径，根据当前精确位置生成飞行路径导航图，进行自主导航飞行的步骤具体包括以下步骤：接收精确地貌原图上设置的飞行路径，根据飞行路径在无人机的精确地貌原图上生成飞行路径导航图；

根据当前精确位置与生成的飞行路径导航图的出发点构建回归飞行路径，根据回归飞行路径飞行至飞行路径导航图的出发点，进行自主导航飞行。

8.根据权利要求1所述的方法，其特征在于，步骤S12中接收精确地貌原图上设置的原始目标地点，根据当前精确位置生成飞行目标导航图，进行自主导航飞行的步骤包括以下步骤：接收精确地貌原图上设置的原始目标地点，根据原始目标地点在无人机的精确地貌原图上标定精确目标地点，根据精确目标地点生成飞行目标导航图，进行自主导航飞行。

9.根据权利要求1所述的方法，其特征在于，步骤S13中根据修正特征点以及消除特征点，对精确地貌原图进行修正操作，获得更精确的精确地貌原图的步骤包括以下步骤：根据修正特征点进行搜索，获得修正特征点对应的实时特征图，将实时特征图与对应的区域特征图进行替换操作，实现在精确地貌原图上进行修正调整操作；

根据消失特征点进行搜索，获得消失特征点对应的实时特征图，将实时特征图与对应的区域特征图进行替换操作，实现在精确地貌原图上进行修正调整操作。