1.一种基于图结构的无监督交叉视角图像地理定位方法，其特征在于，包括：

采集均以待定位区域内的物体为拍摄对象的第一视角图像、第二视角图像和第三视角图像，其中所述第三视角图像包括图像地理位置信息；所述第一视角图像为地面视角图像，所述第二视角图像为无人机视角图像，所述第三视角图像为卫星视角图像；

获取待定位第一视角图像，提取待定位原图像特征向量；

以第二视角图像提取的第二视角图像特征向量为基准，将所述第二视角图像特征向量和所述待定位原图像特征向量映射到同一特征空间；

将所述待定位原图像特征向量映射后的待定位映射特征向量输入至预先训练获得的特征图进行目标路径的图搜索确定第三映射特征向量，所述目标路径的起点为第一映射特征，终点为第三映射特征；

基于所述第三映射特征向量，确定对应第三视角图像；

根据所述图像地理位置信息确定所述待定位第一视角图像的地理定位结果；

其中，所述特征图的图节点包括处于同一特征空间的第一映射特征、参考映射特征以及第三映射特征，所述特征图的边包括所述第一映射特征和参考映射特征之间的边，以及所述参考映射特征和第三映射特征之间的边；各所述边具有对应权重；所述第一映射特征、参考映射特征以及第三映射特征为分别根据所述第一视角图像、第二视角图像和第三视角图像确定。

2.根据权利要求1所述的基于图结构的无监督交叉视角图像地理定位方法，其特征在于，所述第一映射特征、参考映射特征和第三映射特征的确定方式为：分别对所述第一视角图像、第二视角图像和第三视角图像进行特征提取，获得第一图像特征向量、第二图像特征向量和第三图像特征向量；

根据第二图像特征向量确定参考图像特征向量；

以所述参考图像特征向量为基准将所述第一图像特征向量、参考图像特征向量和第三图像特征向量映射到同一特征空间，从而获得所述第一映射特征向量、参考映射特征向量和第三映射特征向量。

3.根据权利要求2所述的基于图结构的无监督交叉视角图像地理定位方法，其特征在于，所述参考图像特征向量为所述第二图像特征向量，或者，所述参考图像特征向量是通过对所述第二图像特征向量进行聚类后所获得的各聚类中心特征向量。

4.根据权利要求2所述的基于图结构的无监督交叉视角图像地理定位方法，其特征在于，所述参考图像特征向量是通过对所述第二图像特征向量进行聚类后所获得的各聚类中心特征向量；参考图像特征向量中的每个所述参考图像特征均带有对应聚类的伪标签；

所述第一映射特征向量中每一第一映射特征均被赋予对应首映射参考特征向量的伪标签；所述首映射参考特征向量的确定方式为：针对每一个所述第一映射特征，将所述参考映射特征向量中每一参考映射特征和所述第一映射特征之间的特征相似度按照降序排列，选取前设定个数的参考映射特征组成所述首映射参考特征向量；

所述第三映射特征向量中每一第三映射特征均被赋予对应末映射参考特征向量的伪标签；所述末映射参考特征向量的确定方式为：针对每一个所述第三映射特征，将所述参考映射特征向量中每一参考映射特征和所述第三映射特征之间的特征相似度按照降序排列，选取前所述设定个数的参考映射特征组成所述末映射参考特征向量；

将所述待定位原图像特征向量映射后的待定位映射特征向量输入至预先训练获得的特征图进行目标路径的图搜索第三映射特征向量，包括：以所述目标路径中边的加权和最小，且所述目标路径两端节点伪标签间的标签相似度满足预设要求为目标进行图搜索，从而确定所述第三映射特征向量。

5.根据权利要求4所述的基于图结构的无监督交叉视角图像地理定位方法，其特征在于，所述首映射参考特征向量的确定方式具体包括：针对每一个所述第一映射特征，依次确定所述第一映射特征与所述参考映射特征向量中的每一所述参考映射特征的向量点积，获得各第一特征相似度；将各所述第一特征相似度按照降序排列，选取前设定个数的参考映射特征组成所述首映射参考特征向量；

或，针对每一个所述第一映射特征，依次确定每一所述参考映射特征与所述第一映射特征的向量点积，获得各第二特征相似度；将各所述第二特征相似度按照降序排列，选取前设定个数的参考映射特征组成所述首映射参考特征向量；

或，针对每一个所述第一映射特征，分别确定各所述第一特征相似度和各所述第二特征相似度，并均按照降序排列；依次比较所述第一特征相似度和第二特征相似度的大小，选取两者中数值最大的参考映射特征，直至选取前所述设定个数的参考映射特征组成所述首映射参考特征向量。

6.根据权利要求4所述的基于图结构的无监督交叉视角图像地理定位方法，其特征在于，所述目标路径两端节点伪标签间的标签相似度满足预设要求，包括：对所述第一映射特征的伪标签和所述第三映射特征的伪标签进行向量点积运算获得所述标签相似度；

当所述标签相似度大于或等于阈值，则满足预设要求。

7.根据权利要求1所述的基于图结构的无监督交叉视角图像地理定位方法，其特征在于，所述方法还包括：针对每一个所述第一映射特征，计算其与所述参考映射向量中的所有参考映射特征之间的特征相似度，将所述特征相似度值作为相应的关联概率；

对于单个所述第一映射特征，依据特征相似度值按降序排列对应的参考映射特征，把与所述第一映射特征的特征相似度排在前列选取数量的参考映射特征作为正样本，根据其余的参考映射特征选取负样本；

将选取好的正样本、负样本代入预选的对比损失函数，利用所述对比损失函数基于关联概率计算损失值，通过所述损失值调整参数，从而将所述第一映射特征与所述参考映射特征之间以及所述第三图映射特征与所述参考映射特征之间的相似图像特征距离缩小，不相似图像特征距离增加。

8.根据权利要求7所述的基于图结构的无监督交叉视角图像地理定位方法，其特征在于，根据其余的参考映射特征选取负样本，包括：将其余的所有参考映射特征作为负样本，或者，利用困难样本选取法从其余的所有参考映射特征中确定所述负样本。

9.根据权利要求7所述的基于图结构的无监督交叉视角图像地理定位方法，其特征在于，所述方法还包括：把与所述第一映射特征的特征相似度排在第一位的参考映射特征作为正样本，将其余的所有参考映射特征作为负样本。

10.根据权利要求1所述的基于图结构的无监督交叉视角图像地理定位方法，其特征在于，所述方法还包括：采集均以位于目标区域内的物体为拍摄对象的第一视角图像、第二视角图像和第三视角图像组成多视角图像数据集，其中所述第三视角图像包括所述目标区域的地理位置信息；

将所述多视角图像数据集分为训练集和测试集；

构建初始图结构；

根据预设目标，利用所述训练集对所述初始图结构进行训练，选择优化算法对所述初始图结构进行优化，直到达到预设的训练停止条件；

利用测试集对训练后的初始图结构进行测试，确定所述特征图。