1.一种无人机空中交通碰撞预测方法，其特征在于，包括以下步骤：采用无人机上搭载的摄像机采集前进方向中的环境图像，并提取轮廓，得到轮廓图，标注轮廓图上的封闭轮廓；

对每个封闭轮廓上的内侧轮廓像素点和外侧轮廓像素点获取线性度；

根据每个封闭轮廓的内侧轮廓像素点和外侧轮廓像素点在线性度上的比值，得到轮廓线性比值向量；

计算各个时刻的轮廓图上各个封闭轮廓在轮廓线性比值向量上的相似度，找出多组匹配封闭轮廓；

对轮廓图上的匹配封闭轮廓二值化处理，得到匹配轮廓二值图；

分别根据轮廓图的匹配封闭轮廓的内侧轮廓像素点和外侧轮廓像素点线性度，得到线性置信值，构建内侧置信特征图和外侧置信特征图；

采用三通道卷积神经网络处理匹配轮廓二值图、内侧置信特征图和外侧置信特征图，得到匹配封闭轮廓的分类；

在匹配封闭轮廓的分类为无人机时，基于该组匹配封闭轮廓，判断是否存在碰撞风险。

2.根据权利要求1所述的无人机空中交通碰撞预测方法，其特征在于，获取线性度的过程包括：对封闭轮廓提取内侧边缘的轮廓像素点和外侧边缘的轮廓像素点，得到内侧封闭轮廓和外侧封闭轮廓；

以内侧封闭轮廓或外侧封闭轮廓中每个轮廓像素点为中心，取邻域范围内多个轮廓像素点，得到一段轮廓；

在一段轮廓中将第i+1个轮廓像素点与第i个轮廓像素点相减，得到第i个向量，i为正整数；

计算相邻向量之间的夹角；

将一段轮廓的各个夹角的方差作为中心处轮廓像素点的线性度。

3.根据权利要求2所述的无人机空中交通碰撞预测方法，其特征在于，计算夹角的公式为： ，其中，θi为第i个夹角，vi为第i个向量，vi+1为第i+1个向量，arccos为反余弦，i为正整数，| |为取模运算。

4.根据权利要求1所述的无人机空中交通碰撞预测方法，其特征在于，得到轮廓线性比值向量的过程：对封闭轮廓上的内侧轮廓像素点的线性度从大到小排列，得到内侧线性度序列；

对封闭轮廓上的外侧轮廓像素点的线性度从大到小排列，得到外侧线性度序列；

将内侧线性度序列划分为N段，对每一段内侧线性度取均值，得到内侧均值向量，N为正整数；

将外侧线性度序列划分为N段，对每一段外侧线性度取均值，得到外侧均值向量；

将外侧均值向量与内侧均值向量按位相除，得到轮廓线性比值向量。

5.根据权利要求1所述的无人机空中交通碰撞预测方法，其特征在于，找出多组匹配封闭轮廓的过程包括：在连续多个时刻的轮廓组图中任取一张轮廓图，计算该轮廓图上第n个封闭轮廓的轮廓线性比值向量与其他剩余每张轮廓图上每个封闭轮廓的轮廓线性比值向量的相似度，n的初始值为1；

在剩余的一张轮廓图对应所有相似度中取最大相似度；

在所有剩余轮廓图上的最大相似度均大于相似度阈值时，将各张轮廓图上对应封闭轮廓归为一组匹配封闭轮廓；

将n自加1，重复匹配过程，直到任取的一张轮廓图上封闭轮廓遍历完，得到多组匹配封闭轮廓。

6.根据权利要求1所述的无人机空中交通碰撞预测方法，其特征在于，得到匹配轮廓二值图的过程包括：对轮廓图中属于匹配封闭轮廓的像素点的像素值置1，对其他像素点的像素值置0，得到匹配轮廓二值图。

7.根据权利要求1所述的无人机空中交通碰撞预测方法，其特征在于，构建内侧置信特征图和外侧置信特征图的过程包括：根据轮廓图的匹配封闭轮廓的内侧轮廓像素点的线性度，计算该内侧轮廓像素点的线性置信值，将线性置信值替换原始像素值，将轮廓图上其他像素点的像素值置为0，得到内侧置信特征图；

根据轮廓图的匹配封闭轮廓的外侧轮廓像素点的线性度，计算该外侧轮廓像素点的线性置信值；将线性置信值替换原始像素值，将轮廓图上其他像素点的像素值置为0，得到外侧置信特征图。

8.根据权利要求7所述的无人机空中交通碰撞预测方法，其特征在于，计算线性置信值的过程为：采用最大线性度减去轮廓像素点的线性度，得到线性度差，将线性度差与最大线性度的比值作为线性置信值。

9.根据权利要求1所述的无人机空中交通碰撞预测方法，其特征在于，三通道卷积神经网络包括：第一卷积块、第二卷积块、第三卷积块、加法器A1、加法器A2、第一残差神经网络、第二残差神经网络、Concat层、CNN网络和全连接层；

第一卷积块的输入端用于输入内侧置信特征图；第二卷积块的输入端用于输入匹配轮廓二值图；第三卷积块的输入端用于输入外侧置信特征图；

加法器A1的第一输入端与第一卷积块的输出端连接，其第二输入端与第二卷积块的输出端连接；加法器A2的第一输入端与第三卷积块的输出端连接，其第二输入端与第二卷积块的输出端连接；加法器A1的输出端与第一残差神经网络的输入端连接；加法器A2的输出端与第二残差神经网络的输入端连接；Concat层的输入端分别与第一残差神经网络的输出端和第二残差神经网络的输出端连接，其输出端与CNN网络的输入端连接；全连接层的输入端与CNN网络的输出端连接，其输出端作为三通道卷积神经网络的输出端。

10.根据权利要求1所述的无人机空中交通碰撞预测方法，其特征在于，在匹配封闭轮廓的分类为无人机时，提取对应组匹配封闭轮廓，对每个匹配封闭轮廓计算面积占比，在任一面积占比大于面积占比阈值时，存在碰撞风险。