1.基于图像处理的无人机遥感测绘路线引导方法，其特征在于，该方法包括以下步骤：

利用无人机测绘搭载的相机连续获取不同时刻下的无人机航拍图像以及对应的地物道路图像；

获取地物道路图像中的边缘像素点，构建矩阵区域，根据矩阵区域内像素点之间的灰度值差异对地物道路图像中的边缘像素点进行筛除，获得若干新边缘点；

获取所有新边缘点的梯度方向，结合梯度方向和新边缘点的坐标对新边缘点进行聚类，获得若干个聚类簇和离群点，获取若干个经过任意离群点的最短路径对应的链码编码，所述链码编码中包含多个聚类簇中的新边缘的方向符和若干离群点的方向符；根据离群点与聚类簇内新边缘点之间的距离以及方向符的差异，获得离群点的对齐系数；将聚类簇之间的距离与离群点的对齐系数进行融合获得离群点的角度系数；利用角度系数对预设的角度阈值进行调节，获得离群点的新角度阈值，结合新角度阈值对地物道路图像进行直线检测获得基准直线以及对应的基准斜率；

其中，离群点的对齐系数的获取方法为：

获取每个像素点在链码编码中对应的一个方向符，所述方向符为0‑7中的一个数字，第一聚类簇的新边缘点到第二聚类簇的新边缘点会多次经过同一个离群点；

然后，获取第一聚类簇的聚类中心与第二聚类簇的聚类中心之间的欧氏距离 ，获取离群点与聚类簇中新边缘点之间的欧氏距离，获取离群点与链码编码中其他新边缘点之间的方向符的差值绝对值记为方向差异参数，获取离群点在第一聚类簇和第二聚类簇下的对齐系数，具体计算方法为：其中，表示离群点在第一聚类簇和第二聚类簇下的对齐系数； 表示第 个链码编码中所有方向符的标准差； 表示在第 个链码编码中离群点与第 个新边缘点之间的欧氏距离； 表示在第 个链码编码中离群点与第 个边缘像素点之间的方向差异参数；表示在第 个链码编码中新边缘点的数量； 表示获取最小值； 表示以自然常数为底数的指数函数；

根据不同时刻下基准直线对应基准斜率的差异获得无人机测绘行进路线的偏转角度。

2.根据权利要求1所述基于图像处理的无人机遥感测绘路线引导方法，其特征在于，所述利用无人机测绘搭载的相机连续获取不同时刻下的无人机航拍图像以及对应的地物道路图像，包括的具体方法为：首先，利用无人机测绘搭载的相机连续采集遥感测绘作业过程中，不同时刻下航行过区域的RGB图像，记为无人机航拍图像；

然后，将RGB格式的无人机航拍图像转换为HSV格式的无人机航拍图像，获取HSV格式的无人机航拍图像中的色调通道和饱和度通道对应的图像，分别记为色调通道图像和饱和度通道图像；利用大津法获取色调通道图像的分割阈值，将色调通道图像中色调小于分割阈值的像素点的灰度值设置为1，大于分割阈值的像素点的灰度值设置为0，将获得的二值图像记为色调二值图像；将色调二值图像与饱和度通道图像进行相乘，将得到的图像记为地物道路图像。

3.根据权利要求1所述基于图像处理的无人机遥感测绘路线引导方法，其特征在于，所述获取地物道路图像中的边缘像素点，构建矩阵区域，根据矩阵区域内像素点之间的灰度值差异对地物道路图像中的边缘像素点进行筛除，获得若干新边缘点，包括的具体方法为：首先，利用Canny边缘检测算法获取地物道路图像中的边缘像素点；

然后，构建 大小的矩阵记为矩阵区域，以任意边缘像素点作为矩阵区域的中心，其中 为预设的超参数；获取矩阵区域内像素点的数量；获取任意边缘像素点的筛选必要性，具体计算方法为：其中， 表示边缘像素点的筛选必要性； 表示边缘像素点的灰度值； 表示矩阵区域中边缘像素点以外的第 个像素点的灰度值； 表示矩阵区域中像素点的数量；

表示以自然常数为底数的指数函数；

最后，将筛选必要性大于预设的必要性阈值的边缘像素点筛除，将筛除后剩余的边缘像素点记为新边缘点。

4.根据权利要求1所述基于图像处理的无人机遥感测绘路线引导方法，其特征在于，所述获取所有新边缘点的梯度方向，结合梯度方向和新边缘点的坐标对新边缘点进行聚类，获得若干个聚类簇和离群点，包括的具体方法为：首先，利用Sobel算子获取地物道路图像中任意新边缘点的梯度方向；

然后，将任意新边缘点在地物道路图像中的坐标和梯度方向形成的向量记为边缘像素点的距离参数，依据新边缘点对应距离参数之间的欧氏距离，并结合DBSCAN聚类算法对饱和度通道分量图像中的边缘像素点进行聚类，获得若干个聚类簇和若干个离群的新边缘点，将离群的新边缘点记为离群点。

5.根据权利要求1所述基于图像处理的无人机遥感测绘路线引导方法，其特征在于，所述获取若干个经过任意离群点的最短路径对应的链码编码，包括的具体方法为：获取任意聚类簇内所有新边缘点的搜索方向的平均值，记为对应聚类簇的方向特征，根据方向特征的差异获得任意聚类簇的相似聚类簇，将任意聚类簇记为第一聚类簇，将第一聚类簇的相似聚类簇记为第二聚类簇，将第一聚类簇和第二聚类簇中的边缘像素点分别记为第一像素点和第二像素点，利用8邻域链码获取以第一像素点为起点，经过任意离群点到达第二像素点的最短路径以及对应的链码编码，获取经过任意离群点所对应的若干个最短路径的链码编码。

6.根据权利要求5所述基于图像处理的无人机遥感测绘路线引导方法，其特征在于，所述相似聚类簇的具体获取方法为：利用线性归一化方法将所有聚类簇的方向特征进行归一化处理，将归一化处理后的方向特征记为归一化方向特征，在归一化方向特征的差值绝对值小于方向特征阈值 的两个聚类簇中，将一个聚类簇称为另一个聚类簇的相似聚类簇，其中 为预设的超参数。

7.根据权利要求1所述基于图像处理的无人机遥感测绘路线引导方法，其特征在于，所述将聚类簇之间的距离与离群点的对齐系数进行融合获得离群点的角度系数，包括的具体方法为：首先，获取任意离群点在所有第一聚类簇和对应第二聚类簇下对齐系数的最大值，记为第一数值；获取第一聚类簇和第二聚类簇下离群点的对齐系数最大时，对应第一聚类簇和第二聚类簇的聚类中心之间的欧氏距离，记为第二数值；

然后，将第一数值和第二数值的比值记为离群点的角度系数。

8.根据权利要求1所述基于图像处理的无人机遥感测绘路线引导方法，其特征在于，所述利用角度系数对预设的角度阈值进行调节，获得离群点的新角度阈值，结合新角度阈值对地物道路图像进行直线检测获得基准直线以及对应的基准斜率，包括的具体方法为：首先，离群点的新角度阈值的具体计算方法为：

其中， 表示目标像素点的新角度阈值；表示目标像素点的角度系数；表示预设的角度阈值； 表示Sigmoid归一化函数；

然后，结合离散点的新角度阈值，并利用LSD算法对地物道路图像中的新边缘点进行直线检测，获得若干条直线；

最后，将地物道路图像中长度最长的直线记为基准直线，将基准直线的斜率记为基准斜率。

9.根据权利要求1所述基于图像处理的无人机遥感测绘路线引导方法，其特征在于，所述根据不同时刻下基准直线对应基准斜率的差异获得无人机测绘行进路线的偏转角度，包括的具体方法为：首先，获取第 时刻的基准斜率与第 时刻的基准斜率的差值绝对值，记为第三数值，利用反正切函数获取第三数值对应的角度记为无人机测绘的偏转角度；

然后，利用无人机测绘的偏转角度对无人机测绘的前进方向进行调整，使无人机测绘在前进过程中当前时刻与上一时刻的基准斜率的差值绝对值始终小于 ，其中 为预设超参数。