1.一种基于语义信息辅助的无人机位姿优化方法，其特征在于：包括，
基于输电杆塔语义信息改进视觉里程计方法，并得到语义平面；
将每帧图像中语义平面和语义路标之间的数据进行关联；
通过惯性预积分增加惯性约束条件以建立图像间的运动约束，实现对相机位姿估计状态量进行优化。
2.如权利要求1所述的一种基于语义信息辅助的无人机位姿优化方法，其特征在于：所述基于输电杆塔语义改进视觉里程计方法，包括对输电杆塔语义信息进行因子建模，并将语义信息与电力杆塔结构特征结合，以构建所述语义平面，语义平面为所述视觉里程计方法的环境观测与位姿约束。
3.如权利要求2所述的一种基于语义信息辅助的无人机位姿优化方法，其特征在于：所述语义平面包括将语义信息与平面特征相结合，构建出语义平面，作为视觉VO额外的高维特征，为传统的VO增添除特征点之外的环境观测与约束，对语义平面特征进行因子建模，构建因子图优化方案，通过对传统视觉VO的因子图结构进行扩充与改善，语义信息辅助的改进VO在于增加语义平面特征节点。
4.如权利要求3所述的一种基于语义信息辅助的无人机位姿优化方法，其特征在于：所述语义平面和语义路标之间的数据进行关联包括将图像帧中提取的语义平面与语义路标进行类别及平面类型的匹配，利用坐标变换，将语义平面的法线方向由相机坐标系转换到世界坐标系，计算语义平面形心与其相匹配的路标形心的马氏距离，以确定是否将检测到的语义对象映射为语义路标，若所述马氏距离大于指定阈值，则将检测到的语义对象映射为新的语义路标，否则所述语义对象与当前的语义路标相匹配。
5.如权利要求4所述的一种基于语义信息辅助的无人机位姿优化方法，其特征在于：所述语义路标包括无人机执行任务时需要关注的特定目标以及位置，利用计算机视觉技术从图像和视频中提取出语义路标并表示，基于语义路标和无人机当前的位姿信息，通过位姿优化算法计算出无人机的最优位姿根据优化后的位姿信息，对无人机进行控制和导航，沿着最佳路径飞行并完成任务。
6.如权利要求5所述的一种基于语义信息辅助的无人机位姿优化方法，其特征在于：所述惯性预积分包括设置初始相机位姿状态量和工作状态，根据IMU的数据，计算相邻两图像帧之间的运动信息，对运动信息进行预积分，获得相邻图像帧之间的运动约束，定义惯性约束条件，使用惯性预积分公式，计算运动约束，根据计算出的运动约束，调整惯性约束条件之间的运动关系，重复上述步骤，直到惯性约束条件不再需要调整为止，运动约束计算为：
其中，ω1，ω2，ω3是惯性约束条件，p1，p2是前后两帧图像的点。
7.如权利要求6所述的一种基于语义信息辅助的无人机位姿优化方法，其特征在于：所述相机位姿估计状态量进行优化包括用卡尔曼滤波优化方法：
xt＝Axt‑1+But+wt
其中，xt表示当前时刻的图像帧，xt‑1表示前一时刻的图像帧，ut表示当前时刻的控制输入，wt表示过程噪声，A、B为系统模型的参数。
8.一种采用如权利要求1～7任一所述的一种基于语义信息辅助的无人机位姿优化方法的系统，其特征在于：包括语义信息提取模块、位姿估计模块、位姿优化模块、控制模块、显示器模块；
所述语义信息提取模块，从图像数据中提取出与无人机位姿相关的地面、建筑物、树木特征点的位置、大小、方向的语义信息；
所述位姿估计模块，利用提取出的语义信息，结合无人机的传感器数据，对无人机的位姿进行估计，即确定无人机的位置和朝向；
所述位姿优化模块，根据无人机的位姿估计结果和预设的优化算法，对无人机的位姿进行优化，达到特定的目标，提高飞行安全性、减少飞行误差；
所述控制模块，将优化后的位姿信息转化为控制信号，通过无人机的控制器对无人机进行控制，按照优化后的位姿进行飞行；
所述显示器模块，用于显示无人机的实时位姿信息和飞行状态，以便操作员进行监控和调整。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。