1.一种无人机边坡监控与预警方法，其特征在于，包括如下步骤：无人机高清 影像、激光点云数据获取与处理；所述 无人机高清影像、激光点云数据获取与处理包括下列步骤：飞行准备，包括飞行空域申请，航线规划，实地踏勘及设备配件的检查，现场空载飞行测试；地面基站与无人机通讯，对无人机进行GPS定位，确定无人机飞线轨迹，在飞行过程中与无人机进行实时数据共享；将无人机上采集到的激光点云数据实时传输到基站处理系统中，经过基站的数据处理后，建立铁路边坡特征数据库;所述数据处理包括：点云数据导入、坐标变换、点云附加图片、点云数据拼接、点云数据的去噪滤波、点云数据的优化抽稀、点云数据导出;所述坐标变换包括：数据导入完成后，打开点云文件，按照外业扫描时绘制的示意图，在点云中确定无人机飞行的路线，通过坐标变化，将数据拼接在一个绝对的坐标系下；所述点云附加图片包括：外业扫描后，三维激光扫描仪内置的相机对各站进行全景拍摄，拍摄的附加照片贴在每一个点云数据上；所述点云数据拼接包括：外业扫描时通过无人机基站提供绝对坐标，用于将所有点云数据统一在同一坐标系下，用于点云数据的拼接，通过获取标基站平面的平面及高程坐标，利用三维激光扫描仪自带的软件的点云拼接模块进行点云的自动拼接；所述点云数据的去噪滤波包括：对于扫描噪声点、易判断异常点及散乱点采用肉眼判别后直接将其删除；对于遮掩造成的噪声点采用窗口最小值重复滤波法去除噪声点，得到去掉树林、灌木的点云数据；所述点云数据的优化抽稀包括：按照设定的抽稀参数对点云进行整体抽稀;定性边坡区域情况，确定发生边坡风险的区域，在规划航线时重点覆盖该发生边坡风险的区域；区域地形数据（DSM）、区域影像数据（DOM）获取，构建区域三维模型；所述区域地形数据（DSM）为激光雷达采集的点云数据，其包括位置信息，所述区域影像数据（DOM）是由无人机拍摄的高清影像，其包括图像的颜色信息，在选定区域后，将该选定区域的区域影像数据（DOM）与区域地形数据（DSM）进行合成，生成彩色点云，构成区域三维模型；所述构建区域三维模型包括：将抽稀的点云数据导入;对点云数据进行去除体外孤点操作，对选中的体外孤点进行删除操作，设置敏感点，去除非连接项,删除偏离山体主要点云一定数量的点，设置分割和尺寸参数，显示点云的数量,减少噪音，删除移动偏差较大的点云数据，使其变得平滑;对点云数据进行封装建模，输入建模参数，完成基本建模;完成三维模型，对基本模型进行修整和补洞处理;倾斜摄影数据采集与三维地表实景重建，采用倾斜摄影测量技术进行多角度影像数据采集与三维实景虚拟重建；高密度无人机激光点云数据采集与三维地表实景重建，对于位于高植被发育的密林区域采用无人机激光雷达进行高密度激光点云数据获取，通过点云分类去除地表植被点，利用分类后的地表点进行地表三维模型构建；基于高精度三维地表实景，提取边坡数据；基于点云的边坡数据对现场边坡进行检测与预警；所述基于点云的边坡数据对现场边坡进行检测与预警包括：多次点云模型对比，采用第二期采集的边坡点云数据以第一期采集的点云坐标作为基准，用于判断边坡的形变，包括对目标区域进行提取，提取的两次采集的相同目标区域进行提取，判断其变化趋势，进行人工判别，删去因新增仪器产生的点云噪声，过滤掉误差；采用随机选取的方式在一期数据中随机选取一块点云数据，用第一颜色标出；在二次数据中找到相同的位置，将两次数据进行拟合提取边坡的形变；该步骤重复多次；选取待检测的区域；判断该区域是否发生严重形变，若是，则将该区域用第二颜色框标出，若否，则人为将检测区域设置为存在2cm、4cm、6cm误差的三组模型，依次使用三组模型进行推演，在未对数据进行误差设置下，每增加2cm误差做一次形变检测，进行3次检测，观察数据的形变，判断是否严重形变，若是，则将该区域用第二颜色框标出，若3次检测并未检测到严重的形变，则判断该区域现阶段较为安全；将第二颜色框标出的区域统一提取，统一放入待观察文件，用于下次采集数据后重点分析。
2.一种无人机边坡监控与预警系统，用于实现如权利要求1所述的方法，其特征在于，包括：无人机控制模块、三维激光扫描数据处理模块、基于点云重建的边坡模型监控与预警模块；所述无人机控制模块包括：无人机、地面基站，所述无人机携带高精度可见光学传感器、倾斜相机和机载激光雷达设备获取铁路滑坡区域的大区域高清光学图像、多角度实景影像和地表激光点云数据；所述的基于点云重建的边坡模型监控与预警模块包括：边坡三维模型构建单元，用于将抽稀的点云数据导入，对点云数据进行去除体外孤点操作，对选中的体外孤点进行删除操作，设置敏感点，去除非连接项,删除偏离山体点云一定数量的点，设置分割和尺寸参数，显示点云的数量,减少噪音，删除移动偏差较大的点云数据，使其变得平滑;对点云数据进行封装建模，输入建模参数，完成基本建模;完成三维模型，对基本模型进行修整和补洞处理；多次点云模型对比单元，用于采用第二期采集的边坡点云数据以第一期采集的点云坐标作为基准，用于判断边坡的形变，包括对目标区域进行粗略提取，粗略提取的两次采集的相同目标区域进行提取，判断其变化趋势，进行人工判别，删去因新增仪器产生的点云噪声，过滤掉明显误差；采用随机选取的方式在一期数据中随机选取一块点云数据，用红色标出；在二次数据中找到相同的位置，将两次数据进行拟合提取边坡的形变，该步骤重复多次；预警单元，用于选取待检测的区域；判断该区域是否发生严重形变，若是，则将该区域用黄色框标出，若否，则人为将检测区域设置为存在2cm 、4cm、6cm误差的三组模型，依次使用三组模型进行推演，在未对数据进行误差设置下，每增加2cm误差做一次形变检测，进行3次检测，观察数据的形变，判断是否严重形变，若是，则将该区域用黄色框标出，若3次检测并未检测到严重的形变，则判断该区域现阶段较为安全；将黄色框标出的区域统一提取，统一放入待观察文件，用于下次采集数据后重点分析。
