1.基于语义的无人机自主导航方法，其特征在于，包括：获取无人机的图像序列和IMU数据，构建环境的三维几何骨架；根据无人机的图像序列，对每一帧图像进行语义分割，为每一个像素点赋予语义标签，形成二维语义地图；将三维几何骨架的每个点反向投影回来源的二维图像帧，并根据二维语义地图标记对应的语义标签，以语义标签和几何信息作为观测结果；随着无人机的移动，同一物体被多次观测，将来自不同视角下的观测结果进行融合，得到语义-几何耦合地图；根据语义-几何耦合地图，生成不同的节点，并以节点之间的空间关系以及节点之间的功能拓扑关系为连接节点的边，得到动态三维场景图；获取无人机指令，并根据动态三维场景图，生成飞行路径，以实现无人机自主导航；根据语义-几何耦合地图，生成不同的节点，并以节点之间的空间关系以及节点之间的功能拓扑关系为连接节点的边，得到动态三维场景图，包括：根据语义-几何耦合地图，将空间上邻近且语义标签相同的点云集合，整合成场景图中的一个节点，每一个节点代表了环境中的一个实体对象，并继承了其所有语义属性和几何属性，得到不同的节点；计算两个节点之间的距离和相对位置，得到不同节点之间的空间关系，并根据不同节点之间的空间关系，得到不同节点之间的功能拓扑关系；以节点之间的空间关系以及节点之间的功能拓扑关系为连接节点的边，得到动态三维场景图。
2.根据权利要求1所述的基于语义的无人机自主导航方法，其特征在于，还包括：获取修正指令，对修正指令进行解析，得到修正目标和修正标签；根据修正目标和修正标签，更新动态三维场景图，并生成新的飞行路径。
3.根据权利要求2所述的基于语义的无人机自主导航方法，其特征在于，还包括：根据修正目标和修正标签，对进行语义分割的卷积神经网络进行训练，以学习历史出错特征，得到训练好的卷积神经网络。
4.根据权利要求3所述的基于语义的无人机自主导航方法，其特征在于，还包括：获取环境中区域的别名，为区域对应节点添加别名属性，并更新动态三维场景图。
5.根据权利要求1至4任一项所述的基于语义的无人机自主导航方法，其特征在于，根据无人机的图像序列，对每一帧图像进行语义分割，为每一个像素点赋予语义标签，形成二维语义地图，包括：根据无人机的图像序列，对每一帧图像进行语义分割，为每一个像素点赋予语义标签，以识别出物体，并将环境按照功能和类别进行区域划分，形成二维语义地图。
6.根据权利要求1至4任一项所述的基于语义的无人机自主导航方法，其特征在于，获取无人机指令，并根据动态三维场景图，生成飞行路径，以实现无人机自主导航，包括：获取无人机指令，定义起始节点和目标节点；根据动态三维场景图，搜索由可行边连接起来的节点序列，生成语义路径；对语义路径进行分解，得到多个子任务，并规划每个子任务的几何路径，生成飞行路径，以实现无人机自主导航。
7.基于语义的无人机自主导航装置，其特征在于，采用权利要求1至6任一项所述的基于语义的无人机自主导航方法，包括：第一模块，用于获取无人机的图像序列和IMU数据，构建环境的三维几何骨架；第二模块，用于根据无人机的图像序列，对每一帧图像进行语义分割，为每一个像素点赋予语义标签，形成二维语义地图；第三模块，用于将三维几何骨架的每个点反向投影回来源的二维图像帧，并根据二维语义地图标记对应的语义标签，以语义标签和几何信息作为观测结果；随着无人机的移动，同一物体被多次观测，将来自不同视角下的观测结果进行融合，得到语义-几何耦合地图；第四模块，用于根据语义-几何耦合地图，生成不同的节点，并以节点之间的空间关系以及节点之间的功能拓扑关系为连接节点的边，得到动态三维场景图；第五模块，用于获取无人机指令，并根据动态三维场景图，生成飞行路径，以实现无人机自主导航。
8.一种计算机设备，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6中任一项所述方法的步骤。
9.一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6中任一项所述的方法的步骤。
