1.基于领航者策略的融合定位跟踪控制方法，其特征在于，包括如下步骤：(1)根据无人系统动力学模型，线性变换状态量，根据位姿信息非线性项构造状态观测器；(2)检测GPS或北斗系统视频的每帧图像中的目标，选择一帧图像为检测输入，为该图像的无人系统输出一组边界框，计算出图像中目标的中心位置；根据GPS或北斗系统定位确定的初始位置，确定因子图的表达式和初始节点；(3)将待定位的红外、可见光图像和因子图对进行预处理；(4)将预处理后的图像和中心位置输入特征提取网络，提取图像中无人系统的特征向量，对图像中的无人系统外形特征建模；(5)将无人系统的外形特征输入相似度估计模块中，求取前后图像的关联矩阵，即当前帧图像的无人系统与先前帧图像的无人系统的相似度矩阵；(6)当获得量测请求时，结合因子图和相似度矩阵与位置变量节点进行权重计算完成自适应选权，根据权重进行数据融合完成定位；(7)通过关联目标，增添新目标，更新目标跟踪轨迹，实现多源稳定跟踪；(8)根据无人系统的推进能力安排过渡过程，计算各个无人系统的跟踪位置误差；(9)构建无人系统控制律，通过三阶积分链式微分器平滑虚拟速度并估计微分信号；(10)扩张状态观测器，进行扰动动态补偿，进行领队的中间无人系统的协同控制。2.根据权利要求1所述的基于领航者策略的融合定位跟踪控制方法，其特征在于，所述的步骤(1)包括：(1.1)检测无人系统的6维位姿向量η，确定质量矩Mη(η)；(1.2)提取无人系统坐标系与大地坐标系之间速度转换矩阵J；(1 .3)提取无人系统动力部分分布矩阵B，探测未知动力项以及目前无人系统的跟踪控制律u；(1.4)构建无人系统的动力学模型：(1.5)设置对无人驾驶系统的状态向量进行线性变换：I6×6为6阶单位阵，T1是6阶正定对角阵，06×6为6阶零矩阵，(1.6)构建状态观测器：其中，L1、L2为对角阵，代表的估计值：δ、ki、p1、p2、a1、a2为大于零的常数；i＝1，2，3，4，5，6；α∈(0，1)，γ1>1，γ2∈(0，1)；P1、P2是正定对角阵，[Δ1]α＝[|Δ11|αsign(Δ11)，|Δ12|αsign(Δ12)，…，|Δ16|αsign(Δ16)]col代表将所有元素整合成一个列向量；N1i(ζ1i)和N2i(ζ2i)是Nussbaum函数；ζ1i和ζ2i分别代表ζ1i和ζ2i第i个元素；(1.7)结合动力学模型和状态观测器得到状态估计误差的动态方程所述的步骤(2)包括：(2.1)添加图像特征提取流，将图像对并行输入特征提取流以提取特征图；(2.2)在特征提取流的9个固定位置层抽取9对卷积层输出的红外和可见光特征图对；(2.3)将抽取的9对特征图对输入特征图融合层，将融合后的特征图输入特征向量提取网络，获取每帧图像的特征矩阵；(2.4)调取无人驾驶系统整体函数：其中，u1，u2，…，un代表无人驾驶系统中的各位置变量节点；fj(uj)表示各变量节点相关的子函数；(2.5)构建无人驾驶系统整体函数的因子图：G＝(F，U，ε)U为变量节点集合，F为因子节点fj(uj)的集合，ε为连接因子节点和变量节点的边的集合；(2.6)调取截止到tk时刻的所有位置变量节点Xk和所有误差变量节点Ckxi为ti时刻的位置变量，ci为ti时刻的误差变量；(2.7)计算系统的最大后验概率Uk＝{Xk，Ck}p(Uk|Zk)为概率密度函数，Zk表示到tk时刻的所有量测信息；为ti时刻的变量节点；

∈{1，2，...，L}为特征图通道标号，L表示特征图通道数；根据范数L1计算可见光特征图

和红外特征图的初始作用程度图像Cii，ii＝1，2；l·M表示该特征图的所有通道，(x，y)表示特征图和融合特征图中的对应位置；计算最终的作用程度图

计算两种模态的可见光特征图的权重和红外特征图的权重ρii(x，y)；通过加权求和生成融合的特征图fl(x，y)：

(4.6)将融合后的特征图输入特征向量提取层；利用输入的目标中心位置，从融合后的特征图中的中心像素值作为特征值，将从9层融合特征图中获取的特征进行拼接，形成520维的特征向量；(4 .7)每帧图像中包含多个定位跟踪目标，将每帧图像中所有目标的特征向量放在一个二维矩阵中，形成一个Nm*520的特征矩阵，其中Nm表示规定的允许一帧图像中最大目标数；若帧中的目标数目少于Nm，则特征矩阵中非真实的目标的特征向量为零向量，至此形成无人系统外形特征建模。4.根据权利要求3所述的基于领航者策略的融合定位跟踪控制方法，其特征在于，所述的步骤(5)包括：(5.1)将从第q帧和q‑1帧的两帧图像中获取的特征矩阵分别按行和按列复制Nm次，得到两个大小为Nm*Nm*520特征矩阵，然后两个复制后的特征矩阵按照520维度方向进行拼接形成一个Nm*Nm*1024的特征体；(5.2)将特征体通过带有1*1卷积核的5层卷积压缩网络映射成Nm*Nm大小的相似度矩阵，该相似度矩阵代表第q帧和第q‑l帧图像中船舶目标之间的相似度。5.根据权利要求4所述的基于领航者策略的融合定位跟踪控制方法，其特征在于，所述的步骤(6)包括：(6.1)检测GPS或北斗系统定位信号是否正常接入，若GPS或北斗系统定位信号正常接入，则以GPS或北斗系统定位信号提供的当前定位结果作为卫星导航因子输出的定位结果，若GPS或北斗系统信号定位信号未接入，GPS或北斗系统定位系统保留下GPS或北斗系统信号失效前最终的定位结果，以该定位结果与位置变量节点进行数据融合；(6.2)与位置变量节点进行数据融合前，首先比较卫星导航因子输出的位置信息与位置变量节点提供的位置信息之间的差值，其公式如下：其中，XE1和YE1为卫星导航因子输出的位置信息的经纬度坐标，XE2和YE2为当前位置变量节点输出的位置信息的经纬度坐标，ΔL为位置差值；(6.3)在卫星导航因子中加入变量t，t对相同的位置信息进行计数，加入变量n，自适应选择权重的过程，其中位置差值的阈值：n＝t+2(6.4)自适应选权的权重为；

卫星导航因子输出的位置信息的融合权重为γi，位置变量节点输出的位置信息的融合权重为1‑γi。6.根据权利要求5所述的基于领航者策略的融合定位跟踪控制方法，其特征在于，所述步骤(7)包括；(7 .1)在提取第q帧图像的特征矩阵后，存储该帧图像的特征矩阵及其帧编号，通过存储的特征矩阵计算当前帧中的目标与先前帧中的目标之间的相似度，将当前帧中的目标与多个先前帧中的目标进行关联；(7.2)生成累加器矩阵；(7.3)根据第一帧图像中的目标个数初始化轨迹集合，轨迹中每个元素是个二元组；(7.4)对累加器矩阵分解寻求最优目标匹配；(7.5)对于未成功匹配且在当前帧中确实存在的目标，定义为新出现目标；(7.6)对于历史帧中出现过的目标且在连续1帧中没再次出现的目标，定义为消失的旧目标；(7.7)完成轨迹更新：匹配成功的目标放入对应的轨迹中；为新出现的目标创建新轨迹并添加到轨迹集中；将消失的旧目标的轨迹从轨迹集中删除。7.根据权利要求6所述的基于领航者策略的融合定位跟踪控制方法，其特征在于，所述步骤(8)包括：(8.1)采集中间领航无人系统的跟踪定位周期T0；(8.2)确定中间领航无人系统的目标位置ηd；(8.3)确定过渡过程函数为：t为跟踪定位周期；(8.4)确定无人系统的目标位置if为无人系统标号的标号；(8.5)确定无人系统的位置跟踪误差为：所述的无人系统控制律为：其中，E(x1)+为E(x1)的伪逆矩阵，为特征向量提取网络的输出。

8.根据权利要求7所述的基于领航者策略的融合定位跟踪控制方法，其特征在于，转换虚拟控制量αc为：虚拟控制量：位姿跟踪误差为s为位姿变量，d为位姿平衡阈值；sign代表符号函数；动力学模型和状态观测器满足

ε0为大于零的常数；P＝diag(P1，P2)；ψ＝diag(06×6，ε0δ2I6×6)，diag表示元素的对角矩阵；最终有界特性函数V1：三阶积分链式微分器为：

9.根据权利要求8所述的基于领航者策略的融合定位跟踪控制方法，其特征在于，所述的状态观测器扩张为：