1.一种基于单目视觉的无人机自主避障方法，其特征在于，包括如下步骤：首先进行程序初始化，程序初始化后通过障碍物检测模块对疑似障碍物区域进行检测，所述的疑似障碍物区域检测包括疑似障碍物区域定位和疑似障碍物视觉膨胀率计算，然后无人机控制指令生成模块根据障碍物位置、障碍物视觉膨胀率和无人机飞行速度信息生成无人机控制指令，控制无人机避开障碍物。

2.根据权利要求1所述的基于单目视觉的无人机自主避障方法，其特征在于：所述的疑似障碍物区域定位是通过YOLO‑v3目标检测神经网络来实现的，通过预训练后的YOLO‑v3目标检测神经网络实时检测图像中可能存在的障碍物并生成疑似障碍物区域的分类标签，计算出疑似障碍物区域的位置。

3.根据权利要求1所述的基于单目视觉的无人机自主避障方法，其特征在于：所述的疑似障碍物视觉膨胀率计算具体是：首先对疑似障碍物进行特征点提取，然后在相邻图像中的疑似障碍物对之间进行特征点的匹配，对匹配成功的特征点进行视觉膨胀率的计算，得到疑似障碍物的视觉膨胀率。

4.根据权利要求3所述的基于单目视觉的无人机自主避障方法，其特征在于：所述的得到疑似障碍物的视觉膨胀率具体是指：对匹配成功的特征点进行视觉膨胀率的计算后再根据所有匹配成功的特征点的膨胀率计算平均膨胀率，然后将视觉膨胀率低于平均膨胀率的特征点舍去，剩余特征点的平均视觉膨胀率作为疑似障碍物的视觉膨胀率。

5.根据权利要求3所述的基于单目视觉的无人机自主避障方法，其特征在于：所述的相邻图像中的疑似障碍物对匹配方法具体是指：根据YOLO‑v3检测定位的疑似障碍物区域计算每个疑似障碍物区域的中心，在相邻图像帧中，若两个疑似障碍物区域中心之间的偏移量在给定的阈值以内，且两个疑似障碍物的分类标签相同，则认为这两个疑似障碍物区域在相邻图像帧中是匹配的；反之，则不匹配。

6.根据权利要求5所述的基于单目视觉的无人机自主避障方法，其特征在于：所述的给定偏移量阈值的计算方法具体是指：对相邻的两帧图像进行特征点提取，然后将提取到的特征点进行匹配，计算匹配成功的特征点在两帧图像中的平均位置偏移量，计算得到的平均位置偏移量即是给定偏移量阈值。

7.根据权利要求1所述的基于单目视觉的无人机自主避障方法，其特征在于：所述的无人机控制指令生成还包括判断无人机前进方向上的障碍物个数，如当前无人机行进方向上只有一个障碍物，则判断障碍物的中心与无人机采集到的图像中心的关系，如障碍物的中心位于图像中心的左侧，则控制无人机向右飞行，如障碍物的中心位于图像中心的右侧，则控制无人机向左飞行；如当前无人机行进方向上有多个障碍物，则检测当前图像中的最大无障碍区域，如最大无障碍区的宽度大于给定的阈值，将最大无障碍区域的中心作为无人机的目标航向，控制无人机跟踪该目标，如最大无障碍区的最大宽度小于给定的阈值，则将多个障碍物合并为一个障碍物，并按照单个障碍物的情景重新规划路径。

8.根据权利要求7所述的基于单目视觉的无人机自主避障方法，其特征在于：所述的无障碍区宽度阈值按公式表达如下：

d＝k*D(0

9.一种根据权利要求1‑8任一项所述的基于单目视觉的无人机自主避障方法的系统，其特征在于：所述系统包括硬件部分和软件部分，所述的硬件部分包括：搭载单目相机的无人机：搭载单目相机的无人机作为数据采集机构和执行机构，主要用于实时采集无人机行进方向上的环境信息，同时按照远端服务器生成的控制指令飞行；

5G数据传输模块：5G数据传输模块用于无人机和远端服务器之间的数据传输；

远端服务器：远端服务器是整个系统的核心部分，用于运行障碍物检测和无人机控制指令生成两大模块的程序，实时检测无人机行进方向上的障碍物并生成适当的无人机控制指令，远端服务器采用配置有公网IP地址的服务器；

所述的软件部分包括：

障碍物检测模块：障碍物检测模块主要包含疑似障碍物区域定位和疑似障碍物视觉膨胀率计算两个部分；

无人机控制指令生成模块：无人机控制指令生成模块的功能是根据检测到的障碍物分布信息、障碍物视觉膨胀率和当前无人机的飞行速度等信息生成适当的无人机控制指令。