1.一种基于全局几何约束的无人机影像定位定向方法，其特征在于，包括：采用词汇树检索影像匹配对，根据所述影像匹配对构建影像拓扑连接图；采用加权连通支配集算法，从所述影像拓扑连接图中提取影像子集构建全局连接图，采用所述全局连接图构建全局模型；对所述影像拓扑连接图进行聚类重建得到多个子场景，将所述多个子场景并行处理，得到多个子场景定位定向模型；将所述多个子场景定位定向模型与全局模型进行合并得到合并模型，对所述合并模型进行全局平差得到最终合并模型。

2.根据权利要求1所述的基于全局几何约束的无人机影像定位定向方法，其特征在于，所述采用词汇树检索影像匹配对，包括：采用KDTree算法建立单词集合的查找索引；对于无人机影像的每个特征，从所述查找索引中搜索最近邻单词，在所述最邻近单词对应的倒排文件列表中增加一条记录，得到无人机影像索引；从所述无人机影像索引中，得到第一影像的第一加权词频向量和第二影像的第二加权词频向量，采用所述第一加权词频向量和所述第二加权词频向量的夹角余弦值表示第一影像和第二影像的相似性值，则与任一影像相似性值高于预设阈值的多个影像，构成一影像匹配对。

3.根据权利要求2所述的基于全局几何约束的无人机影像定位定向方法，其特征在于，所述根据所述影像匹配对构建影像拓扑连接图，包括：采用所述影像匹配对引导特征匹配，得到重叠影像的匹配点，根据重叠影像的匹配点采用无向加权图构建影像拓扑连接图。

4.根据权利要求3所述的基于全局几何约束的无人机影像定位定向方法，其特征在于，所述采用加权连通支配集算法，从所述影像拓扑连接图中提取影像子集构建全局连接图，包括：将所述影像拓扑连接图中的所有顶点标为白色，统计每一白色顶点连接的其余白色顶点的数量，将连接白色顶点最多的白色顶点记为当前顶点；将当前顶点标为黑色，并将与黑色顶点相连的白色顶点标为灰色；更新与全部灰色顶点连接的白色顶点的数量，并计算全部灰色顶点的重要值，将重要值最大的灰色顶点确定为另一当前顶点；采用相同方法反复确定多个当前顶点，直至无白色顶点存在，则所有黑色顶点构成全局连接图，对所述全局连接图进行三维重建得到全局模型。

5.根据权利要求4所述的基于全局几何约束的无人机影像定位定向方法，其特征在于，所述对所述影像拓扑连接图进行聚类重建得到多个子场景，将多个子场景并行处理，得到多个子场景定位定向模型，包括：采用最小边权值，将所述影像拓扑连接图划分为预定影像数量的子场景，得到聚类子图，每一所述聚类子图为一待处理的子场景，对多个所述子场景同时进行定位定向，得到所有子场景的定位定向模型。

6.根据权利要求5所述的基于全局几何约束的无人机影像定位定向方法，其特征在于，所述将所述多个子场景定位定向模型与全局模型进行合并得到合并模型，包括：根据所述影像匹配对构建On‑demand匹配图，根据所述On‑demand匹配图获取多个子场景定位定向模型与全局模型的公共三维点集，采用所述公共三维点集计算多个子场景定位定向模型与全局模型之间的相似变换参数，采用所述相似变换参数将每个子场景定位定向模型转换至所述全局模型，得到所述合并模型。

7.根据权利要求6所述的基于全局几何约束的无人机影像定位定向方法，其特征在于，所述对所述合并模型进行全局平差得到最终合并模型，包括：其中， 和 分别为三维点坐标和相机参数； 是三维点 在相机 上的

投影点； 是对应的影像点； 为L2‑范数； 是指示函数：当三维点 在相机 中可见时， ；否则， 。

8.一种基于全局几何约束的无人机影像定位定向装置，其特征在于，包括：第一主模块，用于采用词汇树检索影像匹配对，根据所述影像匹配对构建影像拓扑连接图；第二主模块，用于采用加权连通支配集算法，从所述影像拓扑连接图中提取影像子集构建全局连接图，采用所述全局连接图构建全局模型；第三主模块，用于对所述影像拓扑连接图进行聚类重建得到多个子场景，将所述多个子场景并行处理，得到多个子场景定位定向模型；第四主模块，用于将所述多个子场景定位定向模型与全局模型进行合并得到合并模型，对所述合并模型进行全局平差得到最终合并模型。

9.一种电子设备，其特征在于，包括：

至少一个处理器、至少一个存储器和通信接口；其中，

所述处理器、存储器和通信接口相互间进行通信；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以执行权利要求1至7任一项权利要求所述的方法。

10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行权利要求1至7中任一项权利要求所述的方法。