1.一种基于LGMD的无人机仿生避障控制系统，其特征在于：包括飞行控制子系统(1)、光流传感器(2)、驱动电机(3)、嵌入式LGMD探测器(4)、摄像头(5)、无线通信模块(6)和地面站PC(7)；其中：

所述光流传感器(2)、嵌入式LGMD探测器(4)均与所述飞行控制子系统(1)电性连接，进行信息交互；

所述无线通信模块(6)、驱动电机(3)均与所述飞行控制子系统(1)输出端电性连接；

所述嵌入式LGMD探测器(4)输入端与所述摄像头(5)输出端信号连接；

所述无线通信模块(6)与地面站PC(7)无线通信连接；

在所述嵌入式LGMD探测器(4)设置有LGMD神经网络，所述摄像头(5)采集的视频信息经过所述LGMD神经网络进行计算，由LGMD神经网络得到避障控制指令，输出给所述飞行控制子系统(1)，实现无人机的避障控制；

所述LGMD神经网络包括P层神经元、E层神经元、I层神经元、S层神经元、G层神经元、LGMD神经元和前馈抑制FFI神经元；其中：所述P层神经元获取输入视频的视场图像信息，对帧差做出响应，得到P层神经元膜电位；

所述P层神经元膜电位直接作为所述E层神经元的兴奋膜电位；

所述I层神经元接收所述P层神经元上一帧的输出，并进行局部抑制，得到抑制膜电位；

所述S层神经元汇聚所述I层神经元对应位置领域内的输出，通过抑制膜电位对所述E层神经元进行抑制，得到S层神经元膜电位；

所述G层神经元用于增强提取复杂背景下的碰撞对象，根据S层神经元膜电位计算得到G层神经元膜电位；

所述LGMD神经元对视场图像信息进行对角分割，得到4个方位信息；根据G层神经元膜电位以及4个方位信息进行计算，得到4个方位C‑LGMD的膜电位，将4个方位C‑LGMD的膜电位相加，得到LGMD神经元膜电位；

所述前馈抑制FFI神经元直接从所述P层神经元获取视场图像信息，对LGMD神经元膜电位形成抑制，从而得到避障控制指令输出给所述飞行控制子系统(1)；

当视场图像信息到达LGMD神经元时，对视场图像信息进行对角分割，获得两对角线y轴上的坐标具体表示为：

其中：Diag1，Diag2分别为两对角线对应x的y坐标；w为图像的宽度；h为图像的高度；从而得到4个方位C‑LGMD的膜电位，具体为：其中： 为滤波后的G层神经元膜电位，ULGMD，DLGMD，LLGMD，RLGMD分别为图像上、下、左、右4个方位的膜电位，以4个方位中膜电位最小的方位作为最安全的避障方向。

2.根据权利要求1所述的一种基于LGMD的无人机仿生避障控制系统，其特征在于：还包括惯性传感器，所述惯性传感器集成在所述飞行控制子系统(1)上，与飞行控制子系统(1)电性连接。

3.根据权利要求2所述的一种基于LGMD的无人机仿生避障控制系统，其特征在于：还包括激光传感器(8)，所述激光传感器(8)与所述光流传感器(2)输入端电性连接。

4.一种基于LGMD的无人机仿生避障控制方法，其应用在如权利要求3所述的这一种基于LGMD的无人机仿生避障控制系统中，其特征在于：包括以下步骤：S1：通过摄像头(5)做实时视频采集，得到输入视频；

S2：嵌入式LGMD探测器(4)获取输入视频的视场图像信息，经过LGMD神经网络计算得到避障控制指令，输出给飞行控制子系统(1)实现无人机的避障控制。

5.根据权利要求4所述的一种基于LGMD的无人机仿生避障控制方法，其特征在于：所述LGMD神经网络计算避障控制指令的具体过程为：S21：P层神经元获取输入视频的视场图像信息，对帧差做出响应，得到P层神经元膜电位Pf(x,y)，具体为：

Pf(x,y)＝Lf(x,y)‑Lf‑1(x,y)；         1)其中：f表示视频序列中的第f帧，(x,y)为像素点在网络层中的位置，Lf(x,y)为输入的视场图像的像素值；

S22：P层神经元的输出作为E层神经元、I层神经元的输入，E层神经元直接接受P层神经元输出，而I层神经元接受P层神经元上一帧的输出，并进行局部抑制，具体表示为：Ef(x,y)＝Pf(x,y)；                           2)If(x,y)＝∑i∑jPf‑1(x+i,y+j)wj(i,j)(if i＝j,j≠0)； 3)其中：Ef(x,y)为兴奋膜电位，即E层神经元膜电位；If(x,y)为抑制膜电位，即I层神经元膜电位；wj(i,j)为局部抑制权重；i,j不同时为0；

S23：S层神经元汇聚I层神经元对应位置领域内的输出，通过抑制膜电位对所述E层神经元进行抑制，得到S层神经元膜电位，具体为：Sf(x,y)＝Ef(x,y)‑If(x,y)WI；        5)其中：Sf(x,y)为S层神经元膜电位；WI为抑制权重矩阵；

S24：G层神经元用于增强提取复杂背景下的碰撞对象，根据S层神经元膜电位计算得到G层神经元膜电位，具体为：

其中：Gf(x,y)为G层神经元膜电位；[we]为卷积核；r为卷积核半径，r＝1；

设置阈值Tde来过滤较弱的兴奋点，具体为：其中： 为滤波后的G层神经元膜电位，Cde为衰弱系数，为[0,1]；Tde为过滤阈值；

S25：当视场图像信息到达LGMD神经元时，对视场图像信息进行对角分割，获得两对角线y轴上的坐标具体表示为：

其中：Diag1，Diag2分别为两对角线对应x的y坐标；w为图像的宽度；h为图像的高度；从而得到4个方位C‑LGMD的膜电位，具体为：其中：ULGMD，ULGMD，LLGMD，RLGMD分别为图像上、下、左、右4个方位的膜电位；将4个方位C‑LGMD的膜电位相加，得到LGMD神经元膜电位Kf，具体为：将Kf归一化并映射在[0,255]的范围，具体为：其中，ncell为图像总的像素点数量；

根据4个方位C‑LGMD膜电位在整幅图像所占比例，得到4个方位上映射后的膜电位，具体为：

其中， 分别为图像上、下、左、右4个方位映射后的膜电位；当Kf超过其阈值Ts，则会产生一个LGMD峰值脉冲 具体为：若连续nts脉冲不少于nsp，则判断即将发生碰撞，具体表示为：S26：所述前馈抑制FFI神经元直接从所述P层神经元获取视场图像信息，具体表示为：其中，Ff为前馈抑制FFI神经元的膜电位；TFFI为预设阈值；当Ff超过阈值TFFI，LGMD神经元膜电位立即被抑制；

S27：进行方向选择：当前馈抑制FFI膜电位Ff大于阈值TFFI，所有避障指令无效；当Cfinal＝TURE，且前馈抑制FFI膜电位Ff小于阈值TFFI时，判断出现障碍物，通过比较4个方位膜电位的大小，以4个方位中膜电位最小的方位作为最安全的避障方向；

S28：飞行场景预测：当Cfinal＝FALSE且前馈抑制FFI膜电位Ff小于阈值TFFI，无人机正常飞行，通过采集FFI的4个方位的膜电位，对无人机未知飞行场景进行预测；

S29：将步骤S25、S27、S28得到的信号作为避障控制信号，形成避障控制指令。

6.根据权利要求5所述的一种基于LGMD的无人机仿生避障控制方法，其特征在于：所述步骤S28飞行场景预测的过程具体为：设置场景预测阈值TFFII，当向前N帧FFI平均膜电位 小于阈值TFFII时，无人机正常飞行；当向前N帧FFI平均膜电位 大于阈值TFFII，小于阈值TFFI时，通过对比的大小，找出膜电位最小的方位，从而预测出前方场景下，未来飞行方向障碍物最少的方位；

其中，向前N帧FFI平均膜电位 具体表示为：

4个方位中膜电位平均值 分别表示为：式中， 表示FFI上、下、左、右4个方位中前N帧膜电位平均值。