1.一种多传感器信息融合的目标检测方法，其特征在于，所述多传感器信息融合的目标检测方法包括：通过类别基于视觉的目标检测算法，采用基于CenterNet的目标检测算法，选取基于截锥体的数据关联算法实现雷达点云的粗过滤，使用卡尔曼滤波算法的方式提高数据关联的精准度，进行不同传感器数据的时空绑定；所述多传感器信息融合的目标检测方法的具体步骤包括：步骤一：基于视觉的目标检测：使用具有时空关联机制的目标检测器，根据目标在连续帧中的空间偏移量预测目标在当前时刻的位置信息，实现对遮挡目标的检测；步骤二：雷达与相机信息数据关联：采用前后帧雷达信息关联的数据融合机制，使用改进后的视觉目标检测器获取同一目标在上一帧中的雷达信息，通过目标前一帧雷达信息预测目标在当前帧的雷达取值范围，最后使用最近邻域关联算法获取最相关雷达点实现数据关联；步骤三：使用扩展截锥体的方式弥补由于相机传感器获取深度误差以及雷达检测出现的点云投影不准确现象；步骤四：传感器数据关联：在将关键图像帧与雷达点云信息绑定过程中，首先进行坐标转换，将毫米波雷达与摄像机采集到的数据统一在标准坐标系实现数据的关联；步骤五：测试数据标注：使用雷达传感器采集目标运动数据，通过手动标注的方式，实现图片数据与雷达数据关键数据的绑定，采集到的雷达数据包括原始数据以及经过标准坐标系转化后的数据；步骤六：目标检测功能验证：分别使用CenterFusion 算法以及改进后的CenterFusion++ 算法对当前画面实现目标检测效果，对提出的更换目标检测器方法进行验证，采用单目标行走的方式验证更换CenterTrack++ 目标检测器能够减少同一目标的ID切换频率，并且在连续的帧中保持相同目标ID 不变。
2.如权利要求1所述的多传感器信息融合的目标检测方法，其特征在于，所述步骤一于视觉的目标检测中，选取CenteTrack++目标检测器实现初步目标检测，使用FPN结构改进CenterTrack++算法的主干网络，通过特征金字塔实现不同深度特征层信息融合得到多尺度特征。
3.如权利要求1所述的多传感器信息融合的目标检测方法，其特征在于，所述步骤二雷达与相机信息数据关联中，使用卡尔曼滤波算法对传感器真实测量值修正。
4.如权利要求1所述的多传感器信息融合的目标检测方法，其特征在于，所述步骤四传感器数据关联中涉及到五个坐标系之间的转换，五个坐标系分别是标准坐标系、雷达坐标系、相机坐标系、图像坐标系以及像素坐标系；所述坐标转换包括：（1）标准坐标系与相机坐标系转化；（2）相机坐标系与图像坐标系转化；（3）图像坐标与像素坐标转化。
5.如权利要求4所述的多传感器信息融合的目标检测方法，其特征在于，所述标准坐标系用于描述目标在真实世界中位置，使用OW-XwYwZw表示，相机坐标系用于描述目标与相机传感器的位置关系，使用OC-XCYCZC表示；所述标准坐标系与相机坐标系转化中，将旋转以及平移关系合并即可获得相机坐标系与标准坐标系的转换： ，其中T表示使用的平移矩阵，R表示旋转矩阵，O表示三维零向量，θ表示旋转角度。
6.如权利要求4所述的多传感器信息融合的目标检测方法，其特征在于，所述图像坐标与像素坐标转化中，通过平移的方式将像素坐标转化为图像坐标，转换过程使用齐次坐标系表示为： 。
7.一种计算机设备，其特征在于，所述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，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1~6任意一项所述的多传感器信息融合的目标检测方法的步骤。
8.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1~6任意一项所述的多传感器信息融合的目标检测方法的步骤。
9.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求1~6任意一项所述的多传感器信息融合的目标检测方法的步骤。
