1.一种量测标定模型与代价矩阵自适应耦合的雷视目标关联方法，具体步骤如下：步骤一、雷达视觉数据预处理，产生雷视量测；安装雷达与视觉传感器，对传感器进行标定，得到内外参数据，分别采集雷达和视觉传感器数据；对雷达回波采样数据进行处理，使用动目标指示和动目标检测剔除强背景杂波，使用恒虚警检测器和波达方向估计方法检测获取雷达坐标下雷达量测；基于摄像头采集的原始图像，使用深度学习对视觉图像进行目标检测，获得像素坐标系下视觉量测；步骤二、量测空时变换，获取同域雷视量测；使用传感器标定过程中获得的外参将雷视量测转换到统一坐标系中，像素坐标转换如式(1)，雷达坐标转换如式(2)，表达式如下：其中，(x,y,z)表示统一坐标系；z v 表示相机坐标系下的深度；K表示相机内参；R v 和R r 分别表示相机和雷达坐标系相对于统一坐标的外参旋转矩阵；T v 和T r 分别表示相机和雷达坐标系相对于统一坐标的外参平移矩阵；(u,v)表示像素坐标系；(x r ,y r ,z r )表示雷达坐标系；再根据雷视传感器时间戳将量测外推到同一时刻，得到同一空间域和时间域的雷达量测集 和视觉量测集 表达式如下：其中，r i 表示雷达量测集中第i个雷达点，其在统一坐标系下的坐标为 v j 表示视觉量测集中第j个视觉量测点，其在统一坐标系下的坐标为 N r 表示雷达量测点数；N v 表示视觉量测点数；步骤三、联合雷达建立视觉量测偏移标定模型；在传感器联合感知范围0～R max 内连续采集直线行驶场景下单目标稠密雷视数据，并对雷视量测做时空变换统一到相同空间域和时间域，表达式如下：其中， 表示累积多次的量测标定数据；( k r i , k v i )表示第k次数据采集过程中第i个雷视量测对；N cal 表示单次采集量测标定数据的数量；N k 表示实验数据累积次数；再以雷达量测作为参考真值，计算前视方向，即x方向上视觉量测与雷达量测的不稳定性偏移，并结合传感器特性建立基于雷达的视觉量测偏移标定模型：其中，F表示标定模型；δ x 表示x方向上视觉量测发生偏移的最小门限，δ y 表示y方向上的雷视量测属于同一目标的最大距离门限；最后累积多次标定数据，使用最小二乘算法求解量测标定模型：其中，F * 表示求解后的参数化量测标定模型， 与 表示第k次数据采集过程中第i个雷视量测对x方向上的坐标值；步骤四、使用掩膜滤波器分离离散单传感器量测；依据同空间域、同时间域雷视量测集分别构建初始代价矩阵C以及掩膜矩阵M：其中，c ij 表示第i个雷达量测和第j个视觉量测的代价；H表示雷达和视觉量测间的代价计算函数；m ij 表示掩膜矩阵中第i行第j列元素向量，且 然后基于传感器量测特性建立多维度差异化掩膜，表达式如下：其中，G M 表示基于代价矩阵M构建的掩膜，g ij 表示该掩膜中第i行第j列的掩膜值；G(·)表示掩膜构建函数；T x 、T y 分别表示x方向和y方向上的差异化掩膜阈值；再使用掩膜滤波器分离离散单一传感器量测点，更新滤波后代价矩阵为C′，此时有效可关联雷视目标点数分别为N′ r 和N′ v ，C′表达式如下：其中，c′ i 表示代价矩阵C′中第i行的所有元素；c′ j 表示代价矩阵C′中第j列中的所有元素；c′ ij 表示代价矩阵C′中第i行第j列的元素；g ij 表示掩膜G M 中第i行第j列的掩膜值；步骤五、构建选择性修正代价矩阵；依次以每一个雷达量测点作为参考，将视觉量测划分为稳定量测集 和偏移量测集 划分第i个雷达量测得到的视觉稳定量测集为 视觉偏移量测集为 表达式如下：结合雷视量测标定模型和视觉量测集合，对初始代价矩阵进行选择性修正，得到修正后的代价矩阵C″，表达式如下：其中，c″ ij 表示修正后的第i个雷达量测和第j个视觉量测的代价；H表示雷达和视觉量测间的代价计算函数； 表示计算第i个雷达量测的代价时的视觉量测；步骤六、目标关联分配；使用分配方法对选择性修正后的代价矩阵进行关联分配，得到雷视目标关联结果集 其中， n a表示第n组雷视关联对， n r与 n v分别表示第n组关联对的雷达与视觉量测；N n 表示总量测对数量；Asso(·)表示关联分配算法；步骤七、使用二次滤波剔除错误关联对，得到关联结果；对步骤六得到关联分配结果集进一步开展二次掩膜滤波，剔除由分配方法产生的错误关联点，由步骤六中的初步关联对构建二次掩膜代价矩阵，表达式如下：M′＝{m′ n |m′ n ＝{Δx n ,Δy n },n＝1,2,...,N n } (16)其中，N n 表示关联对总数，M′表示二次掩膜代价矩阵，矩阵维度为N n ×1，m′ n 表示第n组关联对的掩膜代价，且Δx n ＝| n x (r) - n x (v) |，Δy n ＝| n y (r) - n y (v) |， n x (r) 与 n x (v) 分别表示第n组关联对雷达与视觉在x方向的坐标， n y (r) 与 n y (v) 分别表示第n组关联对雷达与视觉在y方向坐标；最后基于二次掩膜代价矩阵，使用步骤四中的掩膜滤波器做二次掩膜滤波，得到最终关联对 其中，G M′ 表示基于二次掩膜代价矩阵M′构建掩膜，g′ n 表示该掩膜中第n个掩膜值。
2.根据权利要求1所述的一种量测标定模型与代价矩阵自适应耦合的雷视目标关联方法，其特征在于，所述步骤六中，所述分配方法包括：匈牙利算法，最近邻算法，全局最近邻关联算法，概率互联算法，联合概率互联算法。
