技术特征：
1.一种用于行人检测的多激光雷达决策级融合方法，其特征在于，所述方法包括：采用组合的方式获取无人车上的多激光雷达的雷达对；所述雷达对包括：第一激光雷达和第二激光雷达；分别获取所述第一激光雷达针对检测目标采集的第一点云数据和所述第二激光雷达针对所述检测目标采集的第二点云数据，通过训练好的adaboost模型对所述第一点云数据和所述第二点云数据进行行人检测，分别得到所述第一激光雷达的第一检测分数和所述第二激光雷达的第二检测分数；所述adaboost模型是通过训练样本训练得到的；所述训练样本的信息中包括样本得分；所述训练样本包括正样本和负样本；所述正样本和所述负样本的所述样本得分均近似符合高斯分布；根据所述正样本对应的高斯分布公式计算所述检测目标为行人时所述adaboost模型输出所述第一检测分数的第一正样本条件概率，以及所述检测目标为行人时所述adaboost模型输出所述第二检测分数的第二正样本条件概率；根据所述负样本对应的高斯分布公式计算所述检测目标不是行人时所述adaboost模型输出所述第一检测分数的第一负样本条件概率，以及所述检测目标不是行人时所述adaboost模型输出所述第二检测分数的第二负样本条件概率；根据所述第一正样本条件概率、所述第二正样本条件概率和所述检测目标为行人的正先验概率，通过贝叶斯规则对多激光雷达的输出信息进行决策级融合，得到第一检测分数、第二检测分数条件下所述检测目标为行人的正判断概率；根据所述第一负样本条件概率、所述第二负样本条件概率和所述检测目标不是行人的负先验概率，通过贝叶斯规则对多激光雷达的输出信息进行决策级融合，得到第一检测分数、第二检测分数条件下所述检测目标不是行人的负判断概率；所述正先验概率和所述负先验概率是根据预先设置的初始值或上一时序得到的正判断概率和负判断概率得到的；根据所述正判断概率和所述负判断概率，得到所述雷达对决策级融合的行人检测结果；对多激光雷达所组合的所有雷达对对应的行人检测结果进行融合，输出多激光雷达决策级融合的行人检测结果。2.根据权利要求1所述的方法，其特征在于，所述分别获取所述第一激光雷达针对检测目标采集的第一点云数据和所述第二激光雷达针对所述检测目标采集的第二点云数据，通过训练好的adaboost模型对所述第一点云数据和所述第二点云数据进行行人检测，分别得到所述第一激光雷达的第一检测分数和所述第二激光雷达的第二检测分数，包括：获取无人车上激光雷达对检测目标采集的点云数据，通过滑窗算法根据所述点云数据的中心点云密度特征遍历搜索，生成行人检测的多个原始候选框；根据所述原始候选框中的点云位置特征，通过单分类支持向量机为所述原始候选框打分，根据所述原始候选框的分数确定所述检测目标的最佳候选框；提取所述最佳候选框内点云数据的组合特征，根据所述组合特征通过行人检测的adaboost模型实现行人检测；通过所述第一激光雷达的第一点云数据得到第一检测分数，通过所述第二激光雷达的第二点云数据得到第二检测分数。3.根据权利要求2所述的方法，其特征在于，所述获取无人车上单激光雷达的点云数
据，通过滑窗算法根据所述点云数据的中心点云密度特征遍历搜索，生成行人检测的多个原始候选框，包括：获取无人车上单激光雷达的点云数据，通过滑窗算法根据所述点云数据的中心点云密度特征遍历搜索，生成行人检测的多个原始候选框；所述中心点云密度特征为：其中，表示所述中心点云密度特征；表示滑动窗口中的总点数；表示落入相应栅格中的点数；表示滑窗中所分栅格的横纵序号。4.根据权利要求3所述的方法，其特征在于，根据所述原始候选框中的点云位置特征，通过单分类支持向量机为所述原始候选框打分，根据所述原始候选框的分数确定所述检测目标的最佳候选框，包括：根据所述原始候选框中的点云密度分布特征和点云高度差分布特征，通过单分类支持向量机为所述原始候选框打分，根据所述原始候选框的分数确定所述检测目标的最佳候选框。5.根据权利要求4所述的方法，其特征在于，提取所述最佳候选框内点云数据的组合特征，根据所述组合特征通过行人检测的adaboost模型实现行人检测，包括：提取所述最佳候选框内点云数据的组合特征，根据所述组合特征通过行人检测的adaboost模型实现行人检测；所述组合特征为点数、质心到无人车的距离、最大高度差、点云三维协方差矩阵、三维协方差矩阵特征值、惯性张量和旋转投影统计特征。6.根据权利要求1所述的方法，其特征在于，根据所述正样本对应的高斯分布公式计算所述检测目标为行人时所述adaboost模型输出所述第一检测分数的第一正样本条件概率，以及所述检测目标为行人时所述adaboost模型输出所述第二检测分数的第二正样本条件概率；根据所述负样本对应的高斯分布公式计算所述检测目标不是行人时所述adaboost模型输出所述第一检测分数的第一负样本条件概率，以及所述检测目标不是行人时所述adaboost模型输出所述第二检测分数的第二负样本条件概率，包括：根据所述正样本得到所述正样本对应的高斯分布的正样本均值和正样本方差，根据所述负样本得到所述负样本对应的高斯分布的负样本均值和负样本方差；根据所述正样本对应的高斯分布公式计算所述检测目标为行人时所述adaboost模型输出所述第一检测分数的第一正样本条件概率，以及所述检测目标为行人时所述adaboost模型输出所述第二检测分数的第二正样本条件概率为：模型输出所述第二检测分数的第二正样本条件概率为：其中，表示所述检测目标为行人；表示所述第一检测分数；表示所述
第二检测分数；表示所述第一正样本条件概率；表示所述第二正样本条件概率；表示所述正样本方差；表示所述正样本均值；根据所述负样本对应的高斯分布公式计算所述检测目标不是行人时所述adaboost模型输出所述第一检测分数的第一负样本条件概率，以及所述检测目标不是行人时所述adaboost模型输出所述第二检测分数的第二负样本条件概率为：adaboost模型输出所述第二检测分数的第二负样本条件概率为：其中，表示所述检测目标不是行人；表示所述第一负样本条件概率；表示所述第二负样本条件概率；表示所述负样本方差；表示所述负样本均值。7.根据权利要求6所述的方法，其特征在于，根据所述第一正样本条件概率、所述第二正样本条件概率和所述检测目标为行人的正先验概率，通过贝叶斯规则对多激光雷达的输出信息进行决策级融合，得到第一检测分数、第二检测分数条件下所述检测目标为行人的正判断概率；根据所述第一负样本条件概率、所述第二负样本条件概率和所述检测目标不是行人的负先验概率，通过贝叶斯规则对多激光雷达的输出信息进行决策级融合，得到第一检测分数、第二检测分数条件下所述检测目标不是行人的负判断概率，包括：根据所述第一正样本条件概率、所述第二正样本条件概率和所述检测目标为行人的正先验概率，通过贝叶斯规则对多激光雷达的输出信息进行决策级融合，得到第一检测分数、第二检测分数条件下所述检测目标为行人的正判断概率为：其中，表示所述正判断概率；表示所述正先验概率；、为贝叶斯规则的分子项，分别表示第一行人检测分数出现的概率和第二行人检测分数出现的概率，通过预先设置得到；根据所述第一负样本条件概率、所述第二负样本条件概率和所述检测目标不是行人的负先验概率，通过贝叶斯规则对多激光雷达的输出信息进行决策级融合，得到第一检测分数、第二检测分数条件下所述检测目标不是行人的负判断概率为：其中，表示所述负判断概率；、表示所述负先验概
率。8.一种用于行人检测的多激光雷达决策级融合装置，其特征在于，所述装置包括：雷达对获取模块，用于采用组合的方式获取无人车上的多激光雷达的雷达对；所述雷达对包括：第一激光雷达和第二激光雷达；检测分数获取模块，用于分别获取所述第一激光雷达针对检测目标采集的第一点云数据和所述第二激光雷达针对所述检测目标采集的第二点云数据，通过训练好的adaboost模型对所述第一点云数据和所述第二点云数据进行行人检测，分别得到所述第一激光雷达的第一检测分数和所述第二激光雷达的第二检测分数；所述adaboost模型是通过训练样本训练得到的；所述训练样本的信息中包括样本得分；所述训练样本包括正样本和负样本；所述正样本和所述负样本的所述样本得分均近似符合高斯分布；条件概率获取模块，用于根据所述正样本对应的高斯分布公式计算所述检测目标为行人时所述adaboost模型输出所述第一检测分数的第一正样本条件概率，以及所述检测目标为行人时所述adaboost模型输出所述第二检测分数的第二正样本条件概率；根据所述负样本对应的高斯分布公式计算所述检测目标不是行人时所述adaboost模型输出所述第一检测分数的第一负样本条件概率，以及所述检测目标不是行人时所述adaboost模型输出所述第二检测分数的第二负样本条件概率；判断概率获取模块，用于根据所述第一正样本条件概率、第二正样本条件概率和所述检测目标为行人的正先验概率，通过贝叶斯规则对多激光雷达的输出信息进行决策级融合，得到第一检测分数、第二检测分数条件下所述检测目标为行人的正判断概率；根据所述第一负样本条件概率、第二负样本条件概率和所述检测目标不是行人的负先验概率，通过贝叶斯规则对多激光雷达的输出信息进行决策级融合，得到第一检测分数、第二检测分数条件下所述检测目标不是行人的负判断概率；所述正先验概率和所述负先验概率是根据预先设置的初始值或上一时序得到的正判断概率和负判断概率得到的；雷达对行人检测结果获取模块，用于根据所述正判断概率和所述负判断概率，得到所述检测目标多激光雷达决策级融合的行人检测结果；多激光雷达行人检测结果获取模块，用于对多激光雷达所组合的所有雷达对对应的行人检测结果进行融合，输出多激光雷达决策级融合的行人检测结果。9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。