1.一种面向低信号场景下的雷视融合型交通安全设施公交巡测方法，其特征在于：包括以下步骤，
2.根据权利要求1所述的一种面向低信号场景下的雷视融合型交通安全设施公交巡测方法，其特征在于：步骤a，根据巡检任务在城市公共服务车辆上配置激光雷达、相机、全球导航卫星模组gnss和惯性测量传感器imu并分别采集相应数据，从而获得采集数据，其中具体是采用激光雷达采集点云数据、相机获取视觉数据和惯性测量传感器imu记录姿态数据，且全球导航卫星模组gnss的信号状态为，这样在低信号信号下全球导航卫星模组gnss的信号状态，而采集数据的输入为，设交通安全设施的真实位置为，惯性测量传感器imu的状态传播模型如公式（1）所示，
3.根据权利要求2所述的一种面向低信号场景下的雷视融合型交通安全设施公交巡测方法，其特征在于：步骤b，对采集数据采用拓展卡尔曼滤波算法ekf进行融合并得到融合后数据，具体是将点云数据、视觉数据和姿态数据整合为统一的状态估计并计算出交通安全设施的精确位置，具体步骤如下，
4.根据权利要求3所述的一种面向低信号场景下的雷视融合型交通安全设施公交巡测方法，其特征在于：步骤c，对融合后数据采用高增益实时动态载波相位差分天线rtk和实时补偿算法进行定位误差修正并得到修正后数据，具体是设误差，再使用补偿算法将误差加入预测模型中修正，如公式（3）所示，
5.根据权利要求4所述的一种面向低信号场景下的雷视融合型交通安全设施公交巡测方法，其特征在于：步骤d，基于修正后数据，采用yolo算法对交通安全设施进行目标检测和特征提取，获得交通安全设施类别和位置坐标，具体是将从视觉数据中提取的视觉特征设为及从点云数据提取的点云特征设为，再将视觉特征和点云特征进行组合得到综合特征，接着将综合特征输入至到分类器中并对交通安全设施进行识别和分类，且不同种类的交通安全设施，而分类器输出为交通安全设施类别及对应的位置坐标，其中采用yolo算法对交通安全设施进行目标检测和特征提取的具体步骤如下，
6.根据权利要求5所述的一种面向低信号场景下的雷视融合型交通安全设施公交巡测方法，其特征在于：步骤e，对获得的交通安全位置坐标结合融合后数据和修正后数据中的位置补偿信号进行精确定位，再对获得的交通安全设施类别进行特征分析并提取形状特征进行3d建模，从而追踪交通安全设施的变化情况，进而完成对低信号场景下的交通安全设施巡测作业，其中具体是基于补偿后的位置信息修正交通安全设施的位置误差，设交通安全设施的真实位置为，如公式（7）所示，
7.一种面向低信号场景下的雷视融合型交通安全设施公交巡测系统，所述交通安全设施公交巡测系统的具体巡测过程基于权利要求1-6任一项所述的交通安全设施公交巡测方法，其特征在于：包括数据采集模块、数据融合模块、数据修正模块、目标检测模块和定位建模模块，所述数据采集模块用于根据巡检任务在城市公共服务车辆上配置激光雷达、相机、全球导航卫星模组gnss和惯性测量传感器imu并分别采集相应数据，从而获得采集数据；