1.一种智能网联车辆测试场数据采集与融合方法，其特征在于，包括：
步骤1，根据采集到的测试场内的静态数据，对测试场内地图的静态数据进行标定，以构建测试场内地图的静态层；其中，所述静态数据包括采集到的道路数据、道路上的静态物体数据以及测试智能网联车辆数据；所述道路数据包括道路结构和位置以及车道的宽度、行车方向、车道线类型和附着系数；所述静态物体数据包括静态物体的位置、外形尺寸和类型；该静态物体包括静态障碍物、交通标识和其它静态物；
步骤2，在所述测试场内的路侧设置多个路侧动态数据采集模块，每一个所述路侧动态数据采集模块对应传输给与其对应的路侧计算单元；其中，所述路侧动态数据采集模块包括集成在一起的GPS差分基站、摄像头、毫米波雷达、光照传感器、能见度仪以及温度和湿度传感器，并将所述路侧动态数据采集模块提供的差分信号范围覆盖整个所述测试场；对所述路侧动态数据采集模块中的各传感设备进行标号，并标定所述路侧动态数据采集模块在测试场坐标系的坐标以及摄像头和毫米波雷达的感知范围；
所述摄像头和毫米波雷达对感知范围内的动态目标进行跟踪，并通过对应的所述路侧计算单元进行坐标变换、时间对齐、数据关联和航迹跟踪，计算所述动态目标的航迹数据和状态，生成相应标号下的航迹数据管理文件；其中，所述动态目标的航迹数据和状态包括动态目标的相对位置、速度、朝向、类别和运动轨迹；
所述光照传感器、能见度仪和温度和湿度传感器采集当前环境的能见度、光照、温度和湿度数据；
步骤3，通过测试智能网联车辆中的车端动态数据采集模块获取自车位置数据、自车驾驶状态数据和自车周围环境数据，并根据所述自车周围环境数据对动态目标进行航迹跟踪以及将获取的各数据传送给车载计算单元，由所述车载计算单元对采集到的各数据进行标号，生成相应标号下的航迹数据管理文件，并传输至与其临近的所述路侧计算单元，所述路侧计算单元将其计算得的动态目标的航迹与车载计算单元输入的动态目标航迹进行时间对齐以及将动态目标的航迹信息由车辆坐标系转换到测试场平面坐标系下，以对动态目标的航迹进行初步融合；
其中，所述自车位置坐标的获取方法包括：车端动态数据采集模块中GPS设备接收GPS信号和路侧动态数据采集模块发出的GPS差分信号，计算出准确的GPS位置坐标，并结合车载动态数据采集模块测量得到的车辆定位杆的相对位置信息，计算自车在测试场平面坐标系中的坐标；
其中，所述自车驾驶状态数据的获取方法包括：智能网联车辆对采集到的自车车载信息进行标号，生成相应标号下的数据管理文件；所述自车车载信息包括自车的位置、速度、横纵向加速度、发动机转矩、车轮角速度以及实验所需的车辆的控制量；
其中，所述自车的周围环境数据包括自车周围动态物体的相对位置、朝向、形状和类别；
步骤4，根据所述步骤1得到的静态层、所述步骤2生成的所述动态目标的航迹关联文件和采集到的当前环境数据以及所述步骤3融合获取的自车位置坐标、自车驾驶状态数据和自车周围环境数据，数据融合及可视化模块依照航迹数据管理文件的标号确定各航迹在测试场平面坐标系下的位置将所有坐标变化后的航迹数据进行数据融合，将所有动态目标位置标定至所述静态层上，并记录所有动态目标的航迹数据、目标类型、形状，以及将当前环境的能见度、光照、温度和湿度数据记录至测试场环境数据管理文件中，以构建所述测试场内地图的动态层；
步骤5，根据所述步骤1得到的静态层和所述步骤4得到的动态层，增添所述测试场内需要的动态目标，更改所述测试场内的地面附着系数、道路结构、静态障碍物类型和位置、天气、以及车辆相关数据，以及重新测量所述测试场内精度要求较高的静态数据并采用步骤1提供的方法更改测试场内的静态数据，以模拟出所述智能网联车辆测试所需的各种交通场景，并输送给所述数据融合及可视化模块；
步骤6，通过所述数据融合及可视化模块将所述步骤5获得的所述交通场景进行实时显示以及输送给测试智能网联车辆进行测试。
2.如权利要求1所述的智能网联车辆测试场数据采集与融合方法，其特征在于，所述道路结构包括对圆曲线道路和直线道路，所述步骤1具体包括：
步骤11，标定所述道路结构和位置，其具体包括：
步骤111，由车载GPS设备与所述路侧动态数据采集模块采集的所述测试场内各个道路中心线上的点坐标；
步骤112，设定测试场平面坐标系原点及坐标轴方向，并将所述点坐标由经纬度坐标系下转换到测试场平面坐标系下；
步骤113，对圆曲线道路和直线道路交接处的采集点加权平权处理，其中，直线端点的加权系数为1/μ2，圆曲线处的加权系数为1/e2；
步骤114，计算各所述点坐标的点误差和单位权中误差，保留所述点误差中误差值不小于所述单位权中误差的预设倍数的点坐标并输出，返回步骤111；
步骤115，将所述步骤114留下的各所述点坐标进行曲线拟合，确定最终的道路中心线方程；
步骤12，标定车道的行车方向、车道线类型和附着系数：采集车道的宽度，标定各车道行车方向和车道线类型，生成所述测试场内地图中的道路，并将测量得到的各道路的路面附着系数标定到测试场内地图中相应的道路上；
步骤13，采集所述测试场内所有静态障碍物的几何中心在测试场平面坐标系下的坐标及其外形尺寸和类型，并标定到所述步骤12生成的测试场内地图上；以及步骤14，采集测试场内所有交通标识在测试场平面坐标系下的坐标及其类型，并标定到所述步骤12生成的测试场内地图上，构建出所述测试场内地图的静态层。
3.如权利要求2所述的智能网联车辆测试场数据采集与融合方法，其特征在于，采用下式(1)和式(2)对所述步骤111采集到的所述直线道路的中心线上的所述点坐标进行点误差和单位权中误差计算，输出小于3倍单位权中误差的点坐标：
式(1)和式(2)中，(xi，yi)表示所述点坐标，i表示点的序号，1≤i≤n；εi表示所述直线道路所对应的直线的各点误差，μ表示述直线道路所对应的直线的单位权中误差，θ表示由采集得的所述点坐标计算出的直线倾斜角。
4.如权利要求2所述的智能网联车辆测试场数据采集与融合方法，其特征在于，采用下式(3)和式(4)对所述步骤111采集到的所述圆曲线道路的中心线上的所述点坐标进行点误差和单位权中误差计算，输出小于3倍单位权中误差的点坐标：
式(3)和式(4)中，(xi，yi)表示所述点坐标，i表示点的序号，1≤i≤n；(x0，y0)表示所述圆曲线道路所对应的圆曲线圆心重心化的坐标；di表示所述圆曲线道路所对应的圆曲线的各点误差，e表示所述圆曲线道路所对应的圆曲线的单位权中误差；si、D和R表示为计算过程中的中间量。
5.一种智能网联车辆测试场数据采集与融合系统，其特征在于，包括：
静态数据预标定模块，其用于根据采集到的测试场内的静态数据，对测试场内地图的静态数据进行标定，以构建测试场内地图的静态层；其中，所述静态数据包括采集到的道路数据、道路上的静态物体数据以及测试智能网联车辆数据；所述道路数据包括道路结构和位置以及车道的宽度、行车方向、车道线类型和附着系数；所述静态物体数据包括静态物体的位置、外形尺寸和类型；该静态物体包括静态障碍物、交通标识和其它静态物；
路侧动态数据采集模块，其设置在所述测试场内的路侧；其中，所述路侧动态数据采集模块包括集成在一起的GPS差分基站、摄像头、毫米波雷达、光照传感器、能见度仪以及温度和湿度传感器，并将所述路侧动态数据采集模块提供的差分信号范围覆盖整个所述测试场；对所述路侧动态数据采集模块中的各传感设备进行标号，并标定所述路侧动态数据采集模块在测试场坐标系的坐标以及摄像头和毫米波雷达的感知范围；
所述光照传感器、能见度仪和温度和湿度传感器采集当前环境的能见度、光照、温度和湿度数据；
路侧计算单元，每一个所述路侧动态数据采集模块对应传输给与其对应的路侧计算单元，所述路侧计算单元用于控制所述摄像头和毫米波雷达对感知范围内的动态目标进行跟踪，并进行坐标变换、时间对齐、数据关联和航迹跟踪，计算所述动态目标的航迹数据和状态，生成相应标号下的航迹数据管理文件；其中，所述动态目标的航迹数据和状态包括动态目标的相对位置、速度、朝向、类别和运动轨迹；
测试智能网联车辆中的车端动态数据采集模块，其用于获取自车位置数据、自车驾驶状态数据和自车周围环境数据；
测试智能网联车辆中的车载计算单元，其用于接收所述车端动态数据采集模块采集到数据，并根据所述自车周围环境数据对动态目标进行航迹跟踪以及将获取的各数据对采集到的各数据进行标号，生成相应标号下的航迹数据管理文件，并传输至与其临近的所述路侧计算单元，所述路侧计算单元将其计算得的动态目标的航迹与车载计算单元输入的动态目标航迹进行时间对齐以及将动态目标的航迹信息由车辆坐标系转换到测试场平面坐标系下，以对动态目标的航迹进行初步融合；
其中，所述自车位置坐标的获取方法包括：车端动态数据采集模块中GPS设备接收GPS信号和路侧动态数据采集模块发出的GPS差分信号，计算出准确的GPS位置坐标，并结合车载动态数据采集模块测量得到的车辆定位杆的相对位置信息，计算自车在测试场平面坐标系中的坐标；
其中，所述自车驾驶状态数据的获取方法包括：智能网联车辆对采集到的自车车载信息进行标号，生成相应标号下的数据管理文件；所述自车车载信息包括自车的位置、速度、横纵向加速度、发动机转矩、车轮角速度以及实验所需的车辆的控制量；
其中，所述自车的周围环境数据包括自车周围动态物体的相对位置、朝向、形状和类别；
数据融合及可视化模块，其用于根据所述静态数据预标定模块得到的静态层、所述路侧计算单元生成的所述动态目标的航迹关联文件和采集到的当前环境数据以及所述车载计算单元融合获取的自车位置坐标、自车驾驶状态数据和自车周围环境数据，依照航迹数据管理文件的标号确定各航迹在测试场平面坐标系下的位置将所有坐标变化后的航迹数据进行数据融合，将所有动态目标位置标定至所述静态层上，并记录所有动态目标的航迹数据、目标类型、形状，以及将当前环境的能见度、光照、温度和湿度数据记录至测试场环境数据管理文件中，以构建所述测试场内地图的动态层；
模拟数据及人工修订模块，其用于根据所述静态数据预标定模块得到的静态层和所述数据融合及可视化模块得到的动态层，增添所述测试场内需要的动态目标，更改所述测试场内的地面附着系数、道路结构、静态障碍物类型和位置、天气、以及车辆相关数据，以及重新测量所述测试场内精度要求较高的静态数据并采用静态数据预标定模块提供的方法更改测试场内的静态数据，以模拟出所述智能网联车辆测试所需的各种交通场景，并输送给所述数据融合及可视化模块，通过所述数据融合及可视化模块将所述模拟数据及人工修订模块获得的所述交通场景进行实时显示以及输送给测试智能网联车辆进行测试。
6.如权利要求5所述的智能网联车辆测试场数据采集与融合系统，其特征在于，所述道路结构包括对圆曲线道路和直线道路，所述静态数据预标定模块具体包括：
所述道路结构和位置标定子模块，其工作流程具体包括：
步骤111，由车载GPS设备与所述路侧动态数据采集模块采集的所述测试场内各个道路中心线上的点坐标；
步骤112，设定测试场平面坐标系原点及坐标轴方向，并将所述点坐标由经纬度坐标系下转换到测试场平面坐标系下；
步骤113，对圆曲线道路和直线道路交接处的采集点加权平权处理，其中，直线端点的加权系数为1/μ2，圆曲线处的加权系数为1/e2；
步骤114，计算各所述点坐标的点误差和单位权中误差，保留所述点误差中误差值不小于所述单位权中误差的预设倍数的点坐标并输出，返回步骤111；
步骤115，将所述步骤114留下的各所述点坐标进行曲线拟合，确定最终的道路中心线方程；
车道的行车方向、车道线类型和附着系数标定子模块，其用于采集车道的宽度，标定各车道行车方向和车道线类型，生成所述测试场内地图中的道路，并将测量得到的各道路的路面附着系数标定到测试场内地图中相应的道路上；
静态障碍物的几何中心采集子模块，其用于采集所述测试场内所有静态障碍物的几何中心在测试场平面坐标系下的坐标及其外形尺寸和类型，并标定到所述步骤12生成的测试场内地图上；以及
交通标识采集子模块，其用于采集测试场内所有交通标识在测试场平面坐标系下的坐标及其类型，并标定到所述车道的行车方向、车道线类型和附着系数标定子模块生成的测试场内地图上，构建出所述测试场内地图的静态层。
7.如权利要求5所述的智能网联车辆测试场数据采集与融合系统，其特征在于，其特征在于，采用下式(1)和式(2)对所述步骤111采集到的所述直线道路的中心线上的所述点坐标进行点误差和单位权中误差计算，输出小于3倍单位权中误差的点坐标：
式(1)和式(2)中，(xi，yi)表示所述点坐标，i表示点的序号，1≤i≤n；εi表示所述直线道路所对应的直线的各点误差，μ表示述直线道路所对应的直线的单位权中误差，θ表示由采集得的所述点坐标计算出的直线倾斜角。
8.如权利要求2所述的智能网联车辆测试场数据采集与融合系统，其特征在于，采用下式(3)和式(4)对所述步骤111采集到的所述圆曲线道路的中心线上的所述点坐标进行点误差和单位权中误差计算，输出小于3倍单位权中误差的点坐标：
式(3)和式(4)中，(xi，yi)表示所述点坐标，i表示点的序号，1≤i≤n；(x0，y0)表示所述圆曲线道路所对应的圆曲线圆心重心化的坐标；di表示所述圆曲线道路所对应的圆曲线的各点误差，e表示所述圆曲线道路所对应的圆曲线的单位权中误差；si、D和R表示为计算过程中的中间量。