1.一种基于目标特征的智能车辆多激光雷达融合识别方法，其特征在于，包括以下步骤：

步骤1、对采集的若干智能车辆的传感器数据进行预处理，然后提取目标几何特征，判定目标的类别；

步骤2、计算目标的几何相似度，根据几何相似度进行目标匹配；

步骤3、采用基于距离加权融合的方法对目标几何特征进行融合；

步骤4、采用基于多特征的目标跟踪方法对目标进行跟踪，获取目标相对运动特征；

步骤5、利用卫星定位系统采集车辆的运动特征，获得目标绝对运动特征；

步骤6、根据目标绝对运动特征以及目标特征模型对目标类别进行修正；

步骤7、栅格化目标特征，并进行栅格表示。

2.根据权利要求1所述的基于目标特征的智能车辆多激光雷达融合识别方法，其特征在于，步骤1所述对采集的若干智能车辆的传感器数据进行预处理，包括步骤：(1)建立车辆坐标系，并将智能车辆的传感器数据坐标变换到车辆坐标系；(2)去除车辆坐标系感知范围外的目标；(3)激光雷达扫描点的聚类，采用基于距离的聚类方法进行聚类分析。

3.根据权利要求1或2所述的基于目标特征的智能车辆多激光雷达融合识别方法，其特征在于，所述步骤1所述目标特征是由三种特征组成：目标几何特征，运动特征，信息特征，其中目标几何特征包括：目标中心的坐标，目标长度，目标宽度，目标包含的特征线段数，线段间夹角，目标类别；运动特征包括：目标速度，目标运动方向信息；信息特征包括：目标编号，采集雷达编号，融合标志。

4.根据权利要求1或2所述的基于目标特征的智能车辆多激光雷达融合识别方法，其特征在于，几何特征提取方法：首先利用IEPF算法和最小二乘法对聚类目标提取，获得聚类分割起始点，线段数，线段夹角；目标的类别利用目标模型对目标进行判定。

5.根据权利要求1所述的基于目标特征的智能车辆多激光雷达融合识别方法，其特征在于，所述步骤2中计算目标的几何相似度，为距离相似度，面积相似度，线段相似度三种的权重相加。

6.根据权利要求1所述的基于目标特征的智能车辆多激光雷达融合识别方法，其特征在于，步骤3在融合时只对目标中心的坐标，目标长度、目标宽度三种几何特征进行融合。

7.根据权利要求1所述的基于目标特征的智能车辆多激光雷达融合识别方法，其特征在于，所述步骤4包括：在数据关联时利用多特征计算出候选目标的关联概率，然后根据关联概率进行目标与跟踪器的关联，最后采用卡尔曼滤波进行状态估计。

8.根据权利要求1所述的基于目标特征的智能车辆多激光雷达融合识别方法，其特征在于，所述步骤6根据目标绝对运动特征以及目标特征模型对目标类别进行修正，其模型规则如下：车辆，速度>10km/h；行人，速度3.6kmh-7km/h；自行车：速度6km/h-25km/h；其他动态目标：速度>3km/h；静态障碍物：速度<2km/h。

9.根据权利要求1所述的基于目标特征的智能车辆多激光雷达融合识别方法，其特征在于，所述步骤7栅格化目标特征，并进行栅格表示具体为：系统栅格地图生成时，选取规格为20cm*20cm的单位栅格对目标感知范围进行栅格化，组成775*110的栅格地图，每个栅格的数据采用：栅格名称，状态，目标类别，百分比的数据格式进行表示，其中栅格状态分为占据和未占据；目标类别分为五种目标：车辆，行人，自行车，动态目标和静态障碍物；百分比代表目标所占栅格的百分比。