1.一种物体识别方法，其特征在于，包括：

获取自动驾驶车辆的车辆行驶数据、图像数据、第一数据和第二数据；其中，所述第一数据由激光雷达采集，所述第二数据由毫米波雷达采集；

将所述车辆行驶数据、所述图像数据、所述第一数据和所述第二数据输入预设融合识别模型，得到所述自动驾驶车辆的物体识别结果；

其中，所述预设融合识别模型包括卡尔曼滤波和神经网络；

其中，所述将所述车辆行驶数据、所述图像数据、所述第一数据和所述第二数据输入预设融合识别模型，得到所述自动驾驶车辆的物体识别结果，包括：将所述图像数据和所述第一数据输入预设识别模型，得到第一物体识别结果；

将所述车辆行驶数据、所述第一物体识别结果和第二物体识别结果输入预设融合识别模型，得到所述自动驾驶车辆的物体识别结果；其中，所述第二物体识别结果基于所述第二数据得到；

其中，所述预设识别模型包括双分支卷积神经网络和全连接网络；

所述将所述图像数据和所述第一数据输入预设识别模型，得到第一物体识别结果，包括：将所述图像数据输入至所述双分支卷积神经网络的第一分支，得到第一物体特征数据；其中，所述第一物体特征数据用于描述所述第一物体识别结果对应的物体信息；

将所述第一数据输入至所述双分支卷积神经网络的第二分支，得到第二物体特征数据；

基于所述第一物体特征数据和所述第二物体特征数据融合得到第三物体特征数据；

将所述第三物体特征数据输入至所述全连接网络，得到所述第一物体识别结果。

2.根据权利要求1所述的方法，其特征在于，所述双分支卷积神经网络的所述第一分支和所述第二分支均包括多个卷积层；所述第一分支中的卷积层与所述第二分支中的卷积层一一对应；

所述将所述图像数据和所述第一数据输入预设识别模型，得到第一物体识别结果，包括：将所述图像数据输入至所述第一分支，得到第一物体特征数据；

将所述第一分支的每个第一卷积层输出的第一特征数据输入至所述第二分支中的第二卷积层；其中，所述第二卷积层是所述第二分支中与所述第一卷积层对应的卷积层；

每个所述第二卷积层基于所述第一分支中的第一卷积层输出的第一特征数据，和所述第二分支中所述第二卷积层的上一个卷积层输出的第三特征数据，得到第二特征数据；

将所述第二分支的最后一个卷积层输出的第二特征数据确定为第三物体特征数据；

将所述第三物体特征数据输入至所述全连接网络，得到第一物体识别结果。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取第一预设数量的第一历史物体识别结果对应的第一历史数据；其中，所述第一历史数据包括每个第一历史识别结果对应的历史车辆行驶数据、历史图像数据和历史第一数据；

基于所述每个第一历史识别结果对应的第一历史数据训练第一预设模型；

在训练后的第一预设模型的物体识别准确率达到第一预设阈值时，将所述训练后的第一预设模型确定为所述预设融合识别模型。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取第二预设数量的第二历史物体识别结果对应的第二历史数据；其中，所述第二历史数据包括每个第二历史物体识别结果对应的历史图像数据和历史第一数据；

基于所述每个第二历史物体识别结果对应的第二历史数据训练第二预设模型；

在训练后的第二预设模型的物体识别准确率达到第二预设阈值时，将所述训练后的第二预设模型确定为所述预设识别模型。

5.根据权利要求1所述的方法，其特征在于，所述神经网络为轻量级神经网络。

6.一种物体识别装置，其特征在于，包括：

数据获取模块，用于获取自动驾驶车辆的车辆行驶数据、图像数据、第一数据和第二数据；其中，所述第一数据由激光雷达采集，所述第二数据由毫米波雷达采集；

物体识别模块，用于将所述车辆行驶数据、所述图像数据、所述第一数据和所述第二数据输入预设融合识别模型，得到所述自动驾驶车辆的物体识别结果；

其中，所述预设融合识别模型包括卡尔曼滤波和神经网络；

其中，所述物体识别模块，包括：

第一识别模块，用于将所述图像数据和所述第一数据输入预设识别模型，得到第一物体识别结果；

第二识别模块，用于将所述车辆行驶数据、所述第一物体识别结果和第二物体识别结果输入预设融合识别模型，得到所述自动驾驶车辆的物体识别结果；其中，所述第二物体识别结果基于所述第二数据得到；

其中，所述预设识别模型包括双分支卷积神经网络和全连接网络；

第一识别模块包括：

第一提取单元，用于将所述图像数据输入至所述双分支卷积神经网络的第一分支，得到第一物体特征数据；其中，所述第一物体特征数据用于描述所述第一物体识别结果对应的物体信息；

第二提取单元，用于将所述第一数据输入至所述双分支卷积神经网络的第二分支，得到第二物体特征数据；

融合单元，用于基于所述第一物体特征数据和所述第二物体特征数据融合得到第三物体特征数据；

第一识别单元，用于将所述第三物体特征数据输入至所述全连接网络，得到第一物体识别结果。

7.一种物体识别设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；

所述处理器执行所述计算机程序指令时实现如权利要求1‑5任意一项所述的物体识别方法。

8.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1‑5任意一项所述的物体识别方法。