1.一种自动驾驶方法，其特征在于，包括：

获取感知数据源数据；

根据预设的分类依据，对所述感知数据源数据进行分类，确定所述感知数据源数据对应的驾驶环境信息；

基于不同的所述驾驶环境信息，分别确定所述感知数据源数据对应的不同的源数据概率标签；

整合不同的所述源数据概率标签，得到所述感知数据源数据对应的可信度概率值；

在确定所述可信度概率值高于预设可信度阈值的情况下，对所述感知数据源数据进行多数据源融合，得到融合数据；

基于所述融合数据，执行自动驾驶操作。

2.根据权利要求1所述的自动驾驶方法，其特征在于，所述感知数据源数据包括摄像头图像数据、激光雷达数据、毫米波雷达数据、车联通信数据中的至少一种。

3.根据权利要求1所述的自动驾驶方法，其特征在于，所述分类依据包括动静障碍物、车道线及自然天气状态中的至少一种。

4.根据权利要求3所述的自动驾驶方法，其特征在于，所述根据预设的分类依据，对所述感知数据源数据进行分类，确定所述感知数据源数据对应的驾驶环境信息，包括：根据所述分类依据，利用神经网络模型对所述感知数据源数据进行分类，确定所述感知数据源数据对应的驾驶环境信息。

5.根据权利要求3所述的自动驾驶方法，其特征在于，所述根据预设的分类依据，对所述感知数据源数据进行分类，确定所述感知数据源数据对应的驾驶环境信息，包括：根据不同的分类依据，对所述感知数据源数据进行分类，分别确定所述感知数据源数据对应的不同的驾驶环境信息。

6.根据权利要求1所述的自动驾驶方法，其特征在于，在所述整合不同的所述源数据概率标签，得到所述感知数据源数据对应的可信度概率值之后，还包括：在确定所述可信度概率值不高于所述预设可信度阈值的情况下，剔除所述感知数据源数据。

7.一种自动驾驶装置，其特征在于，包括：

获取模块，用于获取感知数据源数据；

分类模块，用于根据预设的分类依据，对所述感知数据源数据进行分类，确定所述感知数据源数据对应的驾驶环境信息；

数据融合模块，用于基于所述驾驶环境信息，在确定所述感知数据源数据满足预设可信度条件的情况下，对所述感知数据源数据进行多数据源融合，得到融合数据；

操作执行模块，用于基于所述融合数据，执行自动驾驶操作；

所述数据融合模块包括：

确定单元，用于基于不同的所述驾驶环境信息，分别确定所述感知数据源数据对应的不同的源数据概率标签；

整和单元，用于整合不同的所述源数据概率标签，得到所述感知数据源数据对应的可信度概率值；

数据融合单元，用于在确定所述可信度概率值高于预设可信度阈值的情况下，对所述感知数据源数据进行多数据源融合，得到所述融合数据。

8.一种电子设备，其特征在于，所述电子设备包括：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1‑6任意一项所述的自动驾驶方法。

9.一种计算机存储介质，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1‑6任意一项所述的自动驾驶方法。