1.一种基于多信息融合的路面附着系数估计方法，其特征在于，所述方法包括：

通过摄像头获取路面区域的图像，并基于所述路面区域的图像确定所述路面的路面类型；

基于所述路面类型和预先构建的先验数据库，估计所述摄像头获取的路面区域的路面附着系数，得到第一路面附着系数；所述先验数据库中包括各种先验路面类型对应的路面附着系数经验值；

构建激光雷达扫描获得的地面点云反射强度图，对所述地面点云反射强度的灰度图进行图像分割，将无效路面信息剔除掉，得到分割后的各个有效的路面区域，所述分割后的各个有效的路面区域具有类似的路面材质和相近的反射强度；

基于所述先验数据库估计所述分割后的各个有效区域的附着系数，得到第二路面附着系数；

车辆行进过程中，采用轮胎的纵向动力学响应估计车辆轮胎位置处路面的附着系数，得到第三路面附着系数；

以所述第三路面附着系数为基准，更新所述先验数据库并对所述第一路面附着系数和所述第二路面附着系数进行修正，得到最终的路面附着系数。

2.根据权利要求1所述的方法，其特征在于，基于所述路面区域的图像确定所述路面的路面类型包括：基于所述路面区域的图像，获取所述路面区域的当前图像特征；

通过深度学习的方式由所述当前图像特征与已建模路面图像数据库的置信度实时识别当前路面类型。

3.根据权利要求1所述的方法，其特征在于，基于所述路面类型和预先构建的先验数据库，估计所述摄像头获取的路面区域的路面附着系数，得到第一路面附着系数，包括：从预先构建的先验数据库中找到与所述路面类型一致的先验路面类型；

将所述先验路面类型对应的路面附着系数经验值作为第一路面附着系数。

4.根据权利要求1所述的方法，其特征在于，基于所述先验数据库估计所述分割后的各个有效区域的附着系数，得到第二路面附着系数，包括：建立所述分割后的路面区域的主成分反射强度和噪声反射强度的混合高斯分布概率模型，对于所述分割后的路面区域内的M个观测数据，构造似然函数L(x)：其中，x表示路面区域内的各个观测数据，qj为第j个观测数据，αi为混合比率，φ(qj|μi,σi)为第i个分模型的高斯分布密度；分割后的路面区域的主成分反射强度服从高斯分布N(μmax,σmax)，其中μmax、σmax分别为高斯分布的最大期望值和最大标准差；噪声反射强度分布服从高斯分布N(μmin,σmin)，其中μmin、σmin分别为高斯分布的最小期望值和最小标准差；参数αi，μi和σi根据极大似然估计原理求解；

所述分割后的路面区域的当前测量量与所述先验数据库中的先验路面类型i在概率密度函数上有交集，其联合概率为PiB；其中所述当前测量量的分布特征为N(μB,σB)，先验模型i的分布特征为N(μi,σi)，i＝1,2,…,N，N为所述先验数据库中的先验路面类型的数量；

通过对比最大联合概率值，确定与所述当前测量量对应的最相近先验路面类型，将所述先验路面类型对应的路面附着系数经验值作为第二路面附着系数μB，其中，μB＝μ(PB)，PB为N个联合概率中的最大值，μ(PiB)为联合概率PiB对应的路面附着系数。

5.根据权利要求1所述的方法，其特征在于，所述采用轮胎的纵向动力学响应估计车辆轮胎位置处路面的附着系数，得到第三路面附着系数，包括：所述第三路面附着系数μx为：

其中，车辆动力学模型解算求得的某轮胎纵向力为Fx，垂向力为Fz，S为轮胎滑转率，可由递推最小二乘计算得到：其中，K(t)为增益，P(t)为估计方差，λ为遗忘因子，λx为轮胎的纵向滑移率，vx为当前车速、w为车轮转速。

6.根据权利要求1所述的方法，其特征在于，以所述第三路面附着系数为基准，更新所述先验数据库并对所述第一路面附着系数和所述第二路面附着系数进行修正，得到最终的路面附着系数，包括：若(PA≤Pmin)∩(PB≤Pmin)，则说明当前路面未建模或特征不明显，将摄像头获取的路面区域的图像、激光雷达反射强度及所述第三路面附着系数作为新增记录加入所述先验数据库；其中，PA为摄像头图像特征置信度，PB为激光雷达图像特征置信度，Pmin为预设的最低置信度阀值；否则：若PA＞Pmin，说明摄像头得到的路面特征明显，将所述第一路面附着系数用于后续比较；

若PB＞Pmin，说明激光雷达得到的路面特征明显，将所述第二路面附着系数用于后续比较；

若PA＞Pmin且PB＞Pmin，此时若当前路面为覆水、覆冰或者湿路的特殊天候，则输出最终的路面附着系数μ＝μB；否则，将所述第一路面附着系数和所述第二路面附着系数进行融合，将融合后的附着系数用于后续比较；

比较环节如下：

以所述第三路面附着系数为基准，若(PA＞Pmin)∩(|μx-μA|＞μmin)，则意味着图像方式估计偏差较大，输出最终的路面附着系数μ＝μx，并更新当前摄像头图像特征先验数据库中相对应的附着系数；其中，μA为第一路面附着系数、μB为第二路面附着系数，μi为融合后的路面附着系数，μx为第三路面附着系数，μmin为μA与μB的差异性阀值；PA为摄像头图像特征置信度，PB为激光雷达图像特征置信度，Pmin为预设的最低置信度阀值；

若(PA＞Pmin)∩(|μx-μA|＜μmin)，则意味着图像估计值与动力学估计值符合度较高，输出最终的路面附着系数μ＝μA；

若(PB＞Pmin)∩(|μx-μB|＞μmin)，则意味着激光雷达方式估计的偏差较大，则输出路面附着系数μ＝μx，并更新当前激光雷达图像特征先验数据库中相对应的附着系数；

若(PB＞Pmin)∩(|μx-μB|＜μmin)，则意味着激光雷达估计值与动力学估计值符合度较高，输出最终的路面附着系数μ＝μB；

若[(PA＞Pmin)∩(PB＞Pmin)]∩(|μx-μi|＜μmin)，则意味着融合后的估计值与动力学估计值符合度较高，输出最终的路面附着系数μ＝μi；

若[(PA＞Pmin)∩(PB＞Pmin)]∩(|μx-μi|＞μmin)，则意味着融合后的估计值偏差较大，则输出路面附着系数μ＝μx，并更新当前数据库附着系数。

7.根据权利要求6所述的方法，其特征在于，将所述第一路面附着系数和所述第二路面附着系数进行融合，包括：以车前地形的2.5D网格为基准，将所述摄像头获得的路面区域和激光雷达获得的分割后的路面区域对齐；

根据激光雷达估计值的局部差异性分布，对μA进行修正，得到融合后的路面区域Bi附着系数μi：其中，f(·)为修正函数；B1～BN为分割后的各子区域与所述摄像头获取的路面区域重叠的区域，μB1～μBN分别为分割后的各个子区域依据反射强度特征估计的附着系数。

8.一种基于多信息融合的路面附着系数估计系统，其特征在于，所述系统包括：摄像头、激光雷达、GPS、惯性测量单元以及路面附着系数估计装置；所述路面附着系数估计装置分别与所述摄像头、激光雷达、GPS、惯性测量单元连接；

所述摄像头用于实时获取路面区域的图像；

所述激光雷达用于实时扫描获得地面点云反射强度图；所

述GPS和惯性测量单元用于得到轮胎的纵向动力学响应；

所述路面附着系数估计装置，用于基于摄像头获取的路面区域的图像确定所述路面的路面类型；基于所述路面类型和预先构建的先验数据库，估计所述摄像头获取的路面区域的路面附着系数，得到第一路面附着系数；所述先验数据库中包括各种先验路面类型对应的路面附着系数经验值；对激光雷达得到的地面点云反射强度的灰度图进行图像分割，将无效路面信息剔除掉，得到分割后的各个有效的路面区域，分割后的每一区域具有类似的路面材质和相近的反射强度；并基于所述先验数据库估计所述分割后的每一区域的附着系数，得到第二路面附着系数；车辆行进过程中，采用轮胎的纵向动力学响应估计车辆轮胎位置处路面的附着系数，得到第三路面附着系数；以所述第三路面附着系数为基准，更新所述先验数据库并对所述第一路面附着系数和所述第二路面附着系数进行修正，得到最终的路面附着系数。