1.一种基于稀疏点云先验信息的自动驾驶夜间目标检测方法，其特征在于：包括以下步骤：一种基于稀疏点云先验信息的自动驾驶夜间目标检测方法，包括以下步骤：步骤1、对采集到的稀疏点云数据和图像数据进行时间和空间同步处理；

步骤2、多模态特征融合：

2.1、基于步骤1的处理结果，采用联合标定方法建立稀疏点云数据和图像数据之间的对应关系，并根据该对应关系将稀疏点云数据逐一映射为图像尺寸大小相等的单通道点图，以激光雷达点的相对距离信息作为对应投影点的通道数值；

2.2、将图像数据和步骤2.1得到的单通道点图输入到VGG16网络中进行特征提取，并在第二层卷积之后将距离特征和RGB特征叠加，以此完成多模态特征融合得到融合后特征图输出；

步骤3、生成高置信度建议区域，并对其进行分类和回归：

3.1、基于步骤1处理结果，将稀疏点云数据通过视觉投影矩阵投影到图像，并按步骤

2.2得到的融合后特征图尺寸做相同比例放缩，得到融合后特征图上的对应投影特征点。

3.2、将步骤3.1得到的投影点作为中心或右侧中心，按照三种长宽比例三种尺寸各自生成9种lidar anchors；采用RPN网络中anchors生成方式生成RGB anchors；

3.3、将步骤3.2生成的RGB anchors与lidar anchors作为高置信度建议区域，对其进行分类与位置回归与完成目标检测任务。

2.根据权利要求1所述的一种基于稀疏点云先验信息的自动驾驶夜间目标检测方法，其特征在于：所述步骤3还包括基于步骤3.2得到的高置信度建议区域后，引入注意力机制；

通过注意力机制的引入分配给高置信度建议区域，得到更高的权重，以提升分类和回归位置的计算速度。

3.根据权利要求1所述的一种基于稀疏点云先验信息的自动驾驶夜间目标检测方法，其特征在于：所述3.2采用的投影点为通过聚类算法得到的中心点及6个方向距离中心最近的6个点，以此减少计算量及非目标点云的干扰。

4.根据权利要求1所述的一种基于稀疏点云先验信息的自动驾驶夜间目标检测方法，其特征在于：所述步骤3.2是按照三种长宽比{1:2/2:1/1:1}三种尺寸{8/16/32}各自生成9种lidar anchors。