1.一种融合毫米波雷达与单目相机的轻量级目标跟踪方法，其特征在于，所述方法包括以下步骤：将毫米波雷达和单目相机进行联合标定；

以运动参数为过滤基准，并通过欧几里德聚类算法筛选毫米波雷达检测到的当前帧的点云数据；

对单目相机采集的当前图像进行目标检测和车道线检测，并获取当前车道线内的目标点云数据；

通过卡尔曼滤波进行目标稳定跟踪，包括以下步骤：前置判定步骤，判断当前图像是否为初始图像，若是，为初始图像的目标点分配初始ID，并输出目标类别，否则执行一致性判定步骤；

一致性判定步骤，判定当前图像的当前目标点个数与上一帧图像的目标点个数是否相同，若是，执行相似度匹配步骤，否则为当前目标点分配新的ID，并输出目标类别；

相似度匹配，通过卡尔曼滤波算法预测上一帧图像的目标点信息，计算预测结果与当前目标点信息的相似度，若相似度大于阈值，则ID不变，并更新卡尔曼状态方程，否则为当前目标点分配新的ID，并输出目标类别。

2.如权利要求1所述的一种融合毫米波雷达与单目相机的轻量级目标跟踪方法，其特征在于，所述联合标定包括以下步骤：对单目相机进行标定，并得到世界坐标系和像素坐标系间的转换模型；

将毫米波雷达坐标系转换到世界坐标系；

同步毫米波雷达与单目相机的采样频率。

3.如权利要求1所述的一种融合毫米波雷达与单目相机的轻量级目标跟踪方法，其特征在于，所述毫米波雷达检测到的点云数据包括若干扫描点信息，任一扫描点信息包括位置坐标(x,y)及相对速度v，所述筛选包括以下步骤：计算每一扫描点与簇心的欧几里德距离D；

判断欧几里德距离D是否不大于经验阈值，若是，则保留，否则丢弃。

4.如权利要求1所述的一种融合毫米波雷达与单目相机的轻量级目标跟踪方法，其特征在于，对单目相机采集的当前图像进行目标检测和车道线检测包括以下步骤：通过训练后的YOLOP网络模型得到目标类别和车道线语义分割图像；

对车道线语义分割图像使用密度聚类算法解析各车道线，并提取出本车所在车道内的两条车道线。

5.如权利要求4所述的一种融合毫米波雷达与单目相机的轻量级目标跟踪方法，其特征在于，所述获取当前车道线内的目标点云数据包括以下步骤：将筛选后的点云数据、提取的两条车道线与当前图像进行数据融合；

剔除非当前车道线区域内的点云数据；

基于目标区域获取融合在当前图像中的目标点信息。