1.一种基于多源信息的井下无人驾驶车辆的决策系统，其特征在于，包括用于采集车辆行驶前方区域三维点云数据的激光雷达传感器(1)；用于采集车辆行驶前方区域二维点云数据的毫米波雷达传感器(3)；用于采集车辆行驶前方区域声波距离数据的超声波雷达传感器(4)；用于采集车辆前方行驶区域景深数据与目标类别数据的双目相机(2)；用于井下建图与实时位置计算的边缘计算模块(5)；用于将超声波雷达传感器(4)数据、毫米波雷达传感器(3)数据以及边缘计算模块(5)定位信息从can传输方式转换为以太网传输的can转以太网模块(6)；用于连接双目相机(2)、激光雷达传感器(1)、can转以太网模块(6)和车载工控机(7)的交换机(8)；用于与交换机(8)直接连接，采集所有数据的车载工控机(7)。

2.一种基于多源信息的井下无人驾驶车辆的决策方法，其特征在于，包括以下步骤：

步骤一：井下无人驾驶车辆上电，采集解析激光雷达传感器(1)、毫米波雷达传感器(3)、超声波雷达传感器(4)、双目相机(2)数据；

步骤二：井下无人驾驶车辆开始行驶，同时判断毫米波雷达传感器(3)和超声波雷达传感器(4)信息；当毫米波雷达传感器(3)检测到车辆前方有横穿行人或横穿动态障碍物和或超声波雷达传感器(4)判断车辆前方2米内存在障碍物时，快速对井下无人驾驶车辆进行制动，待障碍物清除后再启动，否则车辆正常行驶；

步骤三：判断井下无人驾驶车辆车速，当车速大于2m/s时停止超声波雷达传感器(4)的距离监测，采集解析车辆定位数据；否则继续保持超声波雷达传感器(4)的距离监测；

步骤四：根据定位信息判断当前巷道环境为恶劣环境巷道还是优良环境巷道；当定位信息显示井底车场、辅助运输大巷、辅助运输上山、辅助运输下山，则判断巷道类型为优良环境巷道，通过调用双目相机(2)、毫米波雷达传感器(3)、激光雷达传感器(1)，采集毫米波雷达传感器(3)探测到的障碍物坐标位置信息、激光雷达传感器(1)采集到的障碍物的坐标位置信息以及双目相机(2)采集到的坐标位置信息与类别信息；当定位信息显示轨道运输顺槽，则判断巷道类型为恶劣环境巷道，通过调用毫米波雷达传感器(3)、激光雷达传感器(1)，采集毫米波雷达传感器(3)探测到的障碍物坐标位置信息与类别信息、激光雷达传感器(1)采集到的障碍物的坐标位置信息；

步骤五：利用公式对采集到的不同传感器感知数据进行融合：

在优良环境巷道内，若存在障碍物，则设毫米波雷达传感器(3)探测障碍物的位置坐标为(xm,ym,zm)，激光雷达传感器(1)探测障碍物的位置坐标为(xl,yl,zl)，双目相机(2)探测障碍物的位置坐标为(xc,yc,zc)，若xl‑xm

在恶劣环境巷道内，若存在障碍物，则设毫米波雷达传感器(3)探测障碍物的位置坐标为(xm,ym,zm)，激光雷达传感器(1)探测障碍物的位置坐标为(xl,yl,zl)，若xl‑xm

步骤六：根据步骤五得到的障碍物最终距离D，向井下无人驾驶车辆发送不同控制指令，当距离为小于2米时，车辆停止；当距离为2‑7米时车辆减速运行；当距离大于7米时，车辆匀速运行；

步骤七：清除障碍物后，车辆正常匀速行驶，重复二‑六持续进行障碍物监测。

3.根据权利要求2所述的一种基于多源信息的井下无人驾驶车辆的决策方法，其特征在于，激光雷达传感器(1)通过ros话题进行数据的传播，车载工控机(7)订阅激光雷达话题，采集点云数据；毫米波雷达传感器(3)通过can转以太网进行数据传播，车载工控机(7)利用socket通信协议解析毫米波雷达数据；超声波雷达传感器(4)通过can转以太网进行数据传播，车载工控机(7)利用socket通信协议解析超声波雷达数据；双目相机(2)通过以太网进行数据的传播，车载工控机(7)利用rtsp协议解析图像流数据。

4.根据权利要求2所述的一种基于多源信息的井下无人驾驶车辆的决策方法，其特征在于，步骤三中，通过边缘计算模块(5)获取井下建图与实时位置计算，通过can转以太网将定位信息传输，车载工控机(7)利用socket通信协议解析定位数据。