1.一种面向测试车载视觉传感器预期功能的极限场景分类方法，其特征在于，所述方法包括：获取车辆的驾驶场景数据、车载视觉传感器拍摄的驾驶场景的图像；

根据所述驾驶场景的图像的参数，确定客观图像质量评价分数；

通过多层感知机对所述驾驶场景数据提取特征，得到对应的特征向量；

将所述驾驶场景数据对应的特征向量、所述客观图像质量评价分数对应的特征向量及所述驾驶场景的图像的特征向量进行特征融合拼接，得到融合特征；

将所述融合特征输入极限场景识别网络，输出车载数据传感器在当前驾驶工况下的安全类别。

2.根据权利要求1所述的方法，其特征在于，所述根据所述图像的参数，确定客观图像质量评价分数，包括：根据所述图像的参数，确定图像亮度、图像清晰度、图像熵值；

对所述图像亮度、所述图像清晰度、所述图像熵值加权计算得到所述客观图像质量评价分数。

3.根据权利要求1所述的方法，其特征在于，所述驾驶场景数据至少包括：天气维度、道路维度、自车行驶参数维度及交通参与者与静态障碍物维度的驾驶场景数据；

所述通过多层感知机对所述驾驶场景数据提取特征，得到对应的特征向量，包括：所述天气维度6维数据输入所述多层感知机，输出3维特征向量；

所述道路维度4维数据输入所述多层感知机，输出2维特征向量；

所述交通参与者与静态障碍物维度5维数据输入所述多层感知机，输出2维特征向量；

所述自车行驶参数维度3维数据输入所述多层感知机，输出1维特征向量。

4.根据权利要求1所述的方法，其特征在于，所述极限场景识别网络采用优化的密集连接的卷积网络。

5.根据权利要求4所述的方法，其特征在于，所述优化的密集连接的卷积网络包括密集连接优化模块。

6.根据权利要求5所述的方法，其特征在于，所述密集连接优化模块包括输入层、第一归一化、第一激活函数、第一卷积层、第一特征层、第二归一化、第二激活函数、第二卷积层、第二特征层、第三归一化、第三激活函数、第三卷积层、第三特征层、输出层。

7.根据权利要求6所述的方法，其特征在于，所述第一激活函数、所述第二激活函数、所述第三激活函数采用SiLU激活函数。

8.根据权利要求4所述的方法，其特征在于，所述优化的密集连接的卷积网络包括过渡模块。

9.根据权利要求8所述的方法，其特征在于，所述过渡模块包括输入层、批量归一化层、

1×1卷积层、2×2平均池化层、输出层。