1.一种无人驾驶车道保持方法，其特征在于，方法步骤包括如下：

S1，识别选取：首先通过高清摄像头对车辆周围的参照物进行识别和筛选，参照物包括交通标志、树木和建筑物，识别参照物时，需考虑多个因素，光照条件、天气情况、车速以及路面状态，无人驾驶车辆还需配备激光雷达传感器设备，提高周围环境的识别准确度和稳定性；

S2，划分联系：识别选取完毕，需对所识别出的参照物进行等级划分，并与车辆建立联系，等级划分基于参照物的重要性、可靠性和距离因素，与车辆建立联系可采用传统的目标跟踪算法，卡尔曼滤波器和粒子滤波器；

S3，算法控制：划分联系完毕，需利用模糊PID算法来进一步优化车辆与参照物之间的联系，模糊PID算法是一种控制算法，可根据当前状态和目标状态来调整输出信号，从而使系统稳定并达到期望效果，在该种情况下，将车辆看作系统，将车道保持设定期望效果，使用模糊PID算法来调整车辆的方向盘、油门和刹车信号，从而确保车辆始终保持在车道上行驶，可根据联系等级来逐步进行参照物的选取和剔除。

2.根据权利要求1所述的一种无人驾驶车道保持方法，其特征在于，步骤S1中，在进行参照物识别时，考虑以下因素，第一改善光照条件，通过调整车灯和遮阳板方式来改善光照条件，从而提高参照物的识别率，第二适应天气情况，对于雨天和雾天恶劣天气条件，使用红外线摄像头特殊传感器来增强识别能力，需加强算法适应性，防止误判，第三适配车速：随着车速的增加，识别速度需适配，采用多路视频流合并的方式，利用分布式计算提高效率，第四感知路面状态，对于坑洼和波动路面情况，对传感器数据进行滤波处理，减少误差。

3.根据权利要求1所述的一种无人驾驶车道保持方法，其特征在于，步骤S2中，车辆与外部环境划分联系采取多项技术，引入深度学习技术，使用卷积神经网络CNN和循环神经网络RNN深度学习模型，对道路场景进行实时感知和分析，将集成地图信息与传感器数据相结合，更精确地确定车辆位置和道路形状，采用多传感器融合，将多种不同类型的传感器数据，摄像头、激光雷达和毫米波雷达进行融合，在车道保持过程中，考虑车辆的动力学特性，加速度和转向角速率，根据当前道路情况、车辆状态和目标行驶路径信息，实时调整控制策略。

4.根据权利要求1所述的一种无人驾驶车道保持方法，其特征在于，步骤S3中，需考虑增加车辆感知能力，添加更多的传感器来获取更全面的路况信息，结合深度学习算法，对此类数据进行处理和分析，提高路况的识别和预测能力，需采用实时动态路径规划算法，可根据当前道路情况和交通状况做出最优的行驶决策，根据车辆的实时状态进行调整，采用双重备份机制提高系统可靠性，即在车辆控制系统中添加备用计算单元和备用传感器，当主要计算单元或传感器失效时，备用单元和传感器立即接管工作，确保车辆安全行驶。