1.一种基于单目视觉深度估计的车辆测距方法，其特征在于，包括以下步骤：S1、采集公路场景下的实验数据，通过安装有相机、毫米波雷达和六轴陀螺仪角度传感器的测距车辆进行数据采集，构建数据集；

S2、将数据集进行LightGBM训练，并采用网络搜索算法进行优化，生成单目视觉深度估计模型；

S3、在车辆实际行驶过程中，由安装在测距车辆上的相机和六轴陀螺仪角度传感器进行实时采集数据，并输入到S2中的单目视觉深度估计模型进行在线识别；

所述S1中，包括以下子步骤：

S1.1、在数据采集前，设置时间戳，使相机、毫米波雷达和六轴陀螺仪角度传感器用相同的时间基准；

S1.2、通过相机采集前方图像进行目标车辆检测，获取目标车辆边界框4个顶点的坐标；

S1.3、利用毫米波雷达确定前方图像中目标车辆与测距车辆的真实车距；

S1.4、通过六轴陀螺仪角度传感器获取测距车辆的姿态；

S1.5、进行时间戳对齐，根据测距车辆的姿态、目标车辆边界框4个顶点的坐标以及真实车距，构建具有11维特征输入、1维特征输出的数据集；

所述S1.2中，包括以下子步骤：

S1.2.1、采用相机采集前方车辆图像；

S1.2.2、利用Cityscapes数据集训练yolox目标检测模型，得到训练好的yolox目标检测模型；

S1.2.3、将S1.2.1中前方车辆图像输入S1.2.2中训练好的目标检测模型中，通过目标检测获取图像中车辆边界框；

S1.2.4、提取目标车辆边界框4个顶点的横坐标和纵坐标；

所述S1.3中，包括以下子步骤：

S1.3.1、根据雷达Can协议解析毫米波雷达采集的数据；

S1.3.2、对解析后的数据进行预处理，先采用生命周期算法剔除虚假算法，再通过设置横向距离的阈值为±4.92米，只保留测距车辆位于的车道与相邻车道的目标车辆数据，最后通过设置纵向距离的阈值，只保留测距车辆前方100米内的目标车辆数据；

S1.3.3、根据时间戳，确定不同图像中的目标车辆相对于测距车辆的车距；

所述S1.4中，包括以下子步骤：

S1.4.1、根据六轴陀螺仪角度传感器采集测距车辆的姿态；

S1.4.2、根据时间戳，提取各时刻测距车辆的侧倾角、俯仰角和横摆角；

所述S2中，包括以下子步骤：

S2.1、将数据集导入，并利用LightGBM 训练；

S2.2、采用网络搜索算法对LightGBM模型参数进行优化，参数包括最大深度、随机性参数、随机特征参数、L1正则化参数、L2正则化参数，提高深度估计的精度，并生成最终的单目视觉深度估计模型；

所述S3中，包括以下子步骤：

S3.1、获取前方车辆图像，并进行目标检测，提取前方图像中目标车辆边界框4个顶点的横坐标和纵坐标；

S3.2、提取测距车辆姿态，包括侧倾角、俯仰角和横摆角；

S3.3、将测距车辆姿态角与目标车辆边界框4个顶点的横坐标与纵坐标作为模型输入，在线识别，输出车距。