1.一种适用于复杂山地环境的自适应无人车位姿估计方法，其特征在于，所述方法包括以下步骤：步骤1)利用车载传感器，实时采集车辆的运动和视觉数据；所述车载传感器包括惯性测量单元IMU及相机；

步骤2)对采集到的IMU数据及相机图像进行预处理，消除噪声和异常值，以提高数据在复杂山地环境中的可用性；

步骤3)在图像序列中检测并提取关键特征点，并在连续帧之间跟踪关键特征点，以获取无人车的运动信息；所述关键特征点为对山地环境变化鲁棒的特征点，以提高位姿估计的准确性；

步骤4)在连续帧之间，利用特征点信息找到匹配的特征点对，通过非负高斯‑牛顿透视n点线最大似然估计MLPnPL‑NGN算法，进行初步的相机位姿估计；所述步骤4)中，在连续帧之间，利用特征点信息找到匹配的特征点对，具体如下：采用特征描述符di,t和dj,t+1进行匹配，找到匹配的特征点对Mt,t+1＝{(pi,t,pj,t+1)}，建立算法进行解算时，特征点对的数量至少为三组；

通过MLPnPL‑NGN算法进行初步的相机位姿估计的具体过程如下：

4.1)通过MLPnPL‑NGN算法进行初步估计前，采用匹配点对构建重投影误差，建立点特征及线特征的目标函数；

4.2)通过MLPnPL‑NGN算法进行初步估计，用点特征和线特征重投影误差的目标函数设计最小化目标函数；

4.3)利用迭代更新点特征目标函数及线特征目标函数中的位姿参数来最小化目标函数；

4.4)重复步骤4.1)‑4.3)，当目标函数值收敛后，输出相机的初步位姿；

步骤5)将IMU数据与相机位姿估计结果相结合，采用重校准的迭代扩展卡尔曼滤波RIEKF算法进行多模态数据融合；在RIEKF算法的校正步骤中，根据新的测量数据更新状态向量和协方差矩阵；通过迭代改进算法，对算法参数进行调整，以优化位姿估计性能。

2.如权利要求1所述的一种适用于复杂山地环境的自适应无人车位姿估计方法，其特征在于，所述步骤1)中，所述车载传感器采集的数据包括惯性测量单元IMU采集的加速度和角速度、以及相机采集的图像数据。

3.如权利要求1所述的一种适用于复杂山地环境的自适应无人车位姿估计方法，其特征在于，所述步骤2)中，惯性测量单元IMU采集的加速度和角速度的预处理过程如下：通过设置阈值移除异常值及噪声尖峰，在静态条件下采集数据计算零漂值，对数据进行矫正，在滤波后得出所需值；

相机采集的图像数据的预处理过程如下：

通过滤波器处理原始图像数据I，得到滤波后图像I’，然后根据相机的畸变系数k对I’进行矫正得到畸变矫正后图像Irect。

4.如权利要求1所述的一种适用于复杂山地环境的自适应无人车位姿估计方法，其特征在于，所述步骤3)中，在相机获取连续帧图像It中采用特征检测算法来识别特征点pi；对每个检测到的特征点pi，计算一个描述符di，以便于特征匹配；提取特征点的位置信息和描述符，形成特征点集合Ft＝{pi,t,di,t}。

5.如权利要求1所述的一种适用于复杂山地环境的自适应无人车位姿估计方法，其特征在于，所述步骤5)中，重校准的迭代扩展卡尔曼滤波在每一步预测之后的矫正步骤中，采用惯性测量单元IMU采集数据对预测位姿进行校准。

6.如权利要求1所述的一种适用于复杂山地环境的自适应无人车位姿估计方法，其特征在于，基于装置模组实现，装置模组包括：IMU模块，用于采集IMU信息；

单目相机模块，用于采集图像数据；

IMU预处理模块，用于对采集到的IMU数据进行预处理并将信息提供给融合模块；

相机预处理模块，用于将采集到的图像进行预处理，检测和提取特征点，然后提供给估计模块，采用MLPnPL‑NGN算法得出初步估计；

数据融合模块采用RIEKF算法得出位姿估计，经过重校准模块反复重校准后得出最终的位姿估计结果。