1.一种基于路侧激光雷达的动态车辆实时检测方法，其特征在于，该方法包括以下步骤：

步骤一，获取道路实时情况的三维点云数据；

步骤二，对三维点云数据进行静止点滤波和离群点滤波；

步骤三，对滤波后的三维点云数据聚类，获取单一目标点云数据，并判断其是否为动态车辆，最终获得车辆点云数据；具体方法是将聚类后的目标点云数据降维在地面所属的二维平面，然后计算点云的数量特征和范围特征，若满足下式，该目标点云数据为动态车辆数据；

， ；

式中， 为点云数量，为激光雷达水平方向视角分辨率，E为所述点云稀疏性变化的修正系数； 为Y坐标最大值， 为Y坐标最小值，Y坐标值体现车道宽度，体现车辆宽度范围；

步骤四，计算所述车辆点云数据的角点，依据角点分割出车头部位的簇，进而拟合得到车辆初始的宽度主方向；所述角点是以点云的最小径向距离确定；然后，作过原点和角点的直线L，直线L将车辆点云数据分割为A类簇和B类簇，B类簇即为所述车头部位的簇，B类簇经RANSAC拟合后的直线L2代表车辆初始的宽度主方向，A类簇为车辆侧身的点云；

步骤五，计算车辆边界轮廓点，结合车辆初始的宽度主方向，以包围盒的面积权重、距离权重的和最小为目标函数，构建包围盒的数学模型，以车辆初始的宽度主方向斜率为设计变量，迭代寻找最优包围盒，并过滤混合噪点；所述最优包围盒设计的数学模型是指以直线L2的斜率为设计变量，以包围盒的面积权重、距离权重的和为目标函数，在合适范围内寻找最优函数的值，具体表示如下：式中， 为目标函数； 为包围盒的面积，经归一化处理；为包围盒的宽，为包围盒的长； 为所有轮廓点到包围盒4条直线最短距离的和，经归一化处理，J为轮廓点的数量； 为轮廓点i到4条直线距离中的最小值； ， 分别为权重； 为L2初始斜率，为搜索步长；

步骤六，根据步骤五得到的最优包围盒，计算车辆的几何特征，输出检测结果。

2.根据权利要求1所述的一种基于路侧激光雷达的动态车辆实时检测方法，其特征在于，在步骤一中，通过激光雷达获取道路实时情况的三维点云数据，激光雷达系统设备布置在机动车道路外侧，相距L m，其中激光雷达的朝向与车辆行驶方向相反，激光雷达的中线与车道线平行或朝向车道。

3.根据权利要求1所述的一种基于路侧激光雷达的动态车辆实时检测方法，其特征在于，在步骤二中，所述静止点滤波的方法是将相隔固定帧的点云数据 减去当前获取的点云数据 ；所述离群点滤波采用基于连续搜索的半径滤波，半径滤波的阈值具有自适应特点，其计算公式为：；

式中， 为矩阵中第 行、列的点的半径阈值和径向距离， 为距离解析式最小分辨率；E为点云稀疏性变化的修正系数，基于车辆的径向距离采用相对体积分数指标进行实验测试，根据期望值设置该修正系数。

4.根据权利要求1所述的一种基于路侧激光雷达的动态车辆实时检测方法，其特征在于，在步骤五中，所述混合噪点的过滤是通过创建线缓冲区，将组成最优包围盒的4条直线向包围盒内部逐渐逼近，在不断变换的线缓冲区内判断是否含有混合噪点。

5.根据权利要求1所述的一种基于路侧激光雷达的动态车辆实时检测方法，其特征在于，在步骤六中，所述几何特征是指车辆的长、宽、高、偏斜角度 ，所述输出结果是指将车辆的几何特征上传到云平台并存储显示。

6.一种基于路侧激光雷达的动态车辆实时检测装置，包括激光雷达、存储器、处理器，PC端，网络接口，所述存储器中存储有可执行代码，其特征在于，所述处理器执行所述可执行代码时，实现如权利要求1‑5中任一项所述的一种基于路侧激光雷达的动态车辆实时检测方法。

7.一种计算机可读存储介质，其上储存有程序，其特征在于，所述程序被处理器执行时，实现如权利要求1‑5中任一项所述的一种基于路侧激光雷达的动态车辆实时检测方法。