1.一种实时感知信息与自动驾驶地图的融合方法，其特征在于包括以下步骤：
1）进行地图匹配定位，给出自车在地图坐标系中的位置，并明确自车坐标系与地图坐标系间的关系；
2）确定障碍物与地图中道路的关系；
实时感知到的障碍物信息，根据与道路的关系分为三类：道路内目标、道路外目标和道路边界目标；其中，道路内目标，应确认其所位于的车道；根据地图匹配定位时给出的自车坐标系与地图坐标系的关系，将障碍物信息与地图信息进行比对，得到障碍物与道路关系；
障碍物与地图中道路的关系分为两种情况：
2.1）三维传感器检测到的障碍物：这类传感器能直接检测得到障碍物在自车坐标系内的运动状态，利用自车坐标系与地图坐标系之间的关系，将障碍物位置转移到地图上，从而与地图进行比对；
2.2）单目视觉传感器在图像平面内检测到的障碍物：这种传感器得到的是地图坐标系在图像坐标系上的平面投影，通过标定矩阵，将地图中的道路边界和车道线投影到图像中，再与图像中的障碍物进行对比，判断障碍物与道路关系，并得到障碍物所在的车道；
3）可行驶区域融合与边界状态分析；
4）将步骤2）、步骤3）与地图本身的静态环境信息相结合，实现感知结果的集成输出。
2.如权利要求1所述融合方法，其特征在于：所述步骤2）中，利用地图匹配定位结果，将实时感知到的障碍物转到地图坐标系中，以障碍物为目标，根据道路边界对目标进行筛选，对道路边界内部的目标，判断其位于哪个车道，并明确其与该车道的关系，得到融合地图信息后的动静态目标。
3.如权利要求1所述融合方法，其特征在于：所述障碍物与道路的关系按下式计算：
式中，
4.如权利要求3所述融合方法，其特征在于：若未观测到障碍物形状，则按照其位置，计算到车道线的距离；若观测到障碍物形状，则针对包围盒各顶点计算到车道线距离，若符号全部相同，则取数值上最小者；若符号不完全相同，则取为0，如下式所示：
式中，d为点到直线距离函数，l为车道线，p为障碍物位置，vi为障碍物顶点，i的取值范围为1至n的整数，n为障碍物顶点数。
5.如权利要求4所述融合方法，其特征在于：对道路内目标判断其所位于的车道时，逐一检查各车道，以给定车道的左右边界代替公式（1）中的道路左右边界，即可判断目标是否位于该车道，直至找到某条车道，使该目标位于此车道边界内或边界上；
对于道路内目标，进一步计算出其与该车道的关系：根据障碍物朝向与车道线朝向，判断障碍物朝向相对于车道中心线朝向的偏转角；根据障碍物位置、形状与车道线，利用公式（2）计算其到左右车道线的距离。
6.如权利要求1所述融合方法，其特征在于：将地图中的道路边界和车道线投影到图像中，公式为：
式中，
7.如权利要求1至6任一项所述融合方法，其特征在于：所述步骤3）中，针对可行驶区域，将实时感知得到的可行驶区域与地图提供的可行驶区域进行融合，并根据实时感知障碍物信息，分段判断可行驶区域边界的状态，得到边界语义以及速度信息。
8.如权利要求7所述融合方法，其特征在于：通过激光雷达或视觉传感器的地面连通区域分割，实现可行驶区域的实时感知；利用地图提供的道路边界，以及停止线、实线这些交通规则不可跨越的边界，缩减可行驶区域的范围；同时，结合障碍物信息，明确可行驶区域边界的语义以及速度。
9.一种实时感知信息与自动驾驶地图的融合系统，其特征在于，包括地图匹配定位模块、关系确定模块、分析模块和输出模块；
所述地图匹配定位模块用于进行地图匹配定位，给出自车在地图坐标系中的位置，并明确自车坐标系与地图坐标系间的关系；
所述关系确定模块用于确定障碍物与地图中道路的关系；实时感知到的障碍物信息，根据与道路的关系分为三类：道路内目标、道路外目标和道路边界目标；其中，道路内目标，应确认其所位于的车道；根据地图匹配定位时给出的自车坐标系与地图坐标系的关系，将障碍物信息与地图信息进行比对，得到障碍物与道路关系；
障碍物与地图中道路的关系分为两种情况：
（1）三维传感器检测到的障碍物：这类传感器能直接检测得到障碍物在自车坐标系内的运动状态，利用自车坐标系与地图坐标系之间的关系，将障碍物位置转移到地图上，从而与地图进行比对；
（2）单目视觉传感器在图像平面内检测到的障碍物：这种传感器得到的是地图坐标系在图像坐标系上的平面投影，通过标定矩阵，将地图中的道路边界和车道线投影到图像中，再与图像中的障碍物进行对比，判断障碍物与道路关系，并得到障碍物所在的车道；
所述分析模块对可行驶区域融合与边界状态进行分析；
所述输出模块将所述关系确定模块、分析模块的结果与地图本身的静态环境信息相结合，实现感知结果的集成输出。
10.如权利要求9所述融合系统，其特征在于：所述分析模块中，针对可行驶区域，将实时感知得到的可行驶区域与地图提供的可行驶区域进行融合，并根据实时感知障碍物信息，分段判断可行驶区域边界的状态，得到边界语义以及速度信息。