1.一种基于目标先验的道床裂缝检测方法，其特征在于：包含以下步骤：
2.如权利要求1所述的一种基于目标先验的道床裂缝检测方法，其特征在于：所述视觉测量设备为线阵摄像机，用于获取轨道灰度图像；所述不易出现道床裂缝的区域，包含但不限于钢轨、扣件、轨枕、线缆、水沟、信号设备、减振筒和水沟盖板。
3.如权利要求1所述的一种基于目标先验的道床裂缝检测方法，其特征在于：所述图像梯度增强方法是：
4.如权利要求3所述的一种基于目标先验的道床裂缝检测方法，其特征在于：在梯度增强图像上进行疑似裂缝区域检测的方法是：采用不同尺度的线滤波器检测不同粗细的裂缝，得到疑似裂缝区域r1；采用阈值分割方法找出强梯度区域r2；合并r1和r2得到r3,对r3进行骨架提取，得到r4、作为疑似裂缝区域。
5.如权利要求4所述的一种基于目标先验的道床裂缝检测方法，其特征在于：疑似裂缝区域稠密采样图像块获取方法是：
6.如权利要求1所述的一种基于目标先验的道床裂缝检测方法，其特征在于：所述用于统计裂缝数量、长度和最大宽度参数的方法是：将裂缝区域连接，采用blob分析方法，计算裂缝数量；度量每一个裂缝的起点到终点的曼哈顿距离作为裂缝长度；从裂缝起点到终点进行遍历，取与局部主方向垂直方向上的最大宽度作为裂缝最大宽度。
7.如权利要求1所述的一种基于目标先验的道床裂缝检测方法，其特征在于：所述目标检测方法包含基于hog+svm的目标检测或基于深度学习的目标检测方法，其中，基于深度学习的目标检测方法的模型包含：fasterrcnn深度学习目标检测网络模型或yolov5目标检测网络模型；
8.如权利要求1或7所述的一种基于目标先验的道床裂缝检测方法，其特征在于：所述视觉测量设备为3d相机，用于获取像素级对齐的轨道表面灰度图像和深度图像。
9.如权利要求3或4或8所述的一种基于目标先验的道床裂缝检测方法，其特征在于：在灰度图像和/或深度图像上进行不易出现道床裂缝的区域检测；在灰度图像上采用梯度增强、线滤波器滤波和阈值分割方法进行疑似裂缝区域检测，在深度图像上采用图像差分、blob分析方法进行疑似裂缝区域检测，将两种图像检测的疑似裂缝区域合并作为最终的疑似裂缝区域。
10.如权利要求5或7或9所述的一种基于目标先验的道床裂缝检测方法，其特征在于：同时在灰度图像、深度图像上进行疑似裂缝区域稠密采样，并对两种图像的稠密采样图像块进行图像分类，用于判定疑似裂缝区域是否为真实病害。