1.一种车辆的多激光雷达标定方法，其特征在于，包括：获取第一激光雷达采集的各时刻的第一三维点云和第二激光雷达采集的各时刻的第二三维点云；

根据当前时刻与前一时刻的第一三维点云或所述第二三维点云的变化关系判断车辆在当前时刻是否处于静止状态；

若是，将当前时刻的第一三维点云和第二三维点云组成数据对；

基于所述数据对得到标定数据对，所述标定数据对包括基于所述数据对中的第一三维点云得到的第一标定三维点云和基于所述数据对中的第二三维点云得到的第二标定三维点云；

基于所述标定数据对中的第一标定三维点云和第二标定三维点云的全局形状特征，对所述第一标定三维点云和第二标定三维点云进行配准，得到所述第一激光雷达与所述第二激光雷达间的标定参数；

所述基于所述数据对得到标定数据对包括：将所述数据对保存到预先建立的队列容器中；

判断所述队列容器中数据对的数量是否大于第三预设阈值；

若是，获取所述队列容器中的位于队列中心的预设数量个数据对作为选定数据对，所述预设数量小于所述第三预设阈值；

对所述预设数量个选定数据对中的第一三维点云和第二三维点云分别进行均值滤波，得到一个第一标定三维点云和一个第二标定三维点云；

将所述第一标定三维点云和所述第二标定三维点云组成一个标定数据对。

2.根据权利要求1所述的车辆的多激光雷达标定方法，其特征在于，根据当前时刻与前一时刻的第一三维点云或第二三维点云的变化关系判断车辆在当前时刻是否处于静止状态，包括：

对当前时刻的第二三维点云进行点云分割得到第二三维点云中的非地面点云；

计算前一时刻的第二三维点云中的各点与当前时刻的所述非地面点云中的各非地面点的距离，根据计算的距离得到前一时刻的第二三维点云中与各所述非地面点距离最近的各点作为判断点；

计算各所述非地面点和对应的各所述判断点的范数值；

比较各所述范数值和第一预设阈值的大小，统计小于所述第一预设阈值的范数值的个数；

计算所述小于所述第一预设阈值的范数值的个数与所述非地面点云包含的点的数量的比值；

比较所述比值是否大于第二预设阈值，若所述比值大于所述第二预设阈值，判断车辆处于静止状态；

若所述比值小于或等于所述第二预设阈值，判断车辆处于非静止状态。

3.根据权利要求1所述的车辆的多激光雷达标定方法，其特征在于，若判断出所述队列容器中数据对的数量小于等于所述第三预设阈值；

清空所述队列容器中的数据对。

4.根据权利要求3所述的车辆的多激光雷达标定方法，其特征在于，在所述队列容器中数据对的数量小于等于所述第三预设阈值的情况下，判断所述队列容器中数据对的数量是否大于第四预设阈值，所述第四预设阈值小于所述第三预设阈值；

若是，所述车辆处于短时停车的状态；

在所述队列容器中数据对的数量大于所述第三预设阈值的情况下，所述车辆处于长时停车的状态。

5.根据权利要求1所述的车辆的多激光雷达标定方法，其特征在于，所述对所述预设数量个选定数据对中的第一三维点云和第二三维点云分别进行均值滤波，得到一个第一标定三维点云和一个第二标定三维点云，包括：以获取的选定数据对中位于队列中间的数据对为基准数据对，计算所述基准数据对的第一三维点云中的各点和其他各选定数据对的第一三维点云中的各点的距离，以及所述基准数据对的第二三维点云中的各点和其他各选定数据对的第二三维点云中的各点的距离，根据计算的距离得到其他各选定数据对的第一三维点云中距离所述基准数据对的第一三维点云中的各点最近的各点作为第一均值点，以及其他各选定数据对的第二三维点云中距离所述基准数据对的第二三维点云中的各点最近的各点作为第二均值点；

分别计算所述基准数据对的第一三维点云中的各点和其他各所述选定数据对的第一均值点的范数值，以及所述基准数据对的第二三维点云中的各点和其他各所述选定数据对的第二均值点的范数值；

比较各所述范数值和第五预设阈值的大小；

从所述基准数据对的第一三维点云中筛选出与对应的第一均值点的范数值均小于第五预设阈值的点，并从所述基准数据对的第二三维点云中筛选出与对应的第二均值点的范数值均小于第五预设阈值的点；

计算筛选出的所述基准数据对的第一三维点云的各点和其他两个所述选定数据对中对应的第一均值点之间的第一平均重心，得到第一平均重心的集合，将所述第一平均重心的集合作为所述标定数据对的第一标定三维点云；

计算筛选出的所述基准数据对的第二三维点云的各点和其他两个所述选定数据对中对应的第二均值点之间的第二平均重心，得到第二平均重心的集合，将所述第二平均重心的集合作为所述标定数据对的第二标定三维点云。

6.根据权利要求1所述的车辆的多激光雷达标定方法，其特征在于，所述基于所述标定数据对中的第一标定三维点云和第二标定三维点云的全局形状特征，对所述第一标定三维点云和第二标定三维点云进行配准，得到所述第一激光雷达与所述第二激光雷达间的标定参数，包括：

将所述标定数据对中的第一标定三维点云和第二标定三维点云转换为设定的配准坐标系下的第一配准三维点云和第二配准三维点云；

将所述配准坐标系的XOY平面中的原点周围设定的最大距离以内的圆形区域沿圆周方向均匀分割为第一数量的扇形，并沿半径方向等距地将各所述扇形分割为第二数量的扇区；

计算所述第一配准三维点云和所述第二配准三维点云中的每一个点与所述配准坐标系的原点的距离；

从所述第一配准三维点云和所述第二配准三维点云的点中筛选出与所述配准坐标系的原点的距离小于最大距离的点；

依据各筛选出的点的X坐标和Y坐标得到各筛选出的点与所述配准坐标系的x轴正方向的夹角；

根据所述最大距离、所述夹角、所述第一数量、所述第二数量以及各筛选出的点与所在配准坐标系原点的距离，得到各筛选的点的离散二维坐标；

建立第一初始化矩阵和第二初始化矩阵，所述第一初始化矩阵和第二初始化矩阵的行数为所述第二数量，列数为所述第一数量；

基于所述第一配准三维点云中筛选的点的离散二维坐标更新所述第一初始化矩阵，得到所述第一配准三维点云的第一全局形状特征；

基于所述第二配准三维点云中筛选的点的离散二维坐标更新所述第二初始化矩阵，得到所述第二配准三维点云的第二全局形状特征；

对所述第一全局形状特征和所述第二全局形状特征进行循环匹配，根据罗德里格斯公式得到所述第一标定三维点云和所述第二标定三维点云间的配准位姿矩阵；

将所述配准位姿矩阵作为初始值，通过精配准算法对所述第一标定三维点云和所述第二标定三维点云进行精配准，以对所述配准位姿矩阵进行优化，将优化后的所述配准位姿矩阵作为标定参数。

7.根据权利要求1所述的车辆的多激光雷达标定方法，其特征在于，在得到所述第一激光雷达与所述第二激光雷达间的标定参数后，还包括：评价所述标定参数的准确度。

8.根据权利要求7所述的车辆的多激光雷达标定方法，其特征在于，所述评价所述标定参数的准确度包括：

以任一时刻采集的第一三维点云和第二三维点云中的任一者作为源点云，另一者作为目标点云；

根据所述标定参数将所述源点云转换为转换后点云；

从所述目标点云中查找距离所述转换后点云中的各点最近的各点作为目标点；

计算所述转换后点云中各点与对应的所述目标点的范数值；

比较各范数值与第六预设阈值的大小；

统计小于所述第六预设阈值的范数值的个数，并计算各小于所述第六预设阈值的范数值的和；

根据所述源点云中点的个数、所述小于所述第六预设阈值的范数值的个数和所述范数值的和，评价所述标定参数的准确度。

9.根据权利要求8所述的车辆的多激光雷达标定方法，其特征在于，所述根据所述源点云中点的个数、所述小于所述第六预设阈值的范数值的个数和所述范数值的和，评价所述标定参数的准确度包括：

计算所述源点云中点的个数与预设系数的乘积，所述预设系数的大小为0至1之间的任意数；

计算所述乘积与所述范数值的和作为标定距离；

计算所述标定距离和所述小于所述第六预设阈值的范数值的个数的比值得到标定参数的评价指标值；

比较各所述标定参数的评价指标值的大小，选取评价指标值最小的标定参数作为准确度最高的标定参数。