1.一种基于无人机视觉和毫米波雷达的交通检测方法，其特征在于，所述方法用于目标路段的交通信息检测，所述目标路段包括连续的第一目标路段以及第二目标路段，所述方法包括：利用毫米波雷达检测历史时段内第一目标路段的目标车辆数量以及每辆目标车辆的速度，计算每一时刻第一目标路段的车流密度以及车流速，根据每一时刻第一目标路段的车流密度和车流速，结合二阶傅里叶函数，拟合得到标准车流密度与标准车流速的关系曲线；

根据下述公式，对历史时段内每一时刻的车流密度以及车流速进行拟合，得到标准车流密度与标准车流速关系曲线：V＝a0+a1*cos(ρ*w)+b1*sin(ρ*w)+a2*cos(2*ρ*w)+b2*sin(2*ρ*w)其中，ρ表示第一目标路段的车流密度，V表示第一目标路段的车流速，a0、a1、b1、a2、b2、w为二阶傅里叶函数的参数，由历史时段内每一时刻的车流密度以及车流速拟合得到；

分别利用毫米波雷达和无人机采集当前时刻第一目标路段的目标车辆信息，判断两者是否匹配；

若匹配，则利用毫米波雷达采集的当前时刻的目标车辆信息得到第一目标路段的车流密度以及车流速；并利用无人机采集的当前时刻第二目标路段的目标车辆信息，结合所述关系曲线，计算得到第二目标路段的车流密度以及车流速。

2.根据权利要求1所述的方法，其特征在于，所述计算每一时刻第一目标路段的车流密度以及车流速，包括：根据下述公式，计算每一时刻第一目标路段的车流密度以及车流速：

其中，n表示第一目标路段的目标车辆数量，L表示第一目标路段的长度；V1…Vn分别表示第一个目标车辆至第n个目标车辆的速度。

3.根据权利要求1所述的方法，其特征在于，所述目标车辆信息包括车型、颜色以及目标车辆的位置，所述判断两者是否匹配，包括：若判断无人机与毫米波雷达采集的当前时刻第一目标路段的目标车辆中的至少一辆目标车辆车型、颜色以及位置相同；则无人机与毫米波雷达采集的当前时刻第一目标路段的目标车辆信息匹配成功。

4.根据权利要求1所述的方法，其特征在于，所述计算得到第二目标路段的车流密度以及车流速，包括：基于无人机采集的当前时刻第二目标路段的每辆目标车辆的位置以及速度，计算得到第二目标路段的车流密度以及初始车流速；

基于所述车流密度，结合所述标准车流密度与标准车流速的关系曲线，得到第二目标路段的优化车流速；

基于第二目标路段的所述初始车流速以及所述优化车流速，得到第二目标路段的车流速。

5.根据权利要求4所述的方法，其特征在于，所述基于第二目标路段的所述初始车流速以及所述优化车流速，得到第二目标路段的车流速，包括：计算所述初始车流速以及所述优化车流速的平均值，所述平均值为第二目标路段的车流速。

6.根据权利要求1所述的方法，其特征在于，当所述第二目标路段的长度大于第一目标路段的长度时，将所述第二目标路段划分为多个子目标路段，所述计算得到第二目标路段的车流密度以及车流速，包括：基于无人机采集的当前时刻第二目标路段的每辆目标车辆的位置以及速度，计算得到每个子目标路段的车流密度以及初始车流速；

基于每个子目标路段的车流密度，结合所述标准车流密度与标准车流速的关系曲线，得到每个子目标路段的优化车流速；

基于每个子目标路段的所述初始车流速以及所述优化车流速，得到每个子目标路段的车流速。

7.根据权利要求6所述的方法，其特征在于，计算得到每个子目标路段的车流密度以及初始车流速，包括：基于无人机采集的当前时刻第二目标路段的每辆目标车辆的位置以及速度，分别得到各个子目标路段的目标车辆的数量以及每个目标车辆的速度；

基于各个子目标路段的目标车辆的数量以及每个目标车辆的速度，计算得到每个子目标路段的车流密度以及初始车流速。

8.一种基于无人机视觉和毫米波雷达的交通检测装置，其特征在于，所述装置用于目标路段的交通信息检测，所述目标路段包括连续的第一目标路段以及第二目标路段，所述装置包括：标准车流密度与标准车流速关系曲线生成模块，用于根据毫米波雷达检测的历史时段内第一目标路段的目标车辆数量以及每辆目标车辆的速度，得到标准车流密度与标准车流速的关系曲线：V＝a0+a1*cos(ρ*w)+b1*sin(ρ*w)+a2*cos(2*ρ*w)+b2*sin(2*ρ*w)其中，ρ表示第一目标路段的车流密度，V表示第一目标路段的车流速，a0、a1、b1、a2、b2、w为二阶傅里叶函数的参数，由历史时段内每一时刻的车流密度以及车流速拟合得到；

匹配模块，用于分别利用毫米波雷达和无人机采集当前时刻第一目标路段的目标车辆信息，判断两者是否匹配；

交通信息生成模块，用于若匹配，则利用毫米波雷达采集的当前时刻的目标车辆信息得到第一目标路段的车流密度以及车流速；并利用无人机采集的当前时刻第二目标路段的目标车辆信息，结合所述关系曲线，计算得到第二目标路段的车流密度以及车流速。