1.基于双向扩展随机树的智能车路径规划方法，其特征在于，包括：

S1、采用Reeds-Shepp曲线连接智能车的起始点和目标点；

S2、当生成的曲线上存在障碍物时，从起始点向目标点构建扩展树tree1，从目标点向起始点构建扩展树tree2；

S3、在包含智能车起始点和目标点的地图上生成随机点qrand1/qrand2，并查找扩展树tree1/tree2距离随机点qrand1/qrand2最近的节点qnearrest1/qnearrest2；

S4、判断随机点qrand1/qrand2与节点qnearrest1/qnearrest2的连线上是否有障碍物；若有，则返回步骤S3，否则进入步骤S5；

S5、在随机点qrand1/qrand2与节点qnearrest1/qnearrest2的连线上取位于一个扩展步长长度处的节点qnew1/qnew2；

S6、判断节点qnearrest1/qnearrest2与节点qnew1/qnew2的连线上是否有障碍物；若有，则返回步骤S3，否则，进入步骤S7；

S7、选取以节点qnew1/qnew2所在区域内使得规划路径与障碍物之间的距离大于安全距离的节点更新节点qnew1/qnew2；

S8、根据智能车辆最大转向约束及节点qnew1/qnew2，选取节点qnew1/qnew2的父节点和子节点；

S9、判断扩展树tree1和扩展树tree2之间的距离是否小于设定阈值，若大于，则返回步骤S3，否则，进入步骤S10；

S10、根据扩展树tree1和扩展树tree2相遇的节点qa和qb，反向选取节点qa和qb分别到起始点和目标点的路径构成智能车规划路径。

2.根据权利要求1所述的基于双向扩展随机树的智能车路径规划方法，其特征在于，在包含智能车起始点和目标点的地图上生成随机点qrand1/qrand2进一步包括：S31、采用随机函数生成一个采样概率，并判断采样概率是否大于目标偏向概率，若大于，则进入步骤S32，否则，进入步骤S33；

S32、采用目标点/起始点作为扩展树tree1/扩展树tree2的随机点qrand1/随机点qrand2；

S33、在扩展树tree1/扩展树tree2中寻找与目标点/起始点最近的节点qnr1/节点qnr2，以节点qnr1/节点qnr2为中心，以扩展步长为边长的方形区域，并判断方形区域内是否有障碍物；

S34、若没有障碍物，则采用节点qnr1/节点qnr2建立滑动窗口，并在滑动窗口中生成qrand1/随机点qrand2；

S35、若有障碍物，则返回步骤S31。

3.根据权利要求1所述的基于双向扩展随机树的智能车路径规划方法，其特征在于，选取以节点qnew1/qnew2所在区域内使得规划路径与障碍物之间的距离大于安全距离的节点更新节点qnew1/qnew2进一步包括：S71、形成一块以节点qnew1/qnew2为中心，扩展步长为1/2边长的方形区域A1/A2，并同时初始化规划路径与障碍物之间的最小距离dmin为无穷大；

S72、选取方形区域A1/A2中未选取过的节点poses1/poses2，并判断节点poses1/poses2是否为障碍物；若是，执行步骤S72，否则进入步骤S73；

S73、以方形区域A1/A2中的每个节点poses1/poses2为中心，以扩展步长为边长，形成区域B1/B2；

S74、选取区域B1/B2中未选取过的节点poses11/poses21，并判断节点poses11/poses21是否为障碍物；若是，返回步骤S72，否则进入步骤S75；

S75、计算节点poses11/poses21到目标点的距离d，并判断距离d是否小于最小距离dmin；若是，进入步骤S76，否则返回步骤S72；

S76、采用距离d更新最小距离dmin，采用距离d对应的节点poses1/poses2更新节点qnew1/qnew2；

S77、判断方形区域A1/A2，是否存在未选取过得节点；若有，则执行S72；否则，输出节点qnew1/qnew2。

4.根据权利要求1所述的基于双向扩展随机树的智能车路径规划方法，其特征在于，根据智能车辆最大转向约束及节点qnew1/qnew2，选取节点qnew1/qnew2的父节点进一步包括：S811、选取以节点qnew1/qnew2为中心，预设半径R为半径所覆盖区域内的所有节点为待选父节点qparent1/qparent2；

S812、选取未选取的待选父节点qparent1/qparent2，计算待选父节点qparent1/qparent2、待选父节点qparent1/qparent2的父节点和节点qnew1/qnew2所形成角度S813、判断角度 是否小于车辆最大转角 若是，更新角度 对应待选父节点qparent1/qparent2的代价值为∞，并进入步骤S812；否则，进入步骤S814；

S814、计算角度 对应的待选父节点qparent1/qparent2的代价值：Cparent＝A*ed1

其中，Cparent为选取待选父节点的代价值；A为常数；d1为树根到qnew1/qnew2的距离，e为自然对数；

S815、判断所有的待选父节点qparent1/qparent2是否存在未被选取的待选父节点qparent1/qparent2；若存在，则返回步骤S812，否则进入步骤S816；

S816、选取代价值最小、且其所在区域内无障碍物的待选父节点qparent1/qparent2作为节点qnew1/qnew2的父节点。

5.根据权利要求4所述的基于双向扩展随机树的智能车路径规划方法，其特征在于，根据智能车辆最大转向约束及节点qnew1/qnew2，选取节点qnew1/qnew2的子节点进一步包括：S821、选取以节点qnew1/qnew2为中心，预设半径R为半径所覆盖区域内的所有节点为待选子节点qchlid1/qchlid2；

S822、选取未选取的待选子节点qchlid1/qchlid2，计算节点qnew1/qnew2、待选父节点qnew1/qnew2的父节点和待选子节点qchlid1/qchlid2所形成角度S823、判断角度 是否小于车辆最大转角 若是，更新角度 对应待选子节点qchlid1/qchlid2的代价值为∞，并进入步骤S822；否则，进入步骤S824；

S824、计算角度 对应的待选子节点qchlid1/qchlid2的代价值：Cchild＝B*ed2

其中，Cchild为待选子节点的代价值；B为常数；d2为树根到待选子节点qchlid1/qchlid2的距离，e为自然对数；

S825、判断所有的待选子节点qchlid1/qchlid2是否存在未被选取的待选子节点qchlid1/qchlid2；若存在，则返回步骤S822，否则进入步骤S826；

S826、选取代价值最小、且其所在区域内无障碍物的待选子节点qchlid1/qchlid2作为节点qnew1/qnew2的子节点。

6.根据权利要求1所述的基于双向扩展随机树的智能车路径规划方法，其特征在于，还包括对所述智能车规划路径进行优化处理：A1、在智能车规划路径上取出两个未同时选取过的路径点，并计算两个路径点间的距离d1；

A2、判断离d1是否大于扩展步长，若是，则进入步骤A3；否则，返回步骤A1；

A3、在两个路径点的连线上，取距离起点以扩展步长为长度的点作为路径点posenew；

A4、选取以路径点posenew所在区域内使得规划路径与障碍物之间的距离大于安全距离的节点更新路径点posenew，之后返回步骤A1。

7.根据权利要求1-6任一所述的基于双向扩展随机树的智能车路径规划方法，其特征在于，还包括采用贝塞尔曲线对智能车路径进行拟合以得到智能车最终的规划路径。

8.根据权利要求1-6任一所述的基于双向扩展随机树的智能车路径规划方法，其特征在于，障碍物判断时，采用地图上像素点的灰度值进行确定。