1.一种无人驾驶车辆自动紧急避障控制方法，其特征在于，包括以下步骤：系统首先判断自车是否可以通过自动制动避免前车碰撞，若判断自动制动可以避免碰撞,同时后车与自车无追尾危险,采用自动制动；若判断自动制动无法与前车避免碰撞,通过对自车和障碍物车辆进行圆形聚类,利用共识行为迁移算法，计算基于规划安全避障轨迹点的适应度函数，进行自动紧急转向避障；

具体步骤包括：

步骤一，采集毫米波雷达、两目相机和车载传感器的实时数据，获取自车与前车纵向距离、前车速度、自车与相邻车道目标车的横向距离、自车与目标车辆的纵向距离以及前车的几何尺寸信息；

步骤二，通过自车车速和两车相对速度计算纵向临界车头时距𝐿 0，对比自车与前车期望的车头时距和实际车头时距，判断自动制动功能是否避障；

步骤三，基于纵向临界车头时距计算紧急避障所需安全时距TTC，引入前方碰撞预警系数FCW，确认场景为紧急状况，系统采取自动紧急避障策略；

步骤四，基于圆形聚类共识行为迁移方法，初始化汽车避障轨迹点，通过交叉行为干扰自车原始轨迹点进行迭代，创建一组新的移动轨迹点；

步骤五，采用约束函数将自车移动步长引入一个可行区域的距离度量，计算适应度函数并对生成的新轨迹点进行评估，选择适应度值最低的轨迹点作为自车将要移动的新位置；

所述步骤三包括：

基于紧急避障所需安全时距TTC的基础上引入前方碰撞预警系数FCW，作为采取避障措施判别的前提性条件，FCW>0.3，场景为紧急状况，激活CBMA算法避障；

所述步骤四包括：

围绕自车的实际位置初始化，其中包含x轴和y轴上的两个参数，定义CBMA参数及其边界，为当前轨迹点迭代选择一个引导点；

为保证轨迹点的多样性，CBMA定义一个轨迹点干扰向量PRT，这个参数决定了初始化轨迹点是否会直接向下一个引导点移动；将[0.1]产生的随机数与定义的PRT向量进行比较，每个轨迹点的参数必须从给定的范围[lo,hi]中随机选择；

(hi) (lo)

Initial P=Xact+rand[0,1]×(x −x )

其中，P是轨迹点初始位置，Xact是自车的实际位置，rand[0,1]是0~1之间的随机数，x(hi) (lo)、x 是最大位置范围；

在CBMA中，参考智能生物的交叉行为模拟，通过交叉行为获取新的移动轨迹点；通过代价函数对每个生成的轨迹点进行评估，计算基于换道目标位置引力和周围车辆斥力的原理的适应度函数，为当前迭代选择适应度最低的一个引导点作为自车将要移动的位置，直至到达目标点；

所述步骤五包括：

CBMA的显著特征是在每次交叉时改变PRT向量，使自车的实际位置到新引导点的距离必须小于自车移动步长；采用软约束方法对移动步长约束函数进行处理，将自车移动轨迹引入到一个可行区域；

计算适应度函数评估生成的避障轨迹点，适应度函数由目标产生的吸引元素和前车和邻车道车辆产生的排斥元素两部分组成，选择适应度最低的轨迹点作为自车要移动的新位置，进而通过障碍物间隙，到达目标位置；

具体为：第一步，交叉，PRT向量是轨迹点在搜索空间中执行交叉运动前进行的，每次跳跃时都改变PRT向量；轨迹点的轨迹不再是直线，而是阶梯状；PRT向量值为：其中，PRT代表干扰运动；

CBMA算法的显著特征是在交叉之前改变PRT向量，使原始轨迹点向引导点移动，CBMA算法的交叉过程是在搜索空间中干扰移动原始轨迹点，从而创建一组新的移动轨迹点，新的移动位置为：其中， 是迭代的新移动位置， 是迭代中的初始轨迹点位置， 是迭代中的引导点位置，k是质变步长；

第二步，约束函数，原始轨迹点到新引导点的距离必须小于自车移动步长，采用软约束方法对移动步长约束函数进行处理，将自车移动轨迹点引入到一个可行区域，表述如下:其中，β是用于对约束函数值进行适当的缩放，σ是修改优化平面的形状，a是常数，当a的值设置得足够高时，不会影响轨迹点搜索过程；

第三步，CBMA算法与成本功能评估，在单个轨迹点迭代期间成本函数评估的数量：其中，WPL是初始化轨迹点与引导点之间的距离，Sd是轨迹点分布的间隔距离；

每次迭代都将有一个引导点，因此共有(total−1)个点在迭代中运行，在每一个迭代中，针对其代价函数的优劣进行评估：其中，total−1是轨迹点样本，不包括引导点；

进一步地，所有迁移过程中给出的代价函数的总数是

其中，remove表示轨迹点的迭代次数，指的是轨迹点在平面中移动，寻找最佳解决方案；如果引导点和最差轨迹点之间的差值不低于最大允许差异MinDiv，并且达到最大迁移数，即在搜索过程中定位到最佳解决轨迹；

第四步，适应度函数，计算适应度函数进而评估生成的避障轨迹点，适应度函数由目标产生的吸引元素和周围障碍物车辆产生的排斥元素两部分组成，选择适应度低的轨迹点作为自车要移动的新位置，进而通过障碍物间隙，到达目标位置；

CBMA算法考虑了两个指标是：适应度函数的构建和向目标点移动和避开障碍物；向目标移动需要两个力：目标吸引力Tattract和障碍物排斥力Orepul；引力和斥力经调整后有适当的权重；适应度函数由两部分组成:一个是由目标产生的吸引元素，一个是由障碍物产生的排斥元素；目标吸力取决于自车到目标的距离，障碍物的排斥元素有三个：自车到障碍物的距离、障碍物尺寸、障碍物影响系数C，C决定自车通过两个障碍物之间的间隙；当自车被困在局部最小的障碍物之间，影响系数C将被改变，在力的两个分量之间产生一种相对平衡其中，Tattract、Orepul分别表示目标引力和障碍物斥力的平衡系数，𝑓 value表示适应度值，dtarget是自车到目标点的距离，𝑛 表示障碍物数量，c表示障碍物的影响系数，𝑟 obs表示障碍物半径，自车到障碍物的距离。

2.一种实施权利要求1所述无人驾驶车辆自动紧急避障控制方法的系统，其特征在于，包括：环感单元、决策单元和控制单元；

环感单元，通过两个毫米波雷达、一架两目像机和自车传感器获取自车及周围车辆信息，包括前车、相邻车道前车、相邻车道后车的行驶速度、加速度、距离以及前车的几何尺寸信息；

决策单元，根据环感单元上传数据判断自车纵向制动无法避障，做出避障决策；

控制单元，根据决策单元分析和环感单元上传的数据控制执行器做出制动/转向动作，以实现对前车的避障；所述控制单元包括线控制动和线控转向系统，根据共识行为迁移算法作出的避障决策自动制动或按照规划的路径控制自车自动转向；

所述控制单元涉及到的控制设备包括中央处理器和存储器，所述的存储器有高精度地图以及计算机程序，所述计算机程序可以执行权利要求1所述无人驾驶车辆自动紧急避障控制方法。

3.如权利要求2所述的实施无人驾驶车辆自动紧急避障控制方法的系统，其特征在于，所述两个毫米波雷达为远距毫米波雷达，测距范围为0‑300m，方位角±10°，俯仰角13°，安装在汽车尾鳍部和前保险杠车标处；所述两目像机通过利用像素宽度、焦距可记录紧急情况发生前后一段时间内的自车速度、加速度、制动操作、转向操作、GPS和车辆前方的图像等信息，安装在车前风窗玻璃内侧中央后视镜附近；

所述自车传感器包括汽车车速传感器、汽车方向盘转角传感器和横摆角传感器。