1.一种适用于大棚环境的智能施肥车路径规划方法，其特征在于，包括以下步骤：S1：小车进入目标区域，信息采集模块开始运作，激光雷达通过循环改变扫描角度和扫描平面，初步建立三维点云视图；

S2：根据设定的单次最大施肥范围对施肥对象进行分区域处理，对区域环境因素进行打分并且采用AHP层次分析计算泥泞程度的权重a1、坑洼程度的权重b1、碰撞程度的权重c1；

S3：通过深度学习算法和双目立体视觉算法，对此时所需施肥区域路面点云的泥泞程度a、坑洼程度b、碰撞程度c进行分析后，计算出每个点云的风险程度d，依据每段路面的d值判定风险区域；

S4：基于小车的整体素质预设小车路面可行驶参考阈值e，将风险区域的风险值d与行驶参考值e进行对比，筛选出可通行区域和禁止通行区域；

S5：结合区域内机器施肥的时间计算距离下一个施肥点的行驶时间，选取耗时最短路径对应的施肥点作为下一个施肥点，由此确定出施肥顺序；

S6：基于PRM算法以及A*算法计算出最优路径，再利用曲线拟合，对最优路径进行平滑处理；

S7：小车按照平滑处理后的最优路径前进，激光雷达与双目摄像头实时更新坐标图，同时循环执行上述步骤，直至完成作业。

2.根据权利要求1所述的一种适用于大棚环境的智能施肥车路径规划方法，其特征在于：所述S1中的三维点云视图是以激光雷达为原点的点云并对点云进行分割、滤波、补全。

3.根据权利要求1所述的一种适用于大棚环境的智能施肥车路径规划方法，其特征在于：所述S2中通过可与小车相互通信且内含专家评价系统的独立设备进行打分。

4.根据权利要求1所述的一种适用于大棚环境的智能施肥车路径规划方法，其特征在于：所述S3中的计算公式为d＝a*a1+b*b1+b*b1。

5.根据权利要求1所述的一种适用于大棚环境的智能施肥车路径规划方法，其特征在于：所述S4中的小车整体素质包括小车机械结构、整机质量、制动性能和动力性能。

6.根据权利要求1所述的一种适用于大棚环境的智能施肥车路径规划方法，其特征在于：所述S6中的最优路径获取方法如下：第一步：运用PRM算法构建出路径网络图；

第二步：根据风险程度和小车自身行驶能力计算出每条路径所需的时间；

第三步：结合施肥顺序，运用A*算法计算出最优路径。

7.根据权利要求1所述的一种适用于大棚环境的智能施肥车路径规划方法，其特征在于：当行驶区域出现突发障碍导致小车紧急避障而偏离作业路径时，系统将采用A*算法计算回归到原最优规划的最短路径，若小车反复陷入障碍群中无法回归到最优路径，则车辆停止并发出警报，提示人工复位。