1.一种自动巡航智能避障小车的控制方法，其特征在于，将智能小车放置到交通沙盘的行驶道路上，并通过智能小车的采集单元采集实时的路况数据，所述路况数据包括路况图像；然后，智能小车的自动巡航智能避障控制包括以下步骤：S1、对路况图像进行分析，识别道路上的物体的信息；所述物体的信息包括物体的种类，物体的种类包括车道线及具有高度的物体，具有高度的物体包括交通信号灯、行人和障碍物；

S2、根据S1识别出的物体的信息及预存的各物体的真实高度，估算智能小车与各具有高度的物体的距离；

S3、根据识别的物体信息，以及估算的智能小车与具有高度的物体的距离，进行行驶策略分析；若识别的物体中存在红灯状态的交通信号灯且与小车的距离小于预设的红灯距离阈值，或存在行人且与小车的距离小于预设的行人距离阈值，则转到S4，否则转到S5；

S4、执行预设的等待策略；

S5、若识别的物体中存在障碍物且与小车的距离小于预设的安全避让距离，则执行预设的避障驾驶策略；否则转到S6；

所述避障驾驶策略包括：

分析S1得到障碍物的位置信息和大小信息；

若障碍物的中心点横坐标 判断为障碍物在小车左侧，控制小车向右

转弯 角度，其中maxTurnAngle代表小车所支持的最大转

向角度，width表示障碍物在路况图像中的像素宽度；绕过障碍物后，控制小车向左转相同的角度回到原来行驶轨迹上；

若障碍物的中心点横坐标 判断为障碍物在小车右侧，控制小车向左

转弯 角度，其中maxTurnAngle代表小车所

支持的最大转向角度；绕过障碍物后，控制小车向右转相同的角度回到原来行驶轨迹上；其中，路况图像裁剪后的像素点的大小为INPUT_W×INPUT_H个，INPUT_W为路况图像裁剪后的宽，INPUT_H为路况图像裁剪后的高；

S6、执行预设的自主巡航驾驶。

2.如权利要求1所述的自动巡航智能避障小车的控制方法，其特征在于：S1包括：S11、将路况图像裁剪为INPUT_W×INPUT_H个像素点的大小，其中，INPUT_W为路况图像裁剪后的宽，INPUT_H为路况图像裁剪后的高；

S12、将裁剪后的路况图像输入预设的用于物体识别的深度学习网络，在预设的置信度阈值conf_thresh下进行信息解码并在预设的NMS阈值nms_thresh下通过非极大抑制算法得到路况图像中的物体的信息。

3.如权利要求2所述的自动巡航智能避障小车的控制方法，其特征在于：S1中，物体的信息还包括物体的位置信息和大小信息；物体的位置信息包括物体的中心点坐标；物体的大小信息包括物体在路况图像中的像素宽度和像素高度。

4.如权利要求3所述的自动巡航智能避障小车的控制方法，其特征在于：S1中，所述车道线包括左侧直线、左侧左转弯线、左侧右转弯线、右侧直线、右侧左转弯线、右侧右转弯线；按照预设大小的块状区域对车道线进行识别。

5.如权利要求4所述的自动巡航智能避障小车的控制方法，其特征在于：智能小车的采集单元包括摄像头；S2中，智能小车与具有高度的物体的距离dis的估算方法为：dis＝(trueHeight×f)/height；其中，trueHeight为预存的物体的真实高度，f为智能小车的摄像头的焦距，height为S1中检测到的物体的高度。

6.如权利要求5所述的自动巡航智能避障小车的控制方法，其特征在于：S4中，所述等待策略包括：若小车与交通信号灯的距离小于预设的红灯距离阈值traffic_thresh，且当前信号灯类别为红灯时，则小车停车等待，待信号灯转为绿灯后恢复之前的行驶状态；

若小车与行人的距离小于预设的行人距离阈值ped_thresh，则小车停车等待，待行人通过后恢复之前的行驶状态。

7.如权利要求6所述的自动巡航智能避障小车的控制方法，其特征在于：S6中，所述自主巡航驾驶策略包括：S6.1将S1识别到的车道线信息其划分为下列车道线集合：左侧直线：Lls{l1,l2,…,lN1}、左侧左转弯线：Lll{l1,l2,…,lN2}、左侧右转弯线Llr{l1,l2,…,lN3}、右侧直线Lrs{{l1,l2,…,lN4}}、右侧左转弯线Lrl{l1,l2,…,lN5}、右侧右转弯线Lrr{l1,l2,…,lN6}；其中，各集合中的元素为车道线的块状区域的中心点坐标；

S6.2根据步骤S6.1中各车道线集合中块状区域元素的个数，判断当前小车处于直行、左转弯或右转弯状态，并得到当前行驶车道的中心位置的X坐标lane_centerX；

S6.3计算小车与当前行驶车道的中心位置的误差值 并根据

位置式PID得到控制舵机转向角度的输出量turnAngle(t)；使用PD进行控制：turnAngle(t)＝KPerror(t)+KD[error(t)‑error(t‑1)]；其中，KP和KD分别为比例系数和微分系数，t代表时刻；

S6.4采用动态窗口中值滤波的方式，得到小车最终需要调整的转向角度；所述动态窗口中值滤波包括：计算当前n+1个时刻的turnAngle值，取其中的中值作为本次小车需要调整的角度值，medTurnAngle＝Med[turnAngle(t),turnAngle(t‑1)，…，turnAngle(t‑n)],0

S6.5根据S6.4中计算出的小车最终需要调整的角度值，控制小车完成相应的转向动作。

8.如权利要求7所述的自动巡航智能避障小车的控制方法，其特征在于：S6.2中，得到当前行驶车道的中心位置的X坐标lane_centerX的过程包括：比较各车道线集合中的元素个数，若左侧直线集合中的元素多于左侧左转弯线集合和左侧右转弯线集合，右侧直线集合中的元素多于右侧左转弯线集合和右侧右转弯线集合，则判断为小车处于直行状态，获取左侧直线集合Lls、右侧直线集合Lrs；将Lls和Lrs分别拟合为以中心点纵坐标centerY为自变量，中心点横坐标centerX为因变量X的直线，centerXls＝kls×centerYls+bls，centerXrs＝krs×centerYrs+brs；得到此时车头位置的坐标以及当前车道行驶的中心位置X坐标若左侧左转弯线集合中的元素多于左侧直线集合和左侧右转弯线集合，右侧左转弯线集合中的元素多于右侧直线集合和右侧右转弯线集合，则判断为小车处于左转弯状态，获取左侧左转弯线集合Lll、右侧左转弯线集合Lrl；将Lll和Lrl分别拟合为以中心点纵坐标centerY2

为自变量，中心点横坐标centerX为因变量X的二次曲线，centerXll＝kll1×centerYll+kll22

×centerYll+bll，centerXrl＝krl1×centerY rl+krl2×centerYrl+brl；得到此时车头位置的坐标为 以及当前车道行驶的中心位置X坐标若左侧右转弯线集合中的元素多于左侧左转弯线集合和左侧直线集合，右侧右转弯线集合中的元素多于右侧左转弯线集合和右侧直线集合，则判断为小车处于右转弯状态，获取左侧右转弯线集合Llr、右侧右转弯线集合Lrr；将Llr和Lrr分别拟合为以中心点纵坐标centerY2

为自变量，中心点横坐标centerX为因变量X的二次曲线，centerXlr＝klr1×centerYlr+klr22

×centerYlr+blr，centerXrr＝krr1×centerY rr+krr2×centerYrr+brr；得到此时车头位置的坐标为 以及当前车道行驶的中心位置X坐标

9.如权利要求8所述的自动巡航智能避障小车的控制方法，其特征在于：S6.2中，通过最小二乘法来完成直线或二次曲线的拟合：假设当前车道线集合中含有N个块状区域的中心点坐标信息，需拟合的方程阶数为M，并满足以下方程：M M‑1

k1×centerY+k2×centerY +…+kM+1＝centerX；

其中，ki对应方程中各个次方项的系数，i∈(1,2…,M+1)；

用矩阵表示等价如下A·W＝B：

T ‑1 T

得到系数矩阵W＝(AA) AB，并得到M阶方程的M+1个系数k1，k2，…kM+1，M M‑1

最终拟合得到M阶曲线或直线的方程：centerX＝k1×centerY +k2×centerY +…+kM+1。