技术特征：
1.一种自动驾驶路径规划方法，其特征在于，包括以下步骤：确定车辆周围的障碍物位置，在障碍物周围均匀生成若干根节点xp(i)，i＝1,2,
…
，以xp(i)为根节点构建随机树ti；在障碍物斥力影响范围内，增加障碍物的斥力分量，引导随机树ti朝着无障碍物的方向扩展；分别以起点和终点为根节点，建立双向随机树ta和tb；增加终点产生的引力分量，引导随机树ta朝着终点方向生长；增加起点产生的引力分量，引导随机树tb朝着起点方向生长；随机树ta或tb在扩展过程中，若随机树ta或tb的新节点与其他随机树的节点距离小于设定的阈值，则合并两棵树，若起点与终点在同一棵树上，结束搜索，返回搜索路径，否则继续搜索。2.根据权利要求1所述自动驾驶路径规划方法，其特征在于，所述增加引力分量的具体过程如下：对双向随机树中的每个节点n都增加一个目标引力函数g(n)，此处的节点n表示由起点xinit或终点xgoal向外扩展的第n个新节点xnew，表示为：f(n)＝r(n)+g(n)其中，f(n)表示从节点n到终点xgoal的生长指导函数，r(n)表示从起点到节点n的随机生长函数；所述目标引力函数g(n)：g(n)＝ρ
·
k
p
·
(xgoal
‑
xnear)/(‖xgoal
‑
xnear‖)其中，ρ为步长，k
p
为引力场系数，xnear为距离随机点xrand最接近的节点，‖*‖表示几何距离；根据r(n)＝ρ
·
(xrand
‑
xnear)/(‖xrand
‑
xnear‖)，得：f(n)＝ρ
·
(xrand
‑
xnear)/(‖xrand
‑
xnear‖)+ρ
·
k
p
·
(xgoal
‑
xnear)/(‖xgoal
‑
xnear‖)进而得到增加引力分量后新节点xnew的生成式：xnew＝xnear+ρ
·
((xrand
‑
xnear)/(‖xrand
‑
xnear‖)+k
p
·
(xgoal
‑
xnear)/(‖xgoal
‑
xnear‖))双向随机树的各节点的生长指导函数均为f(n)，使双向随机树在引力分量的作用下在自由空间内朝目标方向搜索生长。3.根据权利要求1所述自动驾驶路径规划方法，其特征在于，所述增加斥力分量的具体过程如下：在对障碍物周围局部随机树中的每个节点n都引入一个障碍物斥力函数t(n)，此处的节点n表示由起点xinit向外扩展的第n个新节点xnew，表示为：f(n)＝r(n)+t(n)其中，f(n)表示从节点n到终点的生长指导函数，r(n)为从起点到节点n的随机生长函数，所述障碍物斥力函数t(n)：
其中，ρ为步长，k
rep
为斥力场系数，p(x)表示节点到障碍物的最短距离，p0表示障碍物对节点的影响距离，x
obstacle
表示障碍物位置，xnear为距离随机点xrand最接近的节点；根据得：其中，‖*‖表示几何距离；进而得到增加斥力分量后新节点xnew的生成式：以障碍物周围若干节点为根节点的随机树的各节点的生长指导函数均为f(n)，使多向随机树在斥力分量的作用下在自由空间内向远离障碍物的方向搜索生长。4.根据权利要求1所述自动驾驶路径规划方法，其特征在于，设定搜索循环次数，如果在循环次数内搜索树无法达到终点或目标区域，则路径搜索失败。5.一种自动驾驶路径规划系统，其特征在于，包括处理器和存储器，所述存储器存储有所述处理器的执行指令，所述处理器配置为执行所述执行指令来实现权利要求1
‑
4中任意一项所述自动驾驶路径规划方法。6.一种计算机可读存储介质，用于存储程序，其特征在于，执行所述程序以实现权利要求1
‑
4中任意一项所述自动驾驶路径规划方法。