1.一种基于控制采样的智能车辆路径规划系统，其特征在于，包括环境地图模块、车辆状态计算模块和路径搜索模块；

其中，所述环境地图模块，用于将车载传感器提供的环境信息以栅格地图形式存储下来，为路径规划提供任务场景信息，供车辆状态计算模块和路径搜索模块访问；还用于环境地图更新，实时接收车辆参数测量装置提供的车辆状态信息和车载传感器提供的环境信息来更新栅格地图；

车辆状态计算模块，用于通过碰撞检查算法，判断某一车辆状态是否与环境中障碍物发生碰撞；依据车辆状态扩展模型描述的车辆状态扩展方程和控制空间采样策略，对任意车辆状态扩展，得一簇新的状态；并基于当前状态、环境障碍物信息和本次任务的目标状态，实现对车辆状态的状态评价；

路径搜索模块，用于采用初步路径搜索算法，得到以离散状态序列形式的初步路径；并通过路径插值，对初步路径的状态序列，利用满足切向约束的2次B样条插值优化处理，得到连续可执行的最终路径。

2.根据权利要求1所述的基于控制采样的智能车辆路径规划系统，其特征在于，所述的车辆状态计算模块：在实现碰撞检查功能时，将车辆抽象地看做一个矩形，称为车辆区域，车辆区域将车辆整体包括在内，车辆区域的长为length，宽为width，lengthmin和widthmin对应于车长与车宽，一次碰撞检查过程分为如下两步：(1)确定扫描栅格范围，为减小一次碰撞检查过程中扫描的栅格范围，取车辆区域的四个顶点abcd，勾勒出一个扫描范围，扫描范围为点A和点D确定的矩形范围ABCD内的所有栅格，即中心坐标在集合{(x,y)|xA≤x≤xD,yA≤y≤yD}

中的所有栅格；

(2)判断障碍栅格是否在车辆区域内，对于扫描范围内的栅格，首先判断其是否为障碍物栅格，若不是障碍物栅格，则继续扫描下一个栅格；若为障碍物栅格，则判断障碍栅格是否在车辆区域内，若障碍物栅格在车辆区域内，则判定为碰撞。

3.根据权利要求2所述的基于控制采样的智能车辆路径规划系统，其特征在于，所述的车辆状态计算模块，依据车辆状态扩展方程，在控制输入δ下，预测一个步长后的车辆状态；

定义车辆状态为 x为车辆中心横坐标，y为车辆中心纵坐标，为车辆航向

角。车辆状态扩展方程为

其中 表示此刻车辆状态； 表示扩展后车辆状态。l为车辆

轴长，Δs为扩展步长；

在确定控制输入采样策略时，考虑到车辆转向机构存在前轮最大转向角速度ωmax限制和前轮最大转向角δmax的限制，得到当前前轮转角为δnow时，控制输入的采样区间为δi＝[min(-δmax,δnow-ωmaxT),max(δmax,δnow+ωmaxT)]其中T为状态扩展的时间步长，当车速为u时，有T＝Δs/u。在该区间内均匀采样得到离散的控制输入以扩展当前状态。

4.根据权利要求1所述的基于控制采样的智能车辆路径规划系统，其特征在于，所述路径搜索模块，用于采用初步路径搜索算法，得到以离散状态序列形式的初步路径，初步路径搜索算法具体分为路径选择，节点扩展，节点更新，初步路径生成这四个步骤：(1)路径选择：从根状态节点起，依据节点选择公式从子状态节点中选择一个状态节点，重复直至到达当前状态树的叶节点；

(2)节点扩展：采样控制输入，并代入状态扩展方程，得到一批新的节点，对这些新节点对应的车辆空间位姿作碰撞检查，保留无碰撞节点为新的叶节点，计算新叶节点的评价值；

(3)节点更新：当状态扩展产生的新状态中没有到达目标状态的节点时，将该次状态扩展的信息沿所选择的路径反向传播，形式为更新路径途径节点的评价值和节点访问次数；

(4)初步路径生成：当状态扩展产生的某新状态到达目标状态时，由根状态节点到该新状态节点的状态序列即为初步路径。

5.根据权利要求4所述的基于控制采样的智能车辆路径规划系统，其特征在于，所述路径选择方法采用UCT应用于树搜索的上限置信区间方法选择路径，标准UCT方法的节点选择公式为：其中，k为选择的状态节点，q代表为候选状态节点，Q为候选节点集合，vq为节点q的评价值，C为常数，通常依据经验选择为0.8，np为节点q的父节点p的访问次数，nq为节点q的访问次数。

6.根据权利要求4所述的基于控制采样的智能车辆路径规划系统，其特征在于，所述状态扩展中状态节点评价值vq的定义如下：vq＝r(wdistvdist+wheurvheur)

其中vdist表示从起始节点到节点q所经过的路程，wdist为权值，vheur表示状态节q的启发值，定义为从q节点到qgoal的二维欧式距离,wheur为权值；r为目标点威胁惩罚因子，其计算公式为其中N为当前节点q的所有兄弟结点数目，Ncollison为当前节点q的所有兄弟节点中，与障碍物发生了碰撞的节点的数目；计算本次节点扩展过程所产生的新节点的评价值均值

7.根据权利要求1所述的基于控制采样的智能车辆路径规划系统，其特征在于，所述路径搜索模块，用于路径插值，对初步路径的状态序列，利用满足切向约束的2次B样条插值优化处理，得到连续可执行的最终路径。具体包括：对初步路径的状态序列，利用满足切向约束的2次B样条插值优化处理，得到最终的连续曲率且符合车辆非完整约束的易于跟踪的最终路径，其中，提取初步路径序列q1,q2,…,qn中车辆状态点的位置坐标，得到一组插值点序列p1,p2,…,pn；提取初步路径q1,q2,…,qn中各车辆状态点的车辆姿态角，得到各个插值点处的切向约束v1,v2,…,vn，求得满足切向约束的2次B样条差值曲线c(t)，该曲线即为规划出的最终路径。

8.一种基于权利要求1所述系统的基于控制采样的智能车辆路径规划方法，其特征在于，包括以下步骤：(1)更新当前环境地图：从车载传感器读入实时环境障碍信息，将它们以栅格地图形式存储于环境地图模块；每个栅格有占据和非占据两种状态，占据状态表示该栅格所处位置存在障碍物；

(2)设定车辆当前状态：从车辆参数测量装置得到的实时车辆位姿和速度信息，这些参数组成了本次路径规划任务的车辆起始状态；

(3)设定车辆目标状态：设定车辆在任务结束时的状态，驾驶辅助系统中目标状态由驾驶员设定；在无人驾驶系统中目标状态由上层决策系统给出；

(4)初步路径搜索：针对任务起始状态和目标状态运行初步路径搜索算法，路径搜索算法具体分为四步：(4.1)路径选择：从根状态节点起，依据节点选择公式从子状态节点中选择一个状态节点，重复直至到达当前状态树的叶节点；

(4.2)节点扩展：采样控制输入，并代入状态扩展方程，得到一批新的节点。对这些新节点对应的车辆空间位姿作碰撞检查，保留无碰撞节点为新的叶节点。计算新叶节点的评价值；

(4.3)节点更新：当状态扩展产生的新状态中没有到达目标状态的节点时，将该次状态扩展的信息沿所选择的路径反向传播，形式为更新路径途径节点的评价值和节点访问次数；

(4.4)初步路径生成：重复(4.1)-(4.3)，当状态扩展产生的某新状态到达目标状态时，由根状态节点到该新状态节点的状态序列即为初步路径；

(5)路径插值：对初步路径的状态序列，利用满足切向约束的2次B样条插值优化处理，得到最终的连续曲率且符合车辆非完整约束的易于跟踪的最终路径，其中，提取初步路径序列q1,q2,…,qn中车辆状态点的位置坐标，得到一组插值点序列p1,p2,…,pn；提取初步路径q1,q2,…,qn中各车辆状态点的车辆姿态角，得到各个插值点处的切向约束v1,v2,…,vn，求得满足切向约束的2次B样条差值曲线c(t)，该曲线即为规划出的最终路径。