1.一种路径规划方法，包括：

获取道路图像和当前车辆位置坐标；

对所述道路图像进行障碍物检测，以生成障碍物距离信息，其中，所述障碍物距离信息包括检测障碍物距离值和障碍物位置坐标；

确定所述当前车辆位置坐标和所述障碍物距离信息包括的障碍物位置坐标在预设的地图坐标系中的距离值，得到地图坐标系距离值；

响应于确定所述障碍物位置坐标处于当前车辆所在车道、以及所述地图坐标系距离值和所述障碍物距离信息包括检测障碍物距离值满足第一预设距离条件，以当前车辆位置坐标为起始坐标进行路径规划，得到规划路径。

2.根据权利要求1所述的方法，其中，所述方法还包括：将所述规划路径发送至当前车辆控制终端以供控制当前车辆移动避障。

3.根据权利要求1所述的方法，其中，所述对所述道路图像进行障碍物检测，以生成障碍物距离信息，包括：对所述道路图像进行识别处理，以生成障碍物位置坐标；

将所述道路图像输入至预先训练的障碍物检测模型，以生成道路图像深度值序列；

从所述道路图像深度值序列中选出对应障碍物位置的道路图像深度值，以作为检测障碍物距离值；

将所述检测障碍物距离值和所述障碍物位置坐标确定为障碍物距离信息。

4.根据权利要求1所述的方法，其中，所述确定所述当前车辆位置坐标和所述障碍物距离信息包括的障碍物位置坐标在预设的地图坐标系中的距离值，得到地图坐标系距离值，包括：将所述当前车辆位置坐标和所述障碍物位置坐标投影至地图坐标系，得到投影后当前车辆位置坐标和投影后障碍物位置坐标；

将所述投影后当前车辆位置坐标和所述投影后障碍物位置坐标之间的距离确定为地图坐标系距离值。

5.根据权利要求3所述的方法，其中，所述障碍物检测模型是通过以下步骤训练的：获取训练样本，其中，所述训练样本包括：样本道路图像和样本点云数据；

利用所述样本点云数据，确定所述样本道路图像中每个像素点对应的深度值，得到图像深度值序列；

将所述样本道路图像和所述图像深度值序输列入至初始障碍物检测模型包括的编码器，以生成道路图像编码特征，其中，所述初始障碍物检测模型还包括解码器；

将所述道路图像编码特征输入至所述解码器，以生成距离灰度图；

基于预设的损失函数，确定所述样本道路图像、所述距离灰度图和所述图像深度值序列之间的特征损失值；

响应于确定所述特征损失值满足预设损失值条件，将所述初始障碍物检测模型确定为障碍物检测模型。

6.根据权利要求5所述的方法，其中，所述训练步骤还包括：响应于确定所述特征损失值不满足所述预设损失值条件，对初始障碍物检测模型中的参数进行调整，以及再次获取训练样本以供进行障碍物检测模型训练步骤。

7.根据权利要求5所述的方法，其中，所述方法还包括：响应于确定所述障碍物位置坐标处于当前车辆所在车道、以及所述地图坐标系距离值和所述障碍物距离信息包括检测障碍物距离值满足第二预设距离条件，对所述损失函数进行调整。

8.一种路径规划装置，包括：

获取单元，被配置成获取道路图像和当前车辆位置坐标；

障碍物检测单元，被配置成对所述道路图像进行障碍物检测，以生成障碍物距离信息，其中，所述障碍物距离信息包括检测障碍物距离值和障碍物位置坐标；

确定单元，被配置成确定所述当前车辆位置坐标和所述障碍物距离信息包括的障碍物位置坐标在预设的地图坐标系中的距离值，得到地图坐标系距离值；

路径规划单元，被配置成响应于确定所述障碍物位置坐标处于当前车辆所在车道、以及所述地图坐标系距离值和所述障碍物距离信息包括检测障碍物距离值满足第一预设距离条件，以当前车辆位置坐标为起始坐标进行路径规划，得到规划路径。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1‑7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1‑7中任一所述的方法。