1.一种考虑地图复杂度的无人车路径规划方法，其特征在于，包括以下步骤：步骤1：

初始化地图信息，载入地图的边界以及障碍物信息，并将地图信息二值化，设定起始节点Xstart，有效节点集T，T的数量NumT，目标节点为Xend，新节点为Xnew，随机节点为Xrand，节点距离阈值Df，设定步长为S、目标距离Dist以及目标迭代次数Goalnum，原始地图复杂度为θ1，地图区域复杂度为θ2，进入步骤2；

步骤2：

对整个地图区域进行撒点，得到落在可行区域内点的个数，得到原始地图复杂度：式中：num1为随机点落在整个地图可行区域内的个数，X、Y分别为地图的长、宽，X×Y为整个地图区域所撒点的个数，根据原始地图复杂度θ1，构造目标距离：式中：Dist1为一级目标距离、Dist2为二级目标距离、Dist3为三级目标距离，C1为地图复杂度的一级阈值、C2为地图复杂度的二级阈值，目标迭代次数：式中：Goalnum1为一级目标迭代次数、Goalnum2为二级目标迭代次数、Goalnum3为三级目标迭代次数，进入步骤3；

步骤3：

构造随机节点生成函数：

Xrand＝[rand()×X rand()×Y]                        (4)式中：rand()为随机数生成函数，通过计算得到距离随机点最近的节点Xnear，在以Xnear为圆心、以半径R围成的圆内，进行随机撒点，得到地图区域复杂度：式中：num2为落在以Xnear为圆心且以半径R围成的圆内可行点的个数，Pnum为在以Xnear为圆心的圆内点的总个数，然后构建动态步长：式中：S1为一级步长、S2为二级步长、S3为三级步长，如果θ1≤C1，进入步骤4，否则进入步骤5；

步骤4：

构造节点生成函数：

式中：||Xrand‑Xnear||表示Xrand与Xnear之间的距离，判断Xrand与Xnew之间是否发生碰撞，如果发生则进入步骤3，否则，根据公式(7)，将新节点Xnew存放在有效节点集T中，进入步骤6；

步骤5：

构造节点生成函数：

式中：cos()、sin()分别为余弦和正弦函数，α为Xrand和Xnear连线与x轴之间的夹角，判断Xrand与Xnew之间是否发生碰撞，如果发生则进入步骤3，否则，根据公式(8)，将新节点Xnew存放在有效节点集T中，进入步骤6；

步骤6：

利用步骤4和步骤5生成新节点后，进行重新寻找父节点的过程，找到距Xnew距离小于等于Df的所有节点，进行碰撞检测，保留无碰撞的点在节点集nearest_node中，在节点集中找到距离Xnew最近的点，将其设置为Xnew的父节点，进入步骤7；

步骤7：

将节点集nearest_node中的每一个节点与Xnew进行距离计算，得到距离集Rewire，将距离集Rewire与Xnew原始路径距离相加得到Rcost，将Rcost中每一个元素与nearest_node中相应元素的原始路径距离比较，如果大于则保留原始父节点，否则将Xnew设置为新的父节点，如果原始地图复杂度θ1≤C1进入步骤9，否则进入步骤8；

步骤8：

有效节点集T的个数NumT，判断NumT与目标迭代次数的大小关系，相应调整目标距离的大小，当NumT小于等于步骤2中目标迭代次数的设定值后，进入步骤9，否则调整目标距离，目标距离为：式中：Dist4为更新后的一级目标距离、Dist5为更新后的二级目标距离，进入步骤9；

步骤9：

判断新节点与目标节点之间的距离是否小于目标距离，如果小于进入步骤10，否则进入步骤3；

步骤10：

生成初始路径，根据逆向寻优的原则，对初始路径进行初步优化，进入步骤11；

步骤11：

对步骤10生成的路径进行B样条曲线拟合，在拟合过程中采取了曲率和转角约束，得到平滑的路径，结束路径规划。