1.一种智能汽车的自动避让方法，其特征在于，包括以下步骤：步骤S1：获取高速状态下的智能汽车行驶状态，并通过车载摄像头监测前方车道散落货物的视频帧；基于所述的视频帧进行散落货物的多目标标记，得到散落货物多目标标记数据；

步骤S2：基于散落货物多目标标记数据进行多目标货物散落轨迹预测，而后根据智能汽车行驶状态自动避让行为调整，得到自动避让行为调整数据；

步骤S3：通过自动避让行为调整数据构建自动避让策略模型，并将自动避让策略模型发送至智能汽车控制中心，以执行智能汽车的自动避让；

步骤S2包括：

步骤S21：对散落货物多目标标记数据进行几何形态分析，获得多目标货物几何形态数据；

步骤S22：对散落货物多目标标记数据进行初始散落抛物状态分析，以得到多目标货物初始抛物状态；

步骤S23：基于多目标货物几何形态数据及多目标货物初始抛物状态进行多目标货物散落轨迹预测，以输出多目标货物散落预测轨迹；

步骤S24：根据智能汽车行驶状态和多目标货物散落预测轨迹进行自动避让行为调整，得到自动避让行为调整数据；

步骤S23包括：

步骤S231：提取多目标货物几何形态数据中的形态面积及形态结构弧度；获取当前高速道路上的环境风况状态；

步骤S232：对多目标货物初始抛物状态进行初始抛落速度及姿态分析，得到多目标货物初始抛物速度及抛物姿态；

步骤S233：基于所述环境风况状态对所述形态面积及形态结构弧度和多目标货物初始抛物速度及抛物姿态进行散落轨迹演化拟合，以输出货物散落轨迹演化数据；

步骤S234：根据货物散落轨迹演化数据进行多目标货物散落轨迹预测，以输出多目标货物散落预测轨迹。

2.根据权利要求1所述的智能汽车的自动避让方法，其特征在于，步骤S1包括以下步骤：步骤S11：获取高速状态下的智能汽车行驶状态，并通过车载摄像头监测前方车道散落货物的视频帧；

步骤S12：对所述视频帧进行锐化调整，得到视频锐化数据；

步骤S13：对视频锐化数据进行区域网格划分，以获得视频区域划分数据；

步骤S14：基于所述的视频区域划分数据进行散落货物的多目标标记，得到散落货物多目标标记数据。

3.根据权利要求1所述的智能汽车的自动避让方法，其特征在于，步骤S233包括：计算所述环境风况状态的环境风速，并判断环境风向；

根据所述环境风向对所述抛物姿态、所述形态面积及形态结构弧度进行货物散落过程中的受力姿态动态分析，得到受力姿态动态数据；其中所述的受力姿态包括货物受到环境风向影响的受力角度及受力面积；

基于所述环境风速、受力姿态动态数据及多目标货物初始抛物速度进行散落速度空间矢量耦合演算，得到货物空间散落速度矢量；

对货物空间散落速度矢量进行空间翻滚的动能无序增量梯度识别，得到动能无序增量梯度；

根据货物空间散落速度矢量和动能无序增量梯度进行货物散落方位随机过程分解，得到货物散落方位分解数据；

基于货物散落方位分解数据进行散落轨迹演化拟合，以输出货物散落轨迹演化数据。

4.根据权利要求1所述的智能汽车的自动避让方法，其特征在于，步骤S24包括以下步骤：步骤S241：根据智能汽车行驶状态和多目标货物散落预测轨迹，判断智能汽车当前方位与散落货物的动态相对半径；

步骤S242：提取智能汽车行驶状态中的车速，并通过智能汽车的车载雷达，与智能汽车行驶状态计算周边车辆与智能汽车的相对距离；

步骤S243：根据动态相对半径及所述的相对距离，调控智能汽车的动态速度，以此来保障智能汽车与散落的货物、及其周边车辆处于安全的距离；

步骤S244：基于智能汽车的动态速度和多目标货物散落预测轨迹进行避让轨迹姿态控制，获得避让轨迹姿态控制数据；

步骤S245：根据避让轨迹姿态控制数据进行自动避让行为调整，得到自动避让行为调整数据。

5.根据权利要求4所述的智能汽车的自动避让方法，其特征在于，步骤S244包括以下步骤：基于智能汽车的动态速度和多目标货物散落预测轨迹进行空间潜在接触点动态半径分析，获得潜在接触点动态半径；

依据所述的潜在接触点动态半径，判断避让横摆率、侧偏角的调整幅度；

基于所述调整幅度和潜在接触点动态半径进行转向角度自适应约束，得到转向角度自适应调整数据；

对转向角度自适应调整数据进行线性助力回归拟合，得到转向助力拟合数据；

根据所述调整幅度、转向角度自适应调整数据及转向助力拟合数据进行避让轨迹姿态控制，获得避让轨迹姿态控制数据。

6.根据权利要求1所述的智能汽车的自动避让方法，其特征在于，步骤S3包括以下步骤：步骤S31：对自动避让行为调整数据进行避让特征学习，得到避让行为特征学习数据；

步骤S32：对避让行为特征学习数据进行行为特征加权处理，以输出避让行为特征加权数据；

步骤S33：通过避让行为特征加权数据构建自动避让策略模型；

步骤S34：对自动避让策略模型进行验证优化，得到自动避让策略优化模型；

步骤S35：将自动避让策略优化模型发送至智能汽车控制中心，以执行智能汽车的自动避让。

7.根据权利要求6所述的智能汽车的自动避让方法，其特征在于，步骤S33包括以下步骤：步骤S331：对避让行为特征加权数据进行避让行为特征选取，而后进行训练集和测试集的划分，分别避让行为特征测试集和避让行为特征训练集；

步骤S332：对避让行为特征训练集进行卷积处理，得到避让特征卷积训练集；

步骤S333：通过随机森林算法对避让特征卷积训练集进行初始自动避让策略模型构建，得到初始自动避让策略模型；

步骤S334：将避让行为特征测试集输入至初始自动避让策略模型中，以执行模拟测试，得到自动避让策略模型。

8.一种智能汽车的自动避让系统，其特征在于，用于执行如权利要求1所述的智能汽车的自动避让方法，该智能汽车的自动避让系统包括：散落货物标记模块，用于获取高速状态下的智能汽车行驶状态，并通过车载摄像头监测前方车道散落货物的视频帧；基于所述的视频帧进行散落货物的多目标标记，得到散落货物多目标标记数据；

避让行为调整模块，用于基于散落货物多目标标记数据进行多目标货物散落轨迹预测，而后根据智能汽车行驶状态自动避让行为调整，得到自动避让行为调整数据；

避让模型构建模块，用于通过自动避让行为调整数据构建自动避让策略模型，并将自动避让策略模型发送至智能汽车控制中心，以执行智能汽车的自动避让。