1.一种采用多线式激光扫描雷达的无人驾驶汽车的路径识别方法，其特征在于，包括如下步骤：
步骤1：车顶上设置可旋转360°的多线式激光扫描雷达，激光扫描雷达发射激光束对周围环境进行扫描；
步骤2：激光扫描雷达对激光束进行接收；
步骤3：获取每束激光束所返回信息的参数，参数包括距离校正因子Dcorr、垂直偏移量V0、水平偏移量H0、垂直校正角θ、旋转校正角α；
步骤4：对参数进行标定，标定后，将每一条激光束返回的距离值Dret和当前激光雷达的旋转角度γ转化为激光雷达坐标系中的笛卡尔坐标(Px，Py，Pz)；
步骤5：通过激光雷达中的笛卡尔坐标，建立环境地图；
步骤6：环境地图用拓扑地图表示法，利用路径识别搜索算法进行路径规划，确定最优路径。
2.根据权利要求1采用多线式激光扫描雷达的无人驾驶汽车的路径识别方法，其特征在于，
步骤3中，距离校正因子Dcorr是指一条激光束的距离偏差，返回的距离值Dret加上距离校正因子Dcorr表示激光束测得的真正距离D；
垂直偏移量V0是指在竖直平面内激光束测量的起点到雷达坐标系原点的偏移量；
水平偏移量H0是指在xy平面激光束测量的起点到激光雷达坐标系原点的偏移量；
垂直校正角θ是指激光束相对于激光雷达坐标系xy平面的角度偏移量，向上偏移为正，向下偏移为负；
旋转校正角α是指激光束与激光雷达编码盘零度角之间的角度偏移量，当激光雷达旋转时，假设其当前旋转角度为γ，每一条激光束都有一个不同的旋转校正角α，定义另一个角β＝γ-α表示激光束相对于yz平面的角度。
3.根据权利要求2所述的采用多线式激光扫描雷达的无人驾驶汽车的路径识别方法，其特征在于，每一条激光束返回的距离值Dret和当前激光雷达的旋转角度γ转化为激光雷达坐标系中的笛卡尔坐标(Px，Py，Pz)，公式如下：
D＝Dret+Dcorr；
Dxy＝Dcosθ-V0sinθ；
Px＝Dxysinβ-H0cosβ；
Py＝Dxycosβ+H0sinβ；
Pz＝Dsinθ+V0cosθ。
4.根据权利要求1所述的多线式激光扫描雷达的无人驾驶汽车的路径识别方法，其特征在于，步骤6中，环境地图用拓扑地图表示法，利用路径识别搜索算法进行路径规划，确定最优路径，具体步骤如下：
(1)建立环境地图，环境地图用拓扑地图表示法表示；
(2)对每个道路节点设计一个估价函数，如下公式所示：
f(s)＝g(s)+h(s)；
其中：f(s)表示从起始节点经过节点s到目标节点的估计长度；
g(s)表示从起始节点到当前节点的路径长度；
h(s)为启发函数，是当前节点到目标节点的估计值。
(3)对上述公式进行改进，扩大启发函数值，改进后的公式为：
key(s)＝g(s)+ε*h(s)；
其中：key(s)为估价函数；
ε(ε≥1)为权值系数；
g(s)表示从起始节点到当前节点的路径长度；
(4)确定能够搜到最优路径的前提条件，如下公式：
h(s)≤cost*(s,sgoal)；
其中：cost*(s,sgoal)为当前节点到目标节点的最优距离；
(5)改进确定能够搜到最优路径的前提条件，如下公式：
ε×h(s)≤ε×cost*(s,sgoal)；
(6)启发函数的选用，将曼哈顿距离或对角线距离或欧几里德距离作为启发函数，对于给定的两个点的位置坐标(xi,yi)和(xj,yj)，两点间的曼哈顿距离dm，对角线距离dd和欧几里德距离de的公式如下所示：
dm＝|xi-xj|+|yi-yj|；
dd＝max(|xi-xj|,|yi-yj|)；

(7)道路节点的管理采用OPEN集合和CLOSE集合来管理道路节点；
(8)搜索算法开始后，从OPEN集合中选择最小节点进行扩展，初始OPEN集合只存放sstart节点，CLOSE集合为空；
(9)此时估价函数转化为如下公式：
f(sstart)＝g(sstart)+h(sstart)；
g(sstart)＝0；
(10)改进上述公式为：
key(sstart)＝g(sstart)+ε*h(sstart)；
g(sstart)＝0；
(11)节点s被扩展到的子节点存放于OPEN集合中，扩展完成后，从OPEN集合中移到CLOSE集合中；
(12)循环上述过程，直到扩展到目标节点或者OPEN集合为空时，结束；若OPEN集合为空，表明没有可行路径，规划失败；扩展到目标节点则最优路径规划成功，结束。
5.根据权利要求1所述的采用多线式激光扫描雷达的无人驾驶汽车的路径识别方法，其特征在于，所述多线式激光扫描雷达为64线激光扫描雷达。