1.一种赛道特征识别方法，其特征在于，包括： 获取赛道图像，提取所述赛道图像中特定行内左边线位置信息和右边线位置信息； 根据所述特定行内左边线位置信息和右边线位置信息，计算所述特定行对应的参数信息； 根据所述参数信息判断所述赛道图像对应的赛道特征。 2.根据权利要求1所述的赛道特征识别方法，其特征在于，所述提取所述赛道图像中特定行内左边线位置信息和右边线位置信息包括： 从所述赛道图像每行的中间位置分别向左右两侧搜索灰度变化超过预定阈值的像素点，所述像素点对应的位置即为所述左边线位置和右边线位置。 3.根据权利要求1所述的赛道特征识别方法，其特征在于，所述参数信息包括左边线盒维数和右边线盒维数。 4.根据权利要求3所述的赛道特征识别方法，其特征在于，所述根据所述参数信息判断所述赛道图像对应的赛道特征包括： 当所述左边线盒维数和所述右边线盒维数均小于盒维数阈值且均不等于0时，所述赛道特征为直道； 当所述左边线盒维数或所述右边线盒维数大于或等于所述盒维数阈值时，所述赛道特征为弯道； 当所述左边线盒维数和所述右边线盒维数均等于0时，所述赛道特征为十字。 5.根据权利要求3所述的赛道特征识别方法，其特征在于，所述参数信息还包括左边线与右边线的相关系数ρXY，其中： 其中，X为左边线位置信息，Y为对应X所在行的右边线位置信息，Cov(X，Y)为X与Y的协方差，σX为X的标准差，σY为Y的标准差。 6.根据权利要求5所述的赛道特征识别方法，其特征在于，所述根据所述参数信息判断所述赛道图像对应的赛道特征包括： 当所述左边线盒维数和所述右边线盒维数均小于盒维数阈值且均不等于0，且所述相关系数等于相关系数第一阈值时，所述赛道特征为直道； 当所述左边线盒维数或所述右边线盒维数大于或等于所述盒维数阈值，且所述相关系数小于或等于相关系数第二阈值且大于所述相关系数第一阈值时，所述赛道特征为左弯道； 当所述左边线盒维数或所述右边线盒维数大于或等于所述盒维数阈值，且所述相关系数大于相关系数第三阈值时，所述赛道特征为右弯道； 当所述左边线盒维数和所述右边线盒维数均等于0且所述相关系数不存在时，则所述赛道特征为十字； 当左边线盒维数和右边线盒维数其中一个小于盒维数阈值，另一个大于或等于盒维数阈值，且所述相关系数小于或等于相关系数第四阈值且大于相关系数第二阈值时，所述赛道特征为收敛赛道； 当左边线盒维数和右边线盒维数其中一个小于盒维数阈值，另一个大于或等于盒维数阈值，且所述相关系数大于或等于相关系数第五阈值且小于或等于相关系数第三阈值时，所述赛道特征为发散赛道； 其中，所述相关系数第一阈值、所述相关系数第二阈值、所述相关系数第四阈值、所述相关系数第五阈值、所述相关系数第三阈值依次增大。 7.根据权利要求6所述的赛道特征识别方法，其特征在于，所述根据所述参数信息判断所述赛道图像对应的赛道特征还包括： 当根据连续多帧赛道图像判断所述赛道特征由收敛赛道变化为直道再变化为发散赛道时，判断当前赛道图像对应的赛道特征为环岛。 8.根据权利要求4所述的赛道特征识别方法，其特征在于，还包括根据所述赛道特征计算预期运动路线，其中， 当所述赛道特征为直道时，根据所述左边线位置信息和所述右边线位置信息计算赛道中线位置信息，作为所述预期运动路线； 当所述赛道特征为弯道时，根据所述左边线位置信息或所述右边线位置信息向赛道内侧偏移赛道宽度的一半计算所述预期运动路线； 当所述赛道特征为十字时，将当前运动路线沿直线延伸作为所述预期运动路线。 9.根据权利要求6所述的赛道特征识别方法，其特征在于，还包括根据所述赛道特征计算预期运动路线； 当所述赛道特征为直道时，根据所述左边线位置信息和所述右边线位置信息计算赛道中线位置信息，作为所述预期运动路线； 当所述赛道特征为左弯道时，根据所述左边线位置信息向赛道内侧偏移赛道宽度的一半计算所述预期运动路线； 当所述赛道特征为右弯道时，根据所述右边线位置信息向赛道内侧偏移赛道宽度的一半计算所述预期运动路线； 当所述赛道特征为十字时，将当前运动路线沿直线延伸作为所述预期运动路线； 当所述赛道特征为收敛赛道或发散赛道时，根据盒维数小于盒维数阈值的一侧边线位置信息向赛道内侧偏移赛道宽度的一半计算所述预期运动路线盒维数阈值。 10.一种智能赛车，其特征在于，包括： 摄像头，用于采集赛道图像； 存储器，存储有计算机可执行指令； 处理器，所述处理器运行所述存储器中的计算机可执行指令，执行以下步骤： 获取所述赛道图像，提取所述赛道图像中特定行内左边线位置信息和右边线位置信息； 根据所述特定行内左边线位置信息和右边线位置信息，计算所述特定行对应的参数信息； 根据所述参数信息判断所述赛道图像对应的赛道特征。
