1.一种自动驾驶汽车地面状态评定方法，其特征在于，包括以下步骤：
获取车辆行驶路径中的第一地面图像信息，根据所述第一地面图像信息获取车辆行驶路径中的地面状态特征；
调整获取图像时的光线，获取车辆行驶路径中的第二地面图像信息，根据所述第二地面图像信息获取车辆行驶路径中的地面状态特征；
对比两次获取的车辆行驶路径中的地面状态特征是否一致，若一致则以任一次获得车辆行驶路径中的地面状态特征，确定地面状态，
否则，重新调整获取图像时的光线，并获取车辆行驶路径中的地面图像信息，获取车辆行驶路径中的地面状态特征，直至有两次获取的车辆行驶路径中的地面状态特征一致，则以其中任一次获得车辆行驶路径中的地面状态特征，确定地面状态。
2.根据权利要求1所述的自动驾驶汽车地面状态评定方法，其特征在于，所述调整获取图像时的光线，具体包括，获取所述车辆行驶所在区域的光照强度信息，根据所述光照强度信息，确定获取图像时的光线调整的大小。
3.根据权利要求1所述的自动驾驶汽车地面状态评定方法，其特征在于，所述以其中任一次获得车辆行驶路径中的地面状态特征，确定地面状态，具体包括，将其中任一次获得车辆行驶路径中的地面状态特征，输入卷积神经网络模型，确定地面状态。
4.根据权利要求3所述的自动驾驶汽车地面状态评定方法，其特征在于，还包括构建卷积神经网络模型，具体包括，
采集测试车辆在不同地面中行驶过程中的图像信息数据，形成训练数据库；利用所述训练数据库，构建卷积神经网络，根据反向传播算法对构建完成后的卷积神经网络进行训练，形成基于地面状态评定的卷积神经网络模型。
5.一种自动驾驶汽车地面状态评定系统，其特征在于，包括第一地面状态特征获取模块、第二地面状态特征获取模块以及地面状态获取模块；
所述第一地面状态特征获取模块，用于获取车辆行驶路径中的第一地面图像信息，根据所述第一地面图像信息获取车辆行驶路径中的地面状态特征；
所述第二地面状态特征获取模块，用于调整获取图像时的光线，获取车辆行驶路径中的第二地面图像信息，根据所述第二地面图像信息获取车辆行驶路径中的地面状态特征；
所述地面状态获取模块，用于对比两次获取的车辆行驶路径中的地面状态特征是否一致，若一致则以任一次获得车辆行驶路径中的地面状态特征，确定地面状态，
否则，重新调整获取图像时的光线，并获取车辆行驶路径中的地面图像信息，获取车辆行驶路径中的地面状态特征，直至有两次获取的车辆行驶路径中的地面状态特征一致，则以其中任一次获得车辆行驶路径中的地面状态特征，确定地面状态。
6.根据权利要求5所述的自动驾驶汽车地面状态评定系统，其特征在于，还包括光线调整模块，所述光线调整模块用于整获取图像时的光线，具体包括，获取所述车辆行驶所在区域的光照强度信息，根据所述光照强度信息，确定获取图像时的光线调整的大小。
7.根据权利要求5所述的自动驾驶汽车地面状态评定系统，其特征在于，所述地面状态获取模块以其中任一次获得车辆行驶路径中的地面状态特征，确定地面状态，具体包括，将其中任一次获得车辆行驶路径中的地面状态特征，输入卷积神经网络模型，确定地面状态。
8.根据权利要求7所述的自动驾驶汽车地面状态评定系统，其特征在于，还包括卷积神经网络模型构建模块，所述卷积神经网络模型构建模块用于构建卷积神经网络模型，具体包括，
采集测试车辆在不同地面中行驶过程中的图像信息数据，形成训练数据库；利用所述训练数据库，构建卷积神经网络，根据反向传播算法对构建完成后的卷积神经网络进行训练，形成基于地面状态评定的卷积神经网络模型。