1.一种改进RRT的机器人路径规划方法，其特征在于，包括：S1、将机器人活动的二维场景分为可通行区域和不可通行的障碍物，建立二维栅格图；

获取机器人在二维场景中的起始位置Qstart和目的位置Qgoal；

如果从Qstart到Qgoal的直线路径没有碰触障碍物，则规划路径为从Qstart到Qgoal的直线段；否则，将Qstart作为RRT算法中随机扩展树的根节点，初始化目标方向权重k＝1，根据步骤S2‑S7确定规划路径；

S2、在机器人运动区域生成随机位置点Qrand；如果Qstart与Qrand的连线穿过障碍物，则丢弃该Qrand，并再次生成新的Qrand，直至Qstart与Qrand的连线没有穿过障碍物；

S3、遍历当前随机扩展树，查找与Qrand距离最近的点Qnear；

S4、计算Qnear到障碍物的最小距离Dob，计算斥力因子h： ρ为机器人运动步长；

计算Qrand对Qnear的引力 Qgoal对Qnear的引力 障碍物对Qnear的斥力 计算Qnear处受到的合力

其中

w为引力权重，是预设的(0,1]范围内的常数；Qob为距离Qnear最近的障碍物位置；|| ||为计算二维环境栅格图中两个位置点的距离；

以Qnear为父节点，根据合力 生成新节点Qnew：判断新节点Qnew和Qnear的连线是否与障碍物有碰撞，如没有碰撞则将Qnew添加到随机扩展树上，如果有碰撞跳转至S2重新生成随机位置点；

S5、优化起点Qstart到Qnew的路径；

S6、重复步骤S3‑S5，当新节点Qnew进入目的位置Qgoal的邻域内或为Qgoal本身时，停止随机扩展树的扩展；对随机扩展树进行剪枝处理；

S7、从目的位置Qgoal开始依次回溯父节点直到起始点Qstart结束，找到一条从Qstart到Qgoal的无障碍路径。

2.根据权利要求1所述的机器人路径规划方法，其特征在于，所述步骤S4中还包括：根据F1和F2更新k：如果F1＞F2，k＝k+Δk；否则k＝k‑Δk；Δk为预设的更新步长。

3.根据权利要求1所述的机器人路径规划方法，其特征在于，所述步骤S5具体包括：S5.1、以Qnew为圆心，Rnear为半径计算邻域Vnear；Rnear为预设的布线长度；

S5.2、随机扩展树中位于邻域Vnear内的节点构成集合Snear，获取集合Snear中每个节点的第一外节点，组成集合Spnear；节点s的第一外节点为随机扩展树中与节点s间的距离小于第一距离R1的节点；s∈Snear；，Ssum＝Snear∪Spnear；

S5.3、遍历集合Ssum中的节点，判断Qnew的父节点替换成Ssum中的节点后，是否会缩短Qstart到Qnew的路径，如果缩短则进行Qnew的父节点替换操作，反之不替换；

S5.4、寻找Qnew的第二外节点的集合Spnew，节点Qnew的第二外节点为随机扩展树中与Qnew间的距离小于第二距离R2的节点；

S5.5、遍历Snear中的节点，判断如果其父节点更换为Qnew与Spnew的并集内的节点后是否会减小Qstart到所述Snear中的节点的路径，如果路径有所减小，则进行所述Snear中的节点父节点的替换操作，反之不操作。

4.根据权利要求1所述的机器人路径规划方法，其特征在于，所述步骤S6中对随机扩展树进行剪枝处理具体为：

从随机扩展树的根节点Qstart开始，寻找能够无碰撞连接目的位置Qgoal的中间点P1，接着以P1为起点寻找能够无碰撞连接目的位置Qgoal的中间点P2，如此循环往复，直至找到Qgoal或进入目的位置Qgoal的邻域内；Qstart和所有中间点按序构成优化后的路径。

5.一种改进RRT的机器人路径规划系统，其特征在于，包括：二维场景建立模块，用于将机器人活动的二维场景分为可通行区域和不可通行的障碍物，建立二维栅格图；获取机器人在二维场景中的起始位置Qstart和目的位置Qgoal；

随机位置点Qrand生成模块，用于随机位置点Qrand；

最近点Qnear生成模块，用于遍历当前随机扩展树，查找与Qrand距离最近的点Qnear；

新节点Qnew生成模块，用于生成新节点Qnew，生成步骤为：计算Qnear到障碍物的最小距离Dob，计算斥力因子h： ρ为机器人运动步长；

计算Qrand对Qnear的引力 Qgoal对Qnear的引力 障碍物对Qnear的斥力 计算Qnear处受到的合力

其中

w为引力权重，是预设的(0,1]范围内的常数；Qob为距离Qnear最近的障碍物位置；|| ||为计算二维环境栅格图中两个位置点的距离；

以Qnear为父节点，根据合力 生成新节点Qnew：判断新节点Qnew和Qnear的连线是否与障碍物有碰撞，如没有碰撞则将Qnew添加到随机扩展树上，如果有碰撞则随机位置点Qrand生成模块重新生成随机位置点；

起点Qstart到Qnew的路径优化模块，用于优化起点Qstart到Qnew的路径；

停止扩展判断模块，用于判断是否停止随机扩展树的扩展；判断方法为：当新节点Qnew进入目的位置Qgoal的邻域内或为Qgoal本身时，停止随机扩展树的扩展；

剪枝处理模块，用于对随机扩展树进行剪枝处理；

路径生成模块，用于从目的位置Qgoal开始依次回溯父节点直到起始点Qstart结束，找到一条从Qstart到Qgoal的无障碍路径。

6.根据权利要求5所述的机器人路径规划系统，其特征在于，所述新节点Qnew生成模块还用于：根据F1和F2更新k：如果F1＞F2，k＝k+Δk；否则k＝k‑Δk；Δk为预设的更新步长。

7.根据权利要求5所述的机器人路径规划系统，其特征在于，起点Qstart到Qnew的路径优化模块进行优化具体包括：

S5.1、以Qnew为圆心，Rnear为半径计算邻域Vnear；Rnear为预设的布线长度；

S5.2、随机扩展树中位于邻域Vnear内的节点构成集合Snear，获取集合Snear中每个节点的第一外节点，组成集合Spnear；节点s的第一外节点为随机扩展树中与节点s间的距离小于第一距离R1的节点；s∈Snear；，Ssum＝Snear∪Spnear；

S5.3、遍历集合Ssum中的节点，判断Qnew的父节点替换成Ssum中的节点后，是否会缩短Qstart到Qnew的路径，如果缩短则进行Qnew的父节点替换操作，反之不替换；

S5.4、寻找Qnew的第二外节点的集合Spnew，节点Qnew的第二外节点为随机扩展树中与Qnew间的距离小于第二距离R2的节点；

S5.5、遍历Snear中的节点，判断如果其父节点更换为Qnew与Spnew的并集内的节点后是否会减小Qstart到所述Snear中的节点的路径，如果路径有所减小，则进行所述Snear中的节点父节点的替换操作，反之不操作。

8.根据权利要求5所述的机器人路径规划系统，其特征在于，剪枝处理模块对随机扩展树进行剪枝处理具体为：

从随机扩展树的根节点Qstart开始，寻找能够无碰撞连接目的位置Qgoal的中间点P1，接着以P1为起点寻找能够无碰撞连接目的位置Qgoal的中间点P2，如此循环往复，直至找到Qgoal或进入目的位置Qgoal的邻域内；Qstart和所有中间点按序构成优化后的路径。