1.一种基于改进A*算法的动态路径规划方法，其特征在于，包括以下步骤：

在传统A*算法的评价函数加入环境障碍影响项，构建改进A*算法；所述环境障碍影响项由当前节点周围的障碍数量决定；基于改进A*算法对规划对象进行动态路径规划；

所述改进A*算法的评价函数为：

f(n)＝g(n)+h(n)+dsg×ω×o(n)；

其中，n表示节点，g(n)是真实代价，表示从起点到当前节点的距离；h(n)为启发函数，表示从当前节点到目标节点的剩余距离；dsg表示当前节点与目标节点的直线距离，o(n)为环境障碍函数，其数值表示当前点位周围障碍密集程度；ω是障碍权重因子，其决定规划路径对障碍物的敏感度；

所述环境障碍函数o(n)通过以下公式获取得到：

o(n)＝sum(O×D)，其中，矩阵O表示以当前节点为中心，附近多个节点的障碍物信息；

矩阵D表示所述附近多个节点对当前节点的距离权重矩阵，距离中心点越近的节点，其距离权重越大。

2.根据权利要求1所述的基于改进A*算法的动态路径规划方法，其特征在于，在12％低障碍密度地图中，ω的取值范围为[0.2,0.4]；在24％高障碍密度地图中，ω的取值范围[0.8,1.0]。

3.根据权利要求1‑2中任意一项所述的基于改进A*算法的动态路径规划方法，其特征在于，所述改进A*算法在规划全局路径时，执行以下关键点搜索策略：设已知路径节点集Pk＝{P1,P2......PN}及其坐标信息；其中P1为起点，PN为目标点，对于所述已知路径节点集Pk中任意节点Pi，i＝1,2,3,...,N，均执行以下步骤：计算由所述节点Pi构成的向量 和向量 之间的夹角，判断所述夹角是否为0：若夹角为0，则说明 与 共线，三点在一条直线上，则Pi为共线的冗余节点，需去除；

若夹角不为0，则说明不共线，Pi是转折点，求解 所在直线方程，并判断是否与障碍物相交：若线段内不存在障碍物，则Pi是冗余的转折节点，去除；若存在障碍物，则Pi为关键转折节点，保留。

4.根据权利要求3所述的基于改进A*算法的动态路径规划方法，其特征在于，基于改进A*算法对规划对象进行动态路径规划，包括以下步骤：使用所述改进A*算法进行全局路径规划，并提取全局路径中的关键点；

并按规划对象经过每个关键点的时序，依次将每个关键点作为局部目标点，采用DWA算法规划规划对象从每个关键点移动至下个关键点的局部路径，直至规划对象抵达全局路径的目标点。

5.根据权利要求4所述的基于改进A*算法的动态路径规划方法，其特征在于，采用DWA算法规划规划对象从每个关键点移动至下个关键点的局部路径，具体包括以下步骤：对于任意第i个关键点Pi及其下一个关键点Pi+1；当规划对象移动至关键点Pi时，将关键点Pi+1作为局部关键点；当规划对象遇到未知障碍或动态障碍时，开始进行局部路径规划，采样规划对象当前的速度，根据当前采样的速度，结合预先构建的规划对象的运动模型计算规划对象当前运动的位姿，同时将运动的位姿与当前区域全局路径规划的位姿进行对比，并根据比对结果计算方向权重N，基于所述方向权重N当前区域全局路径规划的位姿规划规划对象从每个关键点移动至下个关键点的局部路径。

6.根据权利要求5所述的基于改进A*算法的动态路径规划方法，其特征在于，所述DWA算法的评价函数为：G(v,w)＝σ(N×heading(v,w)+β×dist(v,w)+γ×velocity(v,w))其中，heading(v,w)是方向因子，表示运动到当前轨迹终点时规划对象的方位角与目标点之间的夹角大小，夹角越大评分越低；dist(v,w)表示该运动轨迹上距离障碍物的最小距离，若轨迹上无障碍物则为较大的定值；velocity(v,w)表示运动线速度的评分；N为融合了运动位姿比重后的方向角评分权重，β，γ分别表示障碍物距离，运动线速度的评分权重；

σ表示归一化操作。

7.一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至6任一所述方法的步骤。