1.一种基于3D技术的机器人路径避障方法，其特征在于，包括以下步骤：步骤S1、利用机器人搭载的三维雷达检测出位于机器人行进路径上的障碍物的三维特征，并根据障碍物的三维特征优化分析出机器人的三维避障参数；

步骤S2、将障碍物的三维特征和机器人的三维避障参数进行模型拟合得到表征三维特征和三维避障参数映射关系的机器人路径避障模型；

步骤S3、在机器人行进路径上监测实时障碍物的三维特征，并利用机器人路径避障模型基于实时障碍物的三维特征得到机器人的实时三维避障参数，以实现机器人根据实时三维避障参数进行实时自主避障；

所述利用机器人搭载的三维雷达检测出位于机器人行进路径上的障碍物的三维特征，包括：利用机器人搭载的三维雷达检测出位于机器人行进路径上的障碍物的三维坐标，并分别提取出靠近行进路径两路径边界处的障碍物两边界坐标；

分别在行进路径上提取出两路径边界坐标到障碍物两边界坐标处空间的三维坐标作为多个避障可选空间的三维坐标，并将多个避障可选空间分别标记为AA’空间和B’B空间，其中，A表征为行进路径的左边界，A’表征为障碍物的左边界，B’表征为行进路径的右边界，B表征为障碍物的右边界；

将所述障碍物的三维坐标、多个避障可选空间的三维坐标作为所述障碍物的三维特征；

所述根据障碍物的三维特征优化分析出机器人的三维避障参数，包括：

利用三维特征中各个避障可选空间三维坐标计算出各个避障可选空间的三维容积，将多个避障可选空间的三维容积与机器人的三维体积的进行比较，其中，若AA’空间和B’B空间的三维容积均大于或等于机器人的三维体积，则将AA’空间和B’B空间均作为有效避障空间；

若AA’空间的三维容积大于或等于机器人的三维体积且B’B空间的三维容积小于机器人的三维体积，则将AA’空间作为有效避障空间；

若B’B空间的三维容积大于或等于机器人的三维体积且AA’空间的三维容积小于机器人的三维体积，则将B’B空间作为有效避障空间；

若AA’空间和B’B空间的三维容积均小于机器人的三维体积，则将AA’空间和B’B空间均作为非有效避障空间；

当存在至少一个有效避障空间，则以路径平滑性最高和路径长度最短设定每个有效避障空间中避障路径的优化函数，所述避障路径的优化函数为：；式中， 为表征避障路径的路径平滑性最高的优化函数，

为表征避障路径的路径长度最短的优化函数，pi为避障路径中第

i个路径点的三维坐标，N为避障路径中路径点的总数量，i为计量常数；

设定避障路径的优化函数的求解约束条件，所述求解约束条件为：

或 ；式中，|piA|为pi到A的

距离，|piA’|为pi到A’的距离，|piB|为pi到B的距离，|piB’|为pi到B’的距离，O表征为机器人的中心点，C为机器人的左边界，A’为机器人的右边界，|OC|为O到C的距离，|OC’|为O到C’的距离，[AA’]为AA’空间，[BB’]为BB’空间；基于所述求解约束条件多所述避障路径的优化函数进行求解得到有效避障空间的避障路径；

将有效避障空间、避障路径作为机器人的三维避障参数；

所述机器人路径避障模型的构建包括：

将障碍物的三维特征作为CNN神经网络的输入项，机器人的三维避障参数作为CNN神经网络的输出项，利用CNN神经网络基于所述输入项和所述输出项进行模型训练得到所述机器人路径避障模型，所述机器人路径避障模型的模型表达式为：Out[Y]=CNN(In[X])；式中，Out[Y]为机器人的三维避障参数，In[X]为障碍物的三维特征，CNN为CNN神经网络。

2.根据权利要求1所述的一种基于3D技术的机器人路径避障方法，其特征在于：当不存在有效避障空间，则机器人停在原地进行预警。

3.根据权利要求1所述的一种基于3D技术的机器人路径避障方法，其特征在于：所述在机器人行进路径上监测实时障碍物的三维特征，包括：将机器人在行进路径上行进方向上距离最近的障碍物作为实时障碍物，并利用机器人搭载的三维雷达检测出所述障碍物的三维坐标，并分别提取出实时障碍物的多个避障可选空间的三维坐标；

将实时障碍物的三维坐标、多个避障可选空间的三维坐标作为实时障碍物的三维特征。

4.根据权利要求3所述的一种基于3D技术的机器人路径避障方法，其特征在于：所述利用机器人路径避障模型基于实时障碍物的三维特征得到机器人的实时三维避障参数，包括：将实时障碍物的三维特征输入至机器人路径避障模型，由机器人路径避障模型输出机器人的实时三维避障参数，实时三维避障参数包括机器人的实时有效避障空间、实时避障路径。

5.根据权利要求4所述的一种基于3D技术的机器人路径避障方法，其特征在于，所述机器人的障碍的三维特征检测距离大于机器人的安全制动距离。

6.根据权利要求5所述的一种基于3D技术的机器人路径避障方法，其特征在于，实时避障路径数量大于1个时，设定路径平滑性和路径长度的评价权重，并将路径平滑性和路径长度进行加权求和作为选取实时避障路径的选取函数，所述选取函数为：；式中，Jarge为实时避障路径的评

价值， 为实时避障路径的路径平滑性评价值， 为

实时避障路径的路径长度评价值，W、V分别为路径平滑性、路径长度的评价权重；

机器人依据在评价值最高的实时避障路径进行实时自主避障。

7.一种根据权利要求1‑6任一项所述的基于3D技术的机器人路径避障方法的避障系统，其特征在于，包括三维雷达、数据处理器，所述三维雷达与数据处理器通信连接，所述三维雷达用于检测障碍物的三维特征，所述数据处理器用于接收障碍物的三维特征，并利用机器人路径避障模型基于障碍物的三维特征得到机器人的三维避障参数，所述机器人路径避障模型内置于数据处理器中。