1.一种基于变概率约束采样的机器人路径规划方法，其特征在于，包括以下步骤：步骤1、生成地图及障碍物信息，给定机器人的起始位置Qs和目标位置Qg；

步骤2、将Qs、Qg分别作为两棵树的初始起点，相向扩展随机树，根据随机生成的概率p来控制采样方向；

步骤3、当p大于设定的可变值ε时，将采样节点从一单位的n维超球面转变成n维椭圆子集xellipse‑μ(Xellipse)，从而在椭圆子集内完成采样；

步骤4、在树中选取最近邻点Qnest，根据最近邻点Qnest以及障碍物的位置判断得到动态步长L，从而生成新节点；

步骤5、判断最近邻点Qnest与新节点Qnew之间的路径有无障碍物；

步骤6、随机树生成新节点后，判断两树的最新节点是否小于阈值，若满足条件则路径已被找到，进行回溯处理；

在所述步骤2中，设置一个范围在0‑100之间的随机概率p以及可变值ε，若p小于ε，则以目标点为采样点，否则进行椭圆约束采样，若周围判定有障碍物，则改变ε的值，使得采样方式更倾向于椭圆约束采样；

在所述步骤3中，起点Qs和终点Qg分别为椭圆的两个焦点，椭圆的共轭直径为di，其中di被定义为：偏心率由cmin/cbest计算得到，在双向搜索树条件下，机器人从Qs到Qg的路径成本看作由两段组成，即从Qs到x的成本，以及从x到Qg的成本，使用欧几里得距离得到两个焦点的距离cmin.椭圆的横向直径为cbest，它代表当前所记录的最优路径，因此椭圆采样集这样定义：使用欧几里得距离得到两个焦点的距离cmin，椭圆的横向直径为cbest，它代表当前所记录的最优路径，椭圆约束采样通过将均匀分布的样本从一单位的n维超球面转变成n维椭圆子集xellipse‑μ(Xellipse)，从而在椭圆子集内完成均匀分布采样，即xellipse＝Lxball+xcenter，

xcenter＝(xf1+xf2)/2，

xball＝{x∈X|‖x‖2≤1}，

其中xcenter为椭圆的中心，xf1，xf2分别为椭圆的两个焦点，xball为随机采样点；

之后通过椭圆矩阵S的Cholesky分解来计算变换，S∈Rn×n，有T

LL＝S

T

(x‑xcenter) S(x‑xcentet)＝I，

2

S的特征值为椭圆半径的平方{ri}，ri的值为

r1＝cbest/2，

采样点子集的变化可通过横截半径和长轴得到，其中diag{.}为对角矩阵，其中长轴的对角线矩阵和分解运算分别为在取得采样集之后，使用旋转矩阵C(θ)来计算，从而求得采样集并返回：在所述步骤4中，在树中选取最近邻点Qnest，根据最近邻点Qnest以及障碍物的位置判断得到动态步长L，从而生成新节点，其中包括确定动态步长L和生成新节点两个流程；

在所述步骤4中，在确定动态步长L的流程中：

对于树一，在随机寻找一个采样点Qr1后，搜索距Qr1最近的点Qnest1，接着以步长L向点Qr1扩展，其运算为对于树二，在新节点Qnew1生成后，搜索得到Qnew1距离树二最近的点Qnest2，然后以步长L向点Qnew1扩展，其运算为运算表达式中的步长L为动态步长，设计如下：

当两树之间的距离Dtree小于预设值s1时，使用小步长Ls来扩展，当Dtree大于预设值s1时，则表示两树之间距离较远，由机器人与障碍物环境决定步长，如果机器人与障碍物之间的距离Dobs大于预设值s2时，认为机器人附近无杂物，采用大步长Lm，反之，当Dobs小于预设值s2时，认为机器人周围环境复杂，采用小步长Ls，其表达式为在所述步骤4中，生成新节点的具体流程为：

设定Qs、Qg分别为路径的起点和终点，Qr为空间中的随机采样点，Qnest为与Qr距离最近的节点，Qnew为在Qnest到Qr的延长线上延伸一个步长之后得到的点，函数首先在地图中随机寻找一个采样点Qr，其次寻找距离采样点Qr最近的点Qnest，且该点为树中已存在的节点，判断最近邻点Qnest到采样点Qr的距离是否小于算法所设步长，如果小于就将Qr设为新节点Qnew，如果超出步长大小，则将在最近邻点Qnest路径的基础上向采样点Qr延伸一个步长后所得到的点设为新节点Qnew，此时有邻近节点Qnear、潜在父节点Qpotential‑parent以及真父节点Qparent，以新节点Qnew为圆心一定半径作圆，该圆内所有的点构成一个新的集合，接着遍历构成的集合，找到所有邻近节点Qnear并逐一将其作为潜在父节点Qpotential‑parent与新节点Qnew连接，同时计算起点Qs、潜在父节点、新节点的路径长度并与原路径长度进行比较，从而筛选出最优的潜在父节点Qpotential‑parent，并将其设为新的父节点Qparent，最后判断新节点Qnew与最近邻点Qnest之间的连线是否与障碍物碰撞，若判断为否，则此时将新路径添加进树并且删除原始的连接路径；

在所述步骤5中，将近邻点Qnest与新节点Qnew分别设为待检测路段的两个端点，T为障碍物的圆心，o为障碍物到待检测路段的垂直点，则有：再根据机器人的模型大小，即可判断机器人在行进过程中是否有碰撞。

2.根据权利要求1所述的基于变概率约束采样的机器人路径规划方法，其特征在于，所述步骤6的具体流程为：为了搜索近优路径，需要对以生成的较优路径进行回溯处理，遍历整个较优路径的节点，从起点开始依次寻找路径上能最大程度保证不碰撞障碍物的节点，将起点与之相连并记录这个点，再从该点开始，寻找它之后的无碰撞点，直到与终点无碰撞连接，将这些点和路径信息保存下来，通过对比路径信息搜索到新的较优路径，反复迭代，最终选择总距离最短的路径为算法最终搜索路径。