1.一种移动机器人路径规划方法，其特征在于，包括如下步骤：(1)寻找环境最短路径；

(2)当机器人在前进中检测到将与环境中的动态障碍物相碰，则视最短路径上离动态障碍物安全的栅格为局部目标点；

(3)确定动态障碍物的运动范围；

(4)机器人沿着信息素浓度大的栅格前进；

(5)得到一条避开动态障碍物且经过指定点的最优路径。

2.如权利要求1所述的移动机器人路径规划方法，其特征在于，步骤(1)中所述环境为机器人的工作环境，将该工作环境划分为20×20的栅格，每个栅格的长和宽都为10个单位。

3.如权利要求1和2所述的移动机器人路径规划方法，其特征在于，步骤(1)中按状态转移概率公式寻找环境最短路径。

4.如权利要求1-3中任一项所述的移动机器人路径规划方法，其特征在于，步骤(1)中用蚁群算法寻找环境最短路径。

5.如权利要求4所述的移动机器人路径规划方法，其特征在于，所述蚁群算法采用如下算法步骤：a.参数用粒子群算法进行优化后找到一组最优解，且用遗传算法保证其不会陷入局部最优；

b.将上述参数中的其他参数保持不变，对传统蚁群算法中各个路径上的信息素浓度进行成倍放大，使不同路径上的信息素浓度差异更加明显；

c.加速蚂蚁朝着信息素浓度高路径移动，从而提高算法的收敛速度。

6.如权利要求1-5中任一项所述的移动机器人路径规划方法，其特征在于，步骤(3)中通过传感器收集信息从而确定动态障碍物的运动范围。

7.如权利要求5或6所述的移动机器人路径规划方法，其特征在于，步骤a中蚁群算法中种群个数为25，最大迭代次数为100，用粒子群算法对改进蚁群算法的重要参数进行优化，粒子的个数为30，迭代次数的最高上限为50，惯性衡量值w为0.625，影响机器人自适应学习功能的参数c1和c2都选为1.501。

8.如权利要求5-7中任一项所述的移动机器人路径规划方法，其特征在于，步骤b中，由粒子群算法寻找到改进蚁群算法重要参数的最优组合放大倍数M取为3。

9.如权利要求5-8中任一项所述的移动机器人路径规划方法，其特征在于，步骤c中，坐标系以x轴向右为正方向，y轴向上为正方向，单位为像素，静态障碍物假定为方块，假设动态障碍物是长和宽分别为10个单位的正方形块，动态障碍物沿y轴向上做速度为10单位/秒的匀速直线运动。