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：步骤S1，环境建模；以及

步骤S2，执行遗传算法以输出最优路径；

所述步骤S1环境建模，即

对移动机器人的工作环境进行建模以建立坐标系，其方法包括：利用移动机器人自带传感器组采集工作环境信息，并进行地图建模；其中，将移动机器人作为质点，将移动机器人和障碍物按照二维坐标系建模，用尺寸相同的栅格划分二维工作空间，使移动机器人在该空间中自由运动；

若某一栅格内有障碍物，定义此栅格为障碍栅格，否则为自由栅格；以及用序号对每个栅格编号，每个编号N都与其直角坐标一一对应，其映射关系为：N＝x+10y；或

其中mod表示取余操作，int表示取整操作；

所述步骤S2中执行遗传算法以输出最优路径的方法包括如下子步骤：步骤S21，执行种群初始化操作；

步骤S22，计算个体的适应度值；

步骤S23，执行选择、交叉、变异操作；

步骤S24，执行路径优化策略；

步骤S25，终止条件判定；以及

步骤S26，输出最优路径；

所述步骤S21中执行种群初始化操作的方法包括：从起始点出发，随机选取与起始点相邻的一个自由栅格作为下一路径点，该路径点与目标点距离最短，如此循环，一直找到目标点为止，且同一栅格有且只能经过一次，以获得一条初始路径，即产生一种群；

所述步骤S22中计算个体的适应度值的方法包括：首先确定适应度函数，且选取路径长度、路径安全度和路径平滑度，即适应度函数如下：F(T)＝μ1D(T)+μ2S(T)+μ3L(T)  (1)；

式(1)中，μ1，μ2，μ3分别为路径长度、路径安全度、路径平滑度的权重系数；D(T)表示路径长度，其计算公式为： 该式(2)中，d(ki,ki+1)表示节点ki到节点ki+1的距离；

S(T)表示路径安全度，其计算公式为： 该式(3)中，li表示第i条路径距离最近障碍物的距离；

L(T)表示路径平滑度，计算公式为： 该式(4)中，N(T)表示路径的转弯次数， 表示路径li与路径li+1的夹角。

2.根据权利要求1所述的移动机器人路径规划方法，其特征在于，所述步骤S23中执行选择、交叉、变异操作的方法包括：步骤S231，执行选择操作，即

从种群中随机选择两个个体进行适应度值比较，适应度值较高的个体进入下一代，适应度值较低的个体则被舍去；

步骤S232，执行交叉操作，即

对于两个待交叉的染色体，选择在它们共有节点处进行交叉，以形成的连续路径，若两染色体不存在共有节点，则不进行交叉操作；

步骤S233，执行变异操作，即

从当代群体中随机选择待变异的个体，选择路径转弯处的基因进行删除，并随机选择该基因周围的一个基因来替代，重新连接形成一条连续的新路径。

3.根据权利要求2所述的移动机器人路径规划方法，其特征在于，所述步骤S24，执行路径优化策略的方法包括如下子步骤：步骤S241，删除算子的引入，即将相同栅格序号之间的栅格和相同栅格之一删除掉，将形成的新路径作为下一代种群个体；

步骤S242，平滑算子的引入，即平滑算子是在路径段之间的转角处两端添加两个节点；

若连接后的线段不经过障碍物，则用该线段替换转角处原有路径，并删除原有的转角处节点，从而生成一条更加平滑优化的新路径。

4.根据权利要求3所述的移动机器人路径规划方法，其特征在于，所述步骤S25中终止条件判定的方法包括：通过两代之间的平均适应度之差小于Δ，以终止算法，输出最优路径，Δ取0.1；

若两代之间的平均适应度之差大于Δ，则返回步骤S22。