1.一种机器人路径规划方法，其特征在于，所述方法包括：采用蜂巢栅格法对机器人行走的环境地图进行构建，建立环境地图模型；

对机器人的行走路径进行最优路径搜索，规划出一条最优路径；

对机器人的折线路径进行平滑处理；

其中，所述对机器人的行走路径进行最优路径搜索，规划出一条最优路径，具体包括：利用树向光分枝生长的寻优原理，采用树生长模拟算法对移动机器人进行全局遍历式路径规划，寻找出一条从起点到终点的最优路径；

所述树生长模拟算法的具体过程包括：

计算环境地图内任意位置处枝条的光照强度和对应的光合速率，建立光照强度和光合速率的表达式；

计算在光照强度最大的位置的随机分枝的坐标位置；

在模拟环境下寻优生长，确定最优路径。

2.根据权利要求1所述的机器人路径规划方法，其特征在于，所述采用蜂巢栅格法对机器人行走的环境地图进行构建，建立环境地图模型，具体包括：设蜂巢栅格的边长为1，xmax、ymax分别表示X轴方向和Y轴方向的最大值；e1、e2分别表示X轴和Y轴上一个单位的向量，且NX为X轴上的最大序号数，NY为Y轴上的最大序号数；

则栅格坐标与序号的关系表示为：

其中，Nx1为第一奇数行栅格最大序号数，Nx2为第一偶数行栅格最大序号数。

3.根据权利要求1所述的机器人路径规划方法，其特征在于，所述任意位置处枝条的光照强度表达式为：其中，I(i)表示坐标(xi,yi)处枝条的光照强度，kl表示光照强度系数，(xT,yT)是目标位置的坐标，(xB,yB)是起始位置的坐标。

4.根据权利要求1所述的机器人路径规划方法，其特征在于，所述随机分枝的坐标位置为：其中， 表示t代枝叶所感应到的光照强度的最强位置，即最佳生长素点的坐标位置，也是向光产生分枝点的坐标位置； 表示该最强位置处向光方向的随机数，t表示分枝前该枝生长周期，t+1表示分枝后该枝生长周期。

5.根据权利要求1所述的机器人路径规划方法，其特征在于，所述对机器人的折线路径进行平滑处理，具体包括：采用三阶贝塞尔曲线进行路径平滑，根据平滑后的曲线有无避开障碍物，建立相应的选择机制对避开障碍物、没有避开障碍物两种情况进行选择，使机器人的行走路径最大程度上平滑。

6.根据权利要求5所述的机器人路径规划方法，其特征在于，所述根据平滑后的曲线有无避开障碍物，建立相应的选择机制对避开障碍物、没有避开障碍物两种情况进行选择，具体包括：设定规划出的路径点到障碍物的最小距离为Lmin，路径点到障碍物的安全距离为Dsafe，式中：xi(t)和yi(t)是贝塞尔曲线规划后的路径点坐标；x0(i)和y0(i)是栅格地图中各障碍物的圆心；R(i)是各障碍物的半径大小；

当路径点与障碍物的最小距离大于或等于安全距离时，选择贝塞尔曲线规划后的曲线路径段；当路径点与障碍物的最小距离小于安全距离时，放弃贝塞尔曲线规划的路径，选择原始算法下的路径规划段。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现以下步骤：采用蜂巢栅格法对机器人行走的环境地图进行构建，建立环境地图模型；

对机器人的行走路径进行最优路径搜索，规划出一条最优路径；

对机器人的折线路径进行平滑处理；

其中，所述对机器人的行走路径进行最优路径搜索，规划出一条最优路径，具体包括：利用树向光分枝生长的寻优原理，采用树生长模拟算法对移动机器人进行全局遍历式路径规划，寻找出一条从起点到终点的最优路径；

所述树生长模拟算法的具体过程包括：

计算环境地图内任意位置处枝条的光照强度和对应的光合速率，建立光照强度和光合速率的表达式；

计算在光照强度最大的位置的随机分枝的坐标位置；

在模拟环境下寻优生长，确定最优路径。

8.一种计算机设备，包括存储器、处理器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程序时实现以下步骤：采用蜂巢栅格法对机器人行走的环境地图进行构建，建立环境地图模型；

对机器人的行走路径进行最优路径搜索，规划出一条最优路径；

对机器人的折线路径进行平滑处理；

其中，所述对机器人的行走路径进行最优路径搜索，规划出一条最优路径，具体包括：利用树向光分枝生长的寻优原理，采用树生长模拟算法对移动机器人进行全局遍历式路径规划，寻找出一条从起点到终点的最优路径；

所述树生长模拟算法的具体过程包括：

计算环境地图内任意位置处枝条的光照强度和对应的光合速率，建立光照强度和光合速率的表达式；

计算在光照强度最大的位置的随机分枝的坐标位置；

在模拟环境下寻优生长，确定最优路径。