1.基于人工势场与滚动窗口的机器人的动态避障方法，其特征在于：该方法包含如下步骤S1：设置机器人运动时与障碍物的绝对安全距离D以及目的地的位置坐标信息X(x，y)；

S2：通过机器人的历史里程计数据与当前环境信息E0i来判定当前机器人在全局坐标系中的位姿S3：根据当前机器人位姿、当前的环境特征信息、目的地坐标以及全局坐标信息利用A星寻路算法得到一条静态初始最优路径路线Sfirst，并且开始执行；

S4：利用滚动窗口法，时刻扫描并更新当前窗口下的实时环境信息F1i，实时计算出Δt时间窗口内的环境中是否有障碍物的存在，并判定是否有障碍物：如果没有障碍物存在，则继续执行Sfirst，更新并保存当前环境信息数据E0i＝E1i(i1，2，

3...，n)，其中n为正整数，并执行S6；

如果有障碍物存在，则执行S5；

S5：判断障碍物的距离是否在设置的绝对安全距离以内，如果不在则执行S6；

如果在绝对安全距离以内，则处理后进行路径重新规划更新Sfirst，然后执行S2；

S6：判断是否已经到达目的地坐标位置X(x，y)，如果到达则结束本次导航，如果没有到达，则返回S2继续执行。

2.根据权利要求1所述的基于人工势场与滚动窗口的机器人的动态避障方法，其特征在于：步骤S2具体为，通过机器人的历史里程计数据结合当前环境信息E0i与地图环境模型进行匹配，定位当前机器人在全局坐标系中的位姿根据Eti与 判断t时刻环境中的障碍物的全局坐标为Ooti(Xti，Yti)，满足：其中，(xt，yt)为t时刻机器人的全局坐标，d0i为第i个障碍物到机器的距离，θt为机器人t时刻位姿角度，k是障碍物和机器人位姿指向之间的夹角。

3.根据权利要求2所述的基于人工势场与滚动窗口的机器人的动态避障方法，其特征在于：步骤S5具体为：S51：根据障碍物坐标Oo0i(X0i，Y0i)与Oo1i(X1i，Y1i)对当前环境中的障碍物进行分类，满足：其中，Zso0i表示静态障碍物，Zdo0i表示动态障碍物，l+m≤n，ΔS表示障碍物在t时间内所变化的距离，ΔS＝S1i-S0i， 表示障碍物t时刻的位置，S0i表示障碍物初始时刻位置；

S52：根据障碍物类型进行判定，若为静态障碍物，则将静态障碍物与机器人之间的距离dso与绝对安全距离D进行比较，Δd＝dso-D，若Δd＞0，则继续按照规划的路线Sfirst前进，若Δd＜0，则重新规划Snew，避开静态障碍物，更新Sfirst＝Snew；

若为动态障碍物，则根据当前动态障碍物的运动状态v1与Sfirst判断该动态障碍物是否对机器人当前的路线存在危险，若不存在危险，则继续按照规划的路线Sfirst前进，若存在危险，则根据影响情况重新规划Snew，避开动态障碍物，更新Sfirst＝Snew。

4.根据权利要求3所述的基于人工势场与滚动窗口的机器人的动态避障方法，其特征在于：步骤S52中根据当前动态障碍物的运动状态v1与Sfirst判断该动态障碍物是否对机器人当前的路线存在危险具体为：设动态障碍物的运动轨迹参数方程为：

当前导航路线Sfirst下机器人的运动轨迹参数方程为：

联立方程fo(t)与方程fr(t)进行求解，并判定：

若方程组有解则表明两个方程有交点(xi,yi,ti)(i＝0,1,…)，即在t＝ti(i＝0,1,…)两个方程在点(xi,yi)(i＝0,1,…)相交，机器人将会与动态障碍物发生碰撞，则当前路线存在危险，需要重新规划；

若方程组无解则表明两个方程没有交点，即当前路线不存在危险，不会与动态障碍物发生碰撞。

5.根据权利要求4所述的基于人工势场与滚动窗口的机器人的动态避障方法，其特征在于：若当前路线存在危险，需要重新规划，避开障碍物重新规划的具体方法满足：当把可能的危险交点(xi,yi)(i＝0,1,…)代入到原来的静态地图中以后，得到一个新的静态地图，然后利用人工势场法，先得到局部最优方向，然后沿着这方向使用A星寻路算法得到新的路径规划Snew，更新Sfirst＝Snew。