1.一种基于改进蚁群算法的移动机器人路径规划方法，其特征在于，包括如下步骤：S1、根据环境障碍物分布特点建立栅格地图，初始化栅格信息素，并设置初始参数和确定移动机器人的起点和终点；

S2、初始化禁忌表，将蚁群算法的蚂蚁参数设为M只蚂蚁，并将移动机器人的起点和终点设为M只蚂蚁的起点和终点；

S3、根据蚂蚁的移动规则计算栅格地图中领域节点的启发信息值；

所述步骤S3中的蚂蚁的移动规则包括：蚂蚁的搜索方向以及蚂蚁的视野范围；

所述步骤S3中的启发信息值ηik的计算方法包括如下两种方法：第一种计算方法：

其中，θik表示蚂蚁搜索方向与理论最佳搜索方向之间的夹角，Dik表示蚂蚁下一时刻的移动方向，DiE表示蚂蚁理论上的最佳搜索方向，xk表示蚂蚁下一时刻到达位置的横坐标，xi表示蚂蚁当前位置的横坐标，xE表示终点的横坐标，yk表示蚂蚁下一时刻到达位置的纵坐标，yi蚂蚁当前位置的纵坐标，yE表示终点的纵坐标；

第二种计算方法：

其中，θik表示蚂蚁搜索方向与理论最佳搜索方向之间的夹角，xk表示蚂蚁下一时刻到达位置的横坐标，xi表示蚂蚁当前位置的横坐标，xE表示终点的横坐标，yk表示蚂蚁下一时刻到达位置的纵坐标，yi蚂蚁当前位置的纵坐标，yE表示终点的纵坐标；

S4、根据所述启发信息值计算栅格的转移概率，并根据所述转移概率的控制参数确定蚂蚁下一时刻到达的位置，更新禁忌表；

所述栅格的转移概率 的表达式如下：

其中，τik表示t时刻路段(i,k)上的信息素量，ηik表示蚂蚁m从节点i到节点k的启发信息值，τis表示蚂蚁m从节点i到节点s的信息素浓度，α表示信息启发式因子，β为期望启发式因子，allowedm表示蚂蚁m下一步允许选择的节点集合；

S5、将所有蚂蚁完成一次路径搜索，并更新成功抵达终点的蚂蚁走过的路径上的栅格信息素；

S6、判断是否完成预设的迭代次数，若是，则输出最优路径，从而完成移动机器人的路径规划，反之，则返回步骤S2。

2.根据权利要求1所述的基于改进蚁群算法的移动机器人路径规划方法，其特征在于，所述步骤S1中设置初始参数包括设置栅格的初始信息素浓度、蚁群算法的迭代次数、蚂蚁投放数量、信息启发式因子、期望启发因子以及栅格信息素的挥发系数。

3.根据权利要求1所述的基于改进蚁群算法的移动机器人路径规划方法，其特征在于，所述蚂蚁的搜索方向为：搜索栅格地图中的16个方向和24个领域节点，且蚂蚁的转角为

22.5°。

4.根据权利要求3所述的基于改进蚁群算法的移动机器人路径规划方法，其特征在于，所述蚂蚁的视野范围为：将所述24个领域节点分为1级视野范围栅格和2级视野范围栅格，其中，所述1级视野范围栅格满足的条件为：

所述2级视野范围栅格满足的条件为：

其中，L表示栅格的边长，dik表示蚂蚁当前位置栅格中心到领域栅格中心的距离。

5.根据权利要求4所述的基于改进蚁群算法的移动机器人路径规划方法，其特征在于，针对1级视野范围栅格和2级视野范围栅格的启发信息值相同时，蚂蚁选择1级视野范围内的领域栅格作为下一时刻到达的位置。

6.根据权利要求1所述的基于改进蚁群算法的移动机器人路径规划方法，其特征在于，所述步骤S4包括如下步骤：S401、根据所述启发信息值计算栅格的转移概率；

S402、生成一个随机数ω，且ω∈[0,1]；

S403、判断所述转移概率的控制参数σ是否大于所述随机数ω，若是，则进入步骤S404，反之，则进入步骤S405，其中，σ∈[0,1]；

S404、通过轮盘赌策略选择邻域栅格作为蚂蚁下一时刻到达位置,更新禁忌表；

S405、选择转移概率最大的邻域栅格作为蚂蚁下一时刻到达位置,更新禁忌表。

7.根据权利要求1所述的基于改进蚁群算法的移动机器人路径规划方法，其特征在于，所述步骤S5中栅格信息素τik(t+1)的表达式如下：τik(t+1)＝(1-ρ)τik(t)+Δτik(t)其中，ρ表示信息素挥发系数，且ρ∈(0,1)，Δτik(t)表示M只蚂蚁一次循环之后在路段(i,k)上留下的信息素量， 表示蚂蚁m在路段(i,k)上留下的信息素量。