1.一种基于路径可通过概率的搜救机器人目标搜索方法，其特征在于，包括以下步骤：S01：建立移动机器人工作环境的拓扑环境模型，记录节点间通路；

S02：建立节点间通路可通过概率的评估模型，并进行可靠性评估；

S03：根据优化指标，进行搜救关键节点序列规划；

S04：根据局部环境的通路可通过性，进行节点间路径规划；

S05：按照所获得路径执行搜索，根据实际状况更新拓扑数据集中的路径可通过概率；

若发现待救援目标，则将实时图像及目标位置发给救援人员；

S06：重复步骤S03至S05，直至完成搜索任务或收到停止搜索的指令。

2.根据权利要求1所述的一种基于路径可通过概率的搜救机器人目标搜索方法，其特征在于，步骤S01的过程包括：利用待救援环境的特征建立初始的特征地图，人工设置关键营救节点区域，利用双向回归快速随机树算法自动生成节点间的初始通路，同时记录通路的路径长度与特征；

移动机器人搜救区域满足：

与 间的连通路；

其中Si为机器人的第i个投放点，Ok是第k个搜救节点，Rk是第k个搜救节点附近的搜救区域，Lλ是搜救节点间的路径，M是待搜索与救援的区域拓扑环境模型，E是待搜索与救援的总体区域。

3.根据权利要求2所述的一种基于路径可通过概率的搜救机器人目标搜索方法，其特征在于，步骤S02的过程包括：对于移动机器人工作的拓扑环境模型M(O,L)，包括救援节点集合：O＝{Ok|Ok∈G,k＝1,2,3,...,m}与救援通路集合

L＝{Lλ|Lλ∈M,k＝1,2,3,...,n}.

路径可靠概率 是用来评估Oi与Oj之间机器人可以顺利通过的概率，如果存在τ个可能阻断路径的因素，每个因素导致的通过概率为 则 以如下模型评估

初期通过概率 可通过无人机拍摄分析或人工经验值设置；

M(O,L)的可靠性矩阵为

其中

4.根据权利要求3所述的一种基于路径可通过概率的搜救机器人目标搜索方法，其特征在于，步骤S03的过程包括：对于M(O,L)只保留搜救节点间的最短路，删减冗余通路，生成M′(O,L′)，L′是删减后的通路集合；判断M′(O,L′)是否连通且为欧拉图，如果存在顶点度数为奇数，则通过原始的M(O,L)补充为欧拉图；根据 中的权值与路径长度的加权平均值作为权值，权值均为0.5，使用Fleury算法产生关键节点的初步巡游序列。

5.根据权利要求4所述的一种基于路径可通过概率的搜救机器人目标搜索方法，其特征在于，步骤S04的过程包括：读入总体拓扑模型M(O,L)，将可靠性矩阵 的元素与路径长度进行加权，权值均为0.5，作为拓扑边权值，利用最小权值算法Dijkstra搜索节点间路径，生成机器人起始点到搜救节点，以及搜救节点间的路径；其中节点间实际路径用双向回归快速随机树算法根据机器人的约束自动生成。

6.根据权利要求5所述的一种基于路径可通过概率的搜救机器人目标搜索方法，其特征在于，步骤S05的过程包括：利用里程计、IMU与DGPS跟踪所生成的路径，并利用以雷达、全景相机、双目视觉以及红外测温传感器不断探测前方路径的可行性，将路径的可行性更新到拓扑环境模型中去；

对已探测过路况良好的安全可靠路径，可通过性置1，对于前方路径出现不可恢复性破坏，则可通过性置0；

对于可恢复性损坏，则可通过性置0，且可通过性随时间递增，可通过性恢复 与时间的评估公式可用下式计算，为t+1时刻的可通过性概率， 为t时刻的可通过性概率，δ为恢复速度系数，根据可恢复性障碍的特点进行设置，Δt是更新时间与上次更新间的时间间隔，单位为秒；

更新拓扑环境模型的可靠性矩阵