1.一种授粉机器人机械臂避障路径规划方法，其特征在于，包括以下步骤：通过深度相机获取深度图像，根据所述深度图像获取障碍物位姿和所述机械臂的授粉目标点位姿；

根据所述障碍物位姿和所述授粉目标点位姿，通过带线性回归的三维RRT算法获取初始路径；

通过A*算法对所述三维RRT算法进行优化，以获取最优路径；

通过人工势场法对所述最优路径进行轨迹平滑，以获取最终路径；

根据所述最终路径对所述机械臂进行控制；

其中，根据所述障碍物位姿和所述授粉目标点位姿，通过带线性回归的三维RRT算法获取初始路径，包括：以起始点Xinit为圆心，以预设长度D为半径，在此三维空间里选取10个随机点作为新增节点Xrand进行扩展，其中，所述起始点为机械臂末端中心点所在位置；

分别判断所述新增节点Xrand与授粉目标点Xgoal的距离；

如果所述新增节点Xrand与所述授粉目标点Xgoal的距离小于预设值，则所述新增节点Xrand停止扩展；

如果所述新增节点Xrand与所述授粉目标点Xgoal的距离大于或等于预设值，则进一步判断所述新增节点Xrand和随机树上其他任意节点X的距离是否大于所述新增节点Xrand和其父节点Xpar的距离；

如果是，则将当前新增节点Xrand设为路径规划点Xnew；

根据所述路径规划点Xnew获取初始路径；

通过A*算法对所述三维RRT算法进行优化，以获取最优路径，包括：利用A*算法的估价函数估算每个新增节点Xrand到授粉目标点xgoal的路径估计值；

根据路径估计值获取最优路径。

2.根据权利要求1所述的授粉机器人机械臂避障路径规划方法，其特征在于，通过深度相机获取深度图像，根据所述深度图像获取障碍物位姿和所述机械臂的授粉目标点位姿，包括：根据所述深度图像识别花蕊的顶部中心点和底部坐标点；

根据所述顶部中心点和所述底部坐标点基于世界坐标系下的Y轴的数值，判断是否对当前花蕊进行授粉；

如果是，则根据所述深度图像识别花蕊位姿和所述障碍物的位姿，将所述花蕊位姿用四元数位姿表示；

根据所述四元数位姿反推得所述机械臂的授粉目标点位姿。

3.根据权利要求2所述的授粉机器人机械臂避障路径规划方法，其特征在于，通过人工势场法对所述最优路径进行轨迹平滑，以获取最终路径，包括：以所述路径规划点Xnew为引力场，以树枝为斥力场，获取所述引力场产生的引力和斥力场产生的斥力；

根据所述引力和所述斥力获取合力；

根据所述合力对所述路径规划点Xnew进行拟合，以获取最终路径。

4.根据权利要求1所述的授粉机器人机械臂避障路径规划方法，其特征在于，根据所述最终路径对所述机械臂进行控制，包括：通过逆运动学反解以计算出所述机械臂各个关节所需要旋转的弧度；

根据所述弧度对所述机械臂进行控制。

5.一种授粉机器人机械臂避障路径规划装置，其特征在于，包括：第一获取模块，所述第一获取模块用于通过深度相机获取深度图像，并根据所述深度图像获取障碍物位姿和所述机械臂的授粉目标点位姿；

第二获取模块，所述第二获取模块用于根据所述障碍物位姿和所述授粉目标点位姿，通过带线性回归的三维RRT算法获取初始路径；

优化模块，所述优化模块用于通过A*算法对所述三维RRT算法进行优化，以获取最优路径；

平滑模块，所述平滑模块用于通过人工势场法对所述最优路径进行轨迹平滑，以获取最终路径；

控制模块，所述控制模块用于根据所述最终路径对所述机械臂进行控制；其中，所述第二获取模块具体用于：以起始点Xinit为圆心，以预设长度D为半径，在此三维空间里选取10个随机点作为新增节点Xrand进行扩展，其中，所述起始点为机械臂末端中心点所在位置；

分别判断所述新增节点Xrand与授粉目标点Xgoal的距离；

如果所述新增节点Xrand与所述授粉目标点Xgoal的距离小于预设值，则所述新增节点Xrand停止扩展；

如果所述新增节点Xrand与所述授粉目标点Xgoal的距离大于或等于预设值，则进一步判断所述新增节点Xrand和随机树上其他任意节点X的距离是否大于所述新增节点Xrand和其父节点Xpar的距离；

如果是，则将该新增节点Xrand设为路径规划点Xnew；

根据所述路径规划点Xnew获取初始路径；

所述优化模块具体用于：

利用A*算法的估价函数估算每个新增节点Xrand到授粉目标点xgoal的路径估计值；

根据路径估计值获取最优路径。

6.根据权利要求5所述的授粉机器人机械臂避障路径规划装置，其特征在于，所述第一获取模块具体用于：根据所述深度图像识别花蕊的顶部中心点和底部坐标点；

根据所述顶部中心点和所述底部坐标点基于世界坐标系下的Y轴的数值，判断是否对当前花蕊进行授粉；

如果是，则根据所述深度图像识别花蕊位姿和所述障碍物的位姿，将所述花蕊位姿用四元数位姿表示；

根据所述四元数位姿反推得所述机械臂的授粉目标点位姿。