1.一种基于DWA的ROS机器人局部路径规划方法，其特征在于：包括，利用机器人SLAM建图构建全局地图并获取所述机器人的起始点和目标点；

在构建的所述全局地图中，利用改进的蚁群算法进行全局路径规划，寻找最优路径；

当所述机器人沿着全局最优路径运动时，利用所述机器人所携带的传感器实时检测局部环境信息更新地图信息；

判断是否存在动态障碍物，若存在，则调用DWA算法进行局部路径规划，避开障碍物；

当所述机器人到达局部目标点以后，继续沿着所述全局最优路径进行运动，并不断实时检测所述局部环境信息，若再出现所述障碍物，则继续调用所述DWA算法进行局部路径规划，直至所述机器人到达所述目标点；

所述蚁群算法包括，

蚂蚁如何移动完全取决于可转移节点的信息素浓度，则蚂蚁从节点i向可选转移节点j的转移概率 计算如下：其中，alowed(i)表示蚂蚁k在下一步移动时可选择转移节点的集合，α为信息素启发因子，是信息素含量，反映了从节点i向节点j移动路径的重要性，β为期望启发因子，表示启发信息，反映了节点i和节点j之间路径的距离；

信息素会在蚂蚁完成一次循环后进行更新，根据下式调整信息素的更新规则，τij(t+1)＝(1‑ρ)τij(t)+Δτij其中，ρ为挥发系数，为了避免路径上的信息量无限累加，设置ρ＜1，Δτij表示每次循环中路径上的信息素增量，Q表示信息素总量，Lk表示第k只蚂蚁在一次循环中通过路径的总长度，所述DWA算法包括，

根据机器人模型自身的有限速度和加速度约束，将笛卡尔坐标(x,y)转换成一组机器人速度集合构成的速度矢量空间；

直线行驶速度和旋转角速度组成一个速度对(v,ω)；

根据移动机器人的运动模型对不同的所述速度对(v,ω)对应的运动轨迹进行估计，利用评价函数来评价所述运动轨迹的优劣，最终选出评价最优的所述速度对；

所述机器人模型包括，

选择机器人轨迹是圆弧的机器人运动模型；

定义移动机器人在每一个周期内的运行轨迹为一条弧线，轨迹为直线时旋转角度为0，每一个所述速度对(v,ω)都唯一的对应一条轨迹；

移动机器人在t时刻的轨迹半径可以表示为

当所述移动机器人的角速度不为0时运动轨迹为圆弧，其位姿计算公式如下：θt+T＝θt+ωtT

t

其中，s＝[x,y,θ]表示移动机器人的位姿用向量，(xt,yt)为移动机器人的两个驱动轮的连线中点在t时刻在全局坐标系中的坐标，θt为移动机器人在t时刻的航向角，vt、ωt分别为t时刻机器人的平移速度和角速度，T为模拟周期，对于当前时刻位姿确定的所述移动机器人，每一个速度矢量(vt,ωt)都对应唯一的一条运动轨迹以及其一个周期内的位姿，因此需要对速度矢量空间进行采样；

所述移动机器人硬件性能存在限制，其速度和角速度都存在界限，所述速度矢量空间取值范围的界限可以表示为：Vm＝{v∈[vmin,vmax],ω∈[ωmin,ωmax]}其中vmin、vmax为所述移动机器人的最小、最大线速度，ωmin、ωmax为所述移动机器人的最小、最大角速度，所述移动机器人的加速、减速性能都与电机的性能有关，则所述移动机器人在模拟周期内线速度和角速度的变化量有上限，如下：其中，vc、ωc为移动机器人当前的线速度和角速度， 为移动机器人线速度的最大加速度和最大减速度， 为移动机器人角速度的最大减速度和最大加速度，若使得所述移动机器人在与所障碍物发生碰撞前能够停下来，则应当与所述障碍物之间保持一定的安全距离，其对移动机器人的速度、角速度限制为其中，dist(v,ω)为速度对(v,ω)对应的轨迹距离障碍物最小的距离，对采样得到的速度矢量相对应的轨迹进行评价，找出评价值最好的轨迹，则所述评价函数如下：G(v,ω)＝ε(δ·heading(v,ω)+β·dist(v,ω)+γ·vel(v,ω))其中， θ为移动机器人在轨迹终点的航向与目标点之间的夹角，dist(v,ω)为障碍物与当前运动轨迹的最小距离，vel(v,ω)为此航迹对应的线速度值，δ、β、γ分别为夹角、距离、速度各评价因子项的加权系数，ε为对三项因子进行归一化处理，将每一个所述速度对相对应的各个评价因子除以所述模拟周期内所有轨迹的该项因子之和，如下：其中，n为模拟周期内采样的轨迹数，i为参与评价函数的当前轨迹，所述DWA算法包括，假设速度对在此段模拟轨迹期间的取值不变，直到下一个周期开始重新采样才更新速度对的取值；

最终可取的速度值为在所述夹角、距离、速度约束条件下的速度矢量空间的交集，即Vr＝Vm∩Va∩Vd动态窗口即为线速度和角速度可以取值的一个动态范围，若所述评价函数值越大，则所述轨迹越优，即选择一条距离障碍物最远、与目标点方向夹角最小、速度最大、三项评价因子最佳融合的轨迹，作为所述模拟周期内的避障轨迹，所述蚁群算法与DWA算法以插件的形式加入到move_base导航框架中，包括，创建一个抽象基类：定义统一通用接口；

注册插件：通过宏定义的方式将改进的算法添加到类中；

创建插件描述文件：以XML格式建立插件描述文件，用于存储插件名称、插件路径、插件类类型、插件基类类型的信息；

注册插件到ROS系统中：将XML文件注册到ROS中；

调用插件；

所述机器人在运动过程中，选择局部地图更新策略并利用自身携带的激光雷达传感器不断实时检测周围环境信息动态变化，将检测的结果与当栅格地图做对比；

当出现动态障碍物时，开始进行局部避障，以机器人为圆点，以机器人与障碍物距离的两倍为半径画圆，与全局路径的交点作为局部路径规划的目标点，更新描述环境的栅格地图并进行避障规划路径；

若没出现障碍物，则继续沿着全局路径运动前行检测环境信息，所述更新描述环境的栅格地图采用局部栅格地图更新的方式更新地图，即根据不同的应用场景，以机器人为中心作圆，设置不同的选择局部地图更新方法，有效检测半径。