1.一种基于改进RRT算法的机械臂运动规划方法，其特征在于，根据串联机器人的路径规划的要求和特点，有以下步骤：步骤一：确认机器人的起始位姿和目标位姿，利用机器人的逆运动学分析，求得对应的关节值；

所描述的步骤一具体包括：对于选取的串联机器人，要构建好其运动学模型；在确定了起始位姿和目标位姿之后，利用构建的机器人运动学模型，求出与之对应的关节角；起始状态的关节角可以设为xstart，目标状态的关节角可以设为xgoal；

步骤二：初始化机器人的工作环境，确定环境中障碍物的基本信息；

所描述的步骤二具体包括：要对工作环境中可能会与机器人发生碰撞的一些障碍物进行位置和体型上的确定；这是由于在进行机器人路径规划的过程中，每个新节点的产生都需要映射到机器人的工作空间，判断在新节点的环境下是否会与环境发生碰撞；

步骤三：在传统RRT算法的基础上，引入了生成随机采样点组，和目标点引力势场的方法对算法的扩展进行处理；

所描述的步骤三具体包括：在确定起始位置和终点位置之后，在起始位置的基础上构建随机树；在机器人的关节空间中选取一组随机采样点xrandi，并根据xrandi与目标点的距离由近到远开始进行排序，依次选取xrandi，在随机树中选取距离最近的节点xnearrest,然后开始确定新节点延伸的方向；新节点的延伸方向是依据xrandi和终点位置共同参与下决定的，两者对方向的影响力会根据设置参数kp进行控制；确定方向之后，以xnearrest开始向xrandi方向按照既定的步长进行新节点的延伸，得到新生节点xnew；此时要对新生节点xnew与xnearrest之间的路径进行碰撞检测，如果新生节点通过了碰撞检测，就可以将新生节点添加到随机树中；接下来就可以对随机树不停地进行扩展，最终找到目标点，具体的步骤分析如下：(1)对随机树进行扩展，将已确定的起始位置作为起始点进行扩展，即将其设为根节点；自由空间中选取一组随机采样点，随机采样点的选取是独立且随机的，但是要选取一组随机采样点；将这一组随机采样点计算求得距离目标点的距离，并依据得到的距离值从近到远进行排序；然后在随机树中找到距离第一个随机采样点最近的节点；

(2)确定新节点的延伸方向；新节点的延伸方向是由目标点和选取的随机采样点共同决定的；

(3)对新节点以及新节点的相应路径进行碰撞检测；如果检测未发现碰撞，则可以将新节点添加到随机树中，继续进行；如果发现产生了碰撞，首先判断随机采样点数组是否有剩余选项，如果有，那么将进行两处参数的修改：一是将选取的随机采样点按照要求后移，二是将参数kp进行减少；如果没有，就需要从选取随机采样点数组开始进行重新地计算；

(4)判断新节点是否到达了目标节点；如果到达了，就结束随机树的生长；如果没有，就从第一步开始继续对随机树进行扩展；

(5)根据得到的随机树，从目标点开始找到完整的路径；

步骤四：在得到了相对应的路径之后，利用适用于商旅问题的弹性带算法对得到的路径进行进一步的优化；在机器人的关节空间运用改进算法进行路径规划，得到了其对应的由起始点到目标点的安全路径；

所描述的步骤四具体包括：由于对路径的生成过程是随机的，因此得到的路径在局部上还是充满了曲折；在这里对路径进行优化；利用弹性带原理，将得到的路径点看成弹性带中的一个个节点；在不会与障碍物发生碰撞的基础之上，将得到的路径进行拉伸，使路径在局部上更加符合最优路径的方式；

步骤五：为了使机器人在运行过程中更加柔顺，在这里将会对得到的路径用B样条曲线函数进行拟合，并确保拟合后的曲线经过关键路径点；

所描述的步骤五具体包括：为了使机器人的关节运动曲线在高阶导数上仍是连续的，利用B样条曲线函数进行拟合；利用反求控制点的方法，使拟合后的曲线仍旧可以顺利通过既定的路径点。