1.一种基于Voronoi‑APF算法的群组机器人路径规划方法，其特征在于，包括如下步骤：

(1)利用栅格法进行环境建模，并对障碍物进行预处理；

(2)采用匈牙利算法和替换策略为群组机器人进行目标指派；

(3)通过群组机器人的实时位置构建Voronoi图，各机器人各自使用人工势场算法进行路径规划，并对其运动空间进行划分，限制其路径在构建的Voronoi图的对应分割空间中，即机器人单次运动到终点或分隔空间的边界便停止；重复该步骤，直到所有群组机器人到达指定终点。

2.根据权利要求1所述的一种基于Voronoi‑APF算法的群组机器人路径规划方法，其特征在于：所述基于Voronoi‑APF算法的群组机器人路径规划方法还包括步骤(4)，对群组机器人的运动控制进行优化，实现群组机器人的运动控制。

3.根据权利要求1所述的一种基于Voronoi‑APF算法的群组机器人路径规划方法，其特征在于：所述步骤(1)具体如下：机器人在2D空间运动，已知：①所有机器人起点；②目标配置要求；③障碍物信息；则机器人自组装环境用有限空间存储以及表达，采用栅格法进行环境建模：选取适当的矩形空间，满足空间包含上述①②位置，再将环境划分成u×v个栅格；

最后采用直角坐标法表示栅格位置，则任意栅格均可用数据对{x，y}表示坐标；

在对障碍物进行预处理时，将机器人视作质点，对障碍物进行膨胀化处理，即保持障碍物形状不变，障碍物外围轮廓向外偏移一定距离；

对障碍物进行了上述的膨胀化处理后，只保留膨胀后增加部分的障碍物信息，舍弃原障碍物信息；基于上述环境建模和障碍物处理后，后续工作将基于如下四种假设展开：2D平面除障碍物外均匀光滑；机器人可确定自身坐标与运动方向；机器人有足够能力完成任务；

自组装任务可完成。

4.根据权利要求1所述的一种基于Voronoi‑APF算法的群组机器人路径规划方法，其特征在于：所述步骤(2)具体如下：

假设群组机器人中有N个机器人，其位置集合为S＝{S1，S2，...，SN}，假设目标配置集合为T＝{T1，T2，...，TN}，为了获得最小代价完成一一对应的目标配置，则问题转化为指派问题；

对于成本矩阵 其中ci，j代表机器人Si到目标Tj的代价，需要找到最优指派矩阵X，需满足如下公式：

根据康尼格定理：系数矩阵中独立0元素的最多个数等于能覆盖所有0元素的最小直线数，采用匈牙利算法计算指派矩阵流程如下：(i)成本矩阵C各行所有元素减去该行最小值，各列所有元素减去该列最小值；

(ii)若能找到N个独立的0元素，则可以进行指派，0元素对应位置的Xi，j＝1，其他位置Xi，j＝0，指派结束；

(iii)对于K(K＜N)个独立的0元素，用K条直线覆盖所有0元素，找到最小的未覆盖元素a，未被覆盖的行所有元素都减a，被覆盖的列所有元素都加a；返回步骤(ii)；

考虑到代价矩阵无法在复杂环境下精准得出，设定了更新目标指派的时间阈值Δt，若当前时间距离上次目标指派时间超过阈值Δt，则重新进行目标指派；其次，传统的代价矩阵采用欧式距离或曼哈顿距离，如下式所示；

hm＝dx+dy

其中，ho代表欧式距离，hm代表曼哈顿距离，dx，dy分别代表起点与终点的横坐标、纵坐标之差；在此采用对角距离，如下式所示：hd＝D(dx+dy)+(D2‑2*D)*min(dx，dy)其中，D表示机器人进行平行移动的移动代价，D2表示机器人进行对角移动的移动代价；

指派矩阵 与 均为最优指派；

若选择指派矩阵X2，机器人S2将会阻挡机器人S1；考虑自组装的实际需求，应当选择指派矩阵X1，即S1→T1，S2→T2；类似情况下，匈牙利算法生成结果可能有多个相同最优解结果，引入替换策略：

当匈牙利算法运行结束后，若存在两对目标指派Sa→Ty，Sb→Tz，同时满足下式，则交换两机器人的目标点，即修改指派矩阵：Ca，y+Cb，z＝Ca，z+Cy，babs(Ca，z‑Cy，b)＜abs(Ca，y‑Cb，z)。

5.根据权利要求1所述的一种基于Voronoi‑APF算法的群组机器人路径规划方法，其特征在于：所述步骤(3)具体为：通过机器人当前位置集合S，采用Delaunay三角剖分法构建Voronoi图，将全空间UU划分为NN个单元V＝{V1，V2，...，Vn}，其与集合S元素一一对应，满足下式：

Vi＝{p∈U|d(p，Xi)≤d(p，Xj)for all j≠i}对于每个单元Vi，其均为凸多边形；采用一组离散结点P＝{p1，p2，...，pk}表示；假设该离散点集合按顺时针排序，对于单元内的任意一点Q，恒满足下式，则该点位于Vi中；

将群组中单个机器人看作节点，则基于机器人节点位置构建Voronoi图具有以下性质：Voronoi单元中任意一点到该单元机器人节点的距离均小于或等于该点到相邻单元机器人节点的距离，同时基于单个机器人节点的位置对空间平面进行剖分，所以生成Voronoi单元中有且仅有一个机器人节点；因此可利用Voronoi图中各个节点关系或者单元之间的几何特征来约束群组机器人路径规划中碰撞避免；

每个机器人在对应单元中，使用人工势场算法进行路径规划，当机器人到达对应的终点或超出运动范围时，则机器人单次迭代运动结束；需要注意的是，机器人同时向Voronoi图中的边界运动时，有极小概率在边界上发生碰撞，此时机器人可采取少量回退操作，避免碰撞发生。

6.根据权利要求2所述的一种基于Voronoi‑APF算法的群组机器人路径规划方法，其特征在于：所述步骤(4)机器人运动控制时，当机器人受到力的方向和运动方向一直成钝角时，会发生抖动现象，因此优化时，采用下式所示运动控制公式以解决抖动问题：

90°≤|Δθ|≤180°

其中，x(t)，y(t)表示机器人现在所在位置，x(t+1)，y(t+1)表示机器人所要到达的位置；θ(t)表示机器人当前的运动方向，Δθ表示机器人到达下一步位置所要改变多少运动方向，l表示机器人的运动距离；当机器人改变运动方向为锐角时，不改变运动规则，当机器人改变运动方向为钝角时，限制改变方向至多为直角；τ表示调整参数；基于上述运动规则，机器人采用两步法进行运动：先通过旋转满足方向要求，再通过直线运动满足位移要求。