1.基于多采样点的引力自适应步长双向RRT路径规划方法，其特征在于，所述路径规划方法包括以下步骤：S1.从起始点和目标点同时初始化两棵随机树T1、T2，设置初始步长s、引力系数k、最大执行次数max、连接阈值δ、距离设定值σ参数的初始值；

S2.生成多个采样点，运用多采样点比较选优原则找到采样点Xrand；

S3.找到随机树T1中与Xrand最接近的节点Xnear，加入引力分量计算得到新节点Xnew；

S4.对采样点Xnear与新节点Xnew之间的连线进行障碍检测，若无障碍则执行步骤S5，若有障碍则返回步骤S2，并采用自适应步长的策略调整引力系数k的值；

S5.找到随机树T2中离新节点Xnew最近的节点Xnear1，判断节点Xnear1与新节点Xnew之间是否有障碍，若有则执行步骤S7；若没有则执行步骤S6；

S6.判断节点Xnear1与新节点Xnew之间的距离是否小于连接阈值δ，若小于连接阈值δ，则执行步骤S8；若距离大于连接阈值δ，则执行步骤S7；

S7.将随机树T1、T2交换进行扩展，重复循环步骤S2‑S7至获得初始路径；

S8.对初始路径进行优化；

所述步骤S4中采用自适应步长的策略调整引力系数k的值，在移动机器人的路径规划中具体步骤为：B1.如果移动机器人在运动过程中一路畅通，没有遇到障碍物，即两者之间的距离大于距离设定值σ时，应使目标引力方向的步长k·s变大以使机器人朝向目标点运动从而尽快到达目标点，此时应令引力系数k为初始值；

B2.当移动机机器人遇到障碍物时，应令随机点方向的步长s占比重变大以使机器人能够准确避开障碍物，此时自适应地减小引力系数k的值，再次执行步骤S2到步骤S8；若循环过程中再次遇到障碍物，则继续减小k值以保证避障的准确性；

若循环过程中k小于0了，则将k赋予一个0～1之间的定值，继续执行步骤S2到步骤S8，引力系数k的具体取值公式如下：

2.根据权利要求1所述的基于多采样点的引力自适应步长双向RRT路径规划方法，其特征在于，所述步骤S2中运用多采样点比较选优原则找到采样点Xrand，利用rand函数生成n个候选采样点，计算这n个候选采样点与目标点之间的距离，找到离目标点最近的一个节点作为采样点Xrand。

3.根据权利要求1所述的基于多采样点的引力自适应步长双向RRT路径规划方法，其特征在于，所述步骤S3中加入引力分量计算得到新节点Xnew，计算公式如下：其中，s为随机点方向的步长，k为引力系数，k·s为引力方向的步长，||xrand‑xnear||、||xgoal‑xnear||分别为随机点与最近点、目标点与最近点之间的欧氏距离。

4.根据权利要求1所述的基于多采样点的引力自适应步长双向RRT路径规划方法，其特征在于，所述步骤S8中用Dijkstra算法来优化路径，具体步骤为：C1.首先，将算法得到的初始路径所含点中除起始点外的其它点放到一个集合M中，并新建一个初始只含有起始点的最短路径点集合N；

C2.其次，通过计算路径代价找到矩阵M中离起始点最近的一个点，将其放入集合N中并更新集合M和N；

C3.最后，循环进行步骤C1、C2，直到遍历所有节点将集合M中的点全部放入集合N中，形成起始点到目标点的最短路径。