1.一种无人机控制路径优化方法，其特征在于，所述路径优化方法，包括：获取无人机飞行途中需经过的路径节点及数量，将所述路径节点进行随机排列产生随机路径；

计算所述随机路径的适应度值，根据所述适应度值选择目标路径；

获取所述无人机按照所述目标路径飞行时的障碍环境数据；

将所述无人机的实际飞行位置作为中心点，依据所述障碍环境数据生成活动窗口，将所述活动窗口划分为多个连续的二维栅格，并获取每个所述二维栅格的障碍概率值；所述活动窗口是以无人机的激光雷达传感器和深度实感摄像头所能测的最远距离的两倍为边长的正方形区域；

根据所述障碍概率值确定其对应的所述二维栅格的栅格向量；所述栅格向量包括栅格向量值和栅格向量角；

将所述活动窗口进行区域划分，根据区域内的所述栅格向量的所述栅格向量值，计算所述区域的区域障碍密度；

根据所述区域障碍密度确定目标区域；

根据所述目标区域确定目标方向；

依据所述目标路径飞行，当遇到障碍时，按照所述目标方向进行躲避，进而确定所述无人机的实际飞行路径；

所述计算所述随机路径的适应度值，根据所述适应度值选择目标路径，包括：确定组成所述随机路径的所述路径节点的序号；

根据所述序号对所述随机路径进行实数编码；

计算所述实数编码后的所述随机路径中的相邻路径节点距离和值的倒数，记为第一和值，将所述第一和值确定为所述随机路径的适应度值；

选择所述适应度值最小的所述随机路径作为目标随机路径；

判断此时的迭代次数是否等于迭代次数阈值；

若所述迭代次数等于所述迭代次数阈值，则确定所述目标随机路径为目标路径；

栅格向量值通过如下公式进行计算：

*

mi，j＝(ci，j)×(a‑b×di，j)

该公式中，mi，j表示的是横坐标第i个，纵坐标第j个的栅格向量的栅格向量值，a，b是正*常数；ci，j 是活动窗口内横坐标第i个，纵坐标第j个二维栅格的障碍概率值；di，j是该横坐标第i个，纵坐标第j个二维栅格到无人机的位置的距离值；

栅格向量角通过如下公式进行计算：

该公式中，βi，j指的是横坐标第i个，纵坐标第j个二维栅格的栅格向量角，x0，y0是无人机的绝对位置坐标，xi，yj是该横坐标第i个，纵坐标第j个二维栅格的中心点的绝对位置坐标。

2.根据权利要求1所述的无人机控制路径优化方法，其特征在于，所述判断此时的迭代次数是否等于迭代次数阈值之后，还包括：将所述随机路径确定为第一路径，若所述迭代次数不等于迭代次数阈值，将所述第一路径的所述适应度值求和得到第二和值，计算所述第一路径的所述适应度值与所述第二和值的比值，将所述比值确定为所述第一路径的适应度概率；

根据所述适应度概率，通过轮盘赌法对所述第一路径中的随机路径进行多轮选择，对选择出的随机路径通过单点交叉、逆转变异操作生成第二路径；

计算所述第二路径的所述适应度值，根据所述适应度值选择所述目标路径，将所述迭代次数加一，将所述第二路径作为所述第一路径，判断此时的迭代次数是否等于迭代次数阈值，若满足判断条件则结束循环。

3.根据权利要求2所述的无人机控制路径优化方法，其特征在于，所述根据所述适应度概率，通过轮盘赌法对所述第一路径中的随机路径进行多轮选择，对选择出的随机路径通过单点交叉、逆转变异操作生成第二路径，包括：根据所述第一路径的适应度概率构造适应度概率轮盘，此轮盘区间由第一路径的各随机路径的适应度概率累加组成；

随机生成第一随机数，所述第一随机数的大小决定第二路径中的随机路径的选择；

随机生成第二随机数，判断所述第二随机数是否大于预置交叉概率；

若所述第二随机数大于所述预置交叉概率，则将所述第一路径中的所述随机路径两两配对组成路径对，随机选择所述路径对的交叉点；

随机选择路径对中的一个所述随机路径确定为第一父代路径，将所述路径对中的另一个所述随机路径确定为第二父代路径，复制所述第一父代路径的第一位编码至所述交叉点的前一位编码，将复制的所述第一父代路径的部分编码作为第一前部分路径；再从所述第二父代路径的第一个编码开始扫描，若所述第一前部分路径的编码中没有出现过所述第二父代路径中的编码，则将其添加至所述第一前部分路径，直至所述第二父代路径全部扫描完成，则将全部添加完成的所述第一前部分路径确定为第一子代路径；

复制所述第二父代路径的第一位编码至所述交叉点的前一位编码，将复制的所述第二父代路径的部分编码作为第二前部分路径；再从所述第一父代路径的第一个编码开始扫描，若所述第二前部分路径的编码中没有出现过所述第一父代路径中的编码，则将其添加至所述第二前部分路径，直至所述第一父代路径全部扫描完成，则将全部添加完成的所述第二前部分路径确定为第二子代路径；

将所述第一子代路径与所述第二子代路径确定为交叉路径；

随机生成第三随机数，判断所述第三随机数是否大于预置变异概率；

若所述第三随机数大于所述预置变异概率，则随机选择所述交叉路径的两个逆转点，将两个逆转点对应的编码位置互换，确定为经逆转变异后的随机路径将作为所述第二路径中的路径。

4.根据权利要求3所述的无人机控制路径优化方法，其特征在于，所述随机生成第二随机数，判断所述第二随机数是否大于预置交叉概率之后，还包括：若所述第二随机数不大于所述预置交叉概率，则将所述第一路径确定为所述交叉路径。

5.根据权利要求3所述的无人机控制路径优化方法，其特征在于，所述随机生成第三随机数，判断所述第三随机数是否大于预置变异概率之后，还包括：若所述第三随机数不大于所述预置变异概率，则将所述交叉路径确定为第二路径。

6.根据权利要求1所述的无人机控制路径优化方法，其特征在于，所述根据所述障碍概率值确定其对应的所述二维栅格的栅格向量，包括：计算所述二维栅格的中心点到所述无人机的位置的距离值，计算第一正常数与所述距离值的乘积记为第一乘积，将第二正常数与所述第一乘积做差值，计算所述二维栅格对应的所述障碍概率值的平方与所述差值的乘积记为第二乘积，将所述第二乘积确定为所述栅格向量值；

根据所述无人机的绝对位置坐标与所述二维栅格的绝对位置坐标通过反正切函数，确定所述栅格向量角；

根据所述栅格向量值和所述栅格向量角确定其对应的所述二维栅格的所述栅格向量。

7.根据权利要求1所述的无人机控制路径优化方法，其特征在于，将所述活动窗口进行区域划分，根据区域内的所述栅格向量的所述栅格向量值，计算所述区域的区域障碍密度，包括：根据角分辨率，对所述活动窗口进行区域划分；

将每一区域内的所述栅格向量的栅格向量值求和得到第三和值，将所述第三和值确定为每一区域障碍密度值。

8.根据权利要求1所述的无人机控制路径优化方法，其特征在于，所述根据所述区域障碍密度确定目标区域，包括：选择所述区域障碍密度小于障碍密度阈值的区域作为候选区域；所述候选区域包括至少一个所述区域；

选择包括连续数量最多的所述区域的所述候选区域确定为所述目标区域。

9.根据权利要求1所述的无人机控制路径优化方法，其特征在于，所述根据所述目标区域确定目标方向，包括：计算所述目标区域两端的所述栅格向量的栅格向量角的和值，记为第四和值，将所述第四和值的一半确定为目标方向。