1.一种动态环境下趋势感知的机器人轨迹规划方法，其特征在于，所述动态环境下趋势感知的机器人轨迹规划方法，包括：利用三维激光系统感知机器人状态和检测动态障碍物状态，在构形空间中，将机器人和动态障碍物作为一个质点，定位到同一个世界坐标系下；

对全局路径规划器规划的路径进行裁剪、离散化与时序化，使之变成一条离散的初始轨迹，通过感知估计动态障碍物的速度，预测动态障碍物的运动轨迹；

根据机器人的初始轨迹与动态障碍物的运动轨迹来构建两者的趋势轨迹，通过两者趋势轨迹的相交与重叠程度，构建约束条件；

将构建的约束条件映射到超图，转化为具有约束近似的无约束最小二乘优化问题并求解，对机器人轨迹进行优化。

2.根据权利要求1所述的动态环境下趋势感知的机器人轨迹规划方法，其特征在于，所述将机器人和动态障碍物作为一个质点，其中动态障碍物表示为一个向外膨胀的圆形。

3.根据权利要求1所述的动态环境下趋势感知的机器人轨迹规划方法，其特征在于，所述对全局路径规划器规划的路径进行裁剪、离散化与时序化，使之变成一条离散的初始轨迹，通过感知估计动态障碍物的速度，预测动态障碍物的运动轨迹，包括：根据实时更新的机器人位置裁剪已经经过的路径，将剩余的路径作为构建初始轨迹的输入；

对裁剪后的路径进行离散化，机器人状态被表示为ci，其中ci由机器人位置xi，yi和朝向βi组成，离散化处理后的机器人状态的集合为：R＝{ci}i＝0…n；

连续两个机器人状态通过时间间隔Δti相互联系，T为时间间隔的集合，表示为：T＝{Δti}i＝0…n-1

获取的机器人初始轨迹P由机器人状态与时间间隔组成，表示为：P＝{(c0,Δt0,c1,Δt1,c2,..,Δtn-1,cn)}；

根据动态障碍物的初始位置 与速度 动态障碍物在t时刻的预测位置Oj(t)为：其中，n+1为初始轨迹中机器人状态离散点数量，i表示离散状态序号，j表示动态障碍物序号。

4.根据权利要求3所述的动态环境下趋势感知的机器人轨迹规划方法，其特征在于，所述根据机器人的初始轨迹与动态障碍物的运动轨迹来构建两者的趋势轨迹，通过两者趋势轨迹的相交与重叠程度，构建约束条件，包括：根据机器人初始轨迹与动态障碍物运动轨迹，构建各自的趋势轨迹预测方程：其中pi代表了某一时刻机器人在轨迹上的位置，由xi，yi组成，vi代表了机器人的速度，和 分别是机器人与动态障碍物的趋势参数， 和 分别代表了预测轨迹后的机器人与动态障碍物的状态；

计算获取每个时刻的机器人状态与每个检测到的障碍物状态的距离：δ(ci,Oj(t))＝||Oj(t)-pi||2；

该距离用于判断机器人与动态障碍物的远近程度，引出障碍约束zi：zi(ci,t)≥0；

其中δmin是动态障碍物与机器人之间的最小空隙；

用σmin表示成机器人与障碍物之间保持安全间隙的一个最小交叉距离，构建障碍趋势约束：构建运动动力学约束：

hi(ci+1,ci)＝0

vi(ci+1,ci,Δti)≥0

αi(ci+1,ci,ci-1,Δti+1,Δti)≥0其中hi是机器人的运动学约束，vi是速度约束，αi是加速度约束。

5.根据权利要求4所述的动态环境下趋势感知的机器人轨迹规划方法，其特征在于，将构建的约束条件映射到超图，转化为具有约束近似的无约束最小二乘优化问题，包括：用P*表示优化之后的轨迹，wT表示衡量目标函数的权重因子，f(P)为目标函数，表示运动动力学约束、障碍约束和障碍趋势约束，所述具有约束近似的无约束最小二乘优化问题，表示为：