1.基于八叉树地图的自适应多分辨率A*算法的路径规划方法，其特征在于，包括以下步骤：步骤S1、获取八叉树地图信息，并将其通过ros发布给路径规划节点；

步骤S2、调整当前地图深度，并在当前深度下运用改进相邻节点搜索策略在八叉树地图中进行路径规划，得到路径Tl；

步骤S3、再次调整当前地图深度，并在当前深度下进行较高分辨率下的第二次路径规划，得到路径Th；

步骤S4、将步骤S2获得的较低分辨率规划路径Tl与步骤S3获得的较高分辨率规划路径Th进行拼接，得到一条近距离较高分辨率且远距离较低分辨率的多分辨路径T，将路径转换成ros消息发布给移动机器人的后续执行单元。

2.根据权利要求1所述的基于八叉树地图的自适应多分辨率A*算法的路径规划方法，其特征在于，步骤S1中所述获取八叉树地图，并将其通过ros发布给路径规划节点，具体过程为：通过octomap库读取八叉树地图信息，然后将八叉树地图转换成ros消息格式，并将其通过ros消息发布器发布给路径规划节点。

3.根据权利要求1所述的基于八叉树地图的自适应多分辨率A*算法的路径规划方法，其特征在于，步骤S2中所述在当前深度下运用改进相邻节点搜索策略在八叉树地图中进行路径规划，改进相邻节点搜索策略的具体内容如下：步骤S21、由于移动机器人无法向正上方和正下方进行移动，故去除掉对正上方和正下方节点的搜索，将26个方向的节点减少为24个；

步骤S22、在搜索时加入判断，将对24个方向的搜索改为对周围8个柱状区域的搜索，搜索时分为上中下三层，每层8个节点，即水平8个方向；

步骤S23、搜索时，当其中一层中有一个方向的节点被障碍物占据时，则判断该方向柱状区域被障碍物占据；当三层中同一个方向的节点都未被障碍物占据时，则判断该方向可通行。

4.根据权利要求1所述的基于八叉树地图的自适应多分辨率A*算法的路径规划方法，其特征在于，步骤S3所述在当前深度下进行较高分辨率下的第二次路径规划，第二次路径规划依据自适应多分辨率A*算法生成路径，该自适应多分辨率A*算法具体内容如下：步骤S31、设置自适应深度的下限dl和上限dh用来调整路径规划时路径节点所在的深度，并初始化当前深度dc的值等于dl；

步骤S32、设置变分辨率阈值t来判断在路径何处进行分辨率的变更；设路径标志符P，并将初始状态设为false，用来判断是否要进行二次路径规划来实现局部较高分辨率的路径规划以及不同分辨率路径的拼接；

步骤S33、在运行自适应多分辨率A*算法之前加入对深度的循环判断和对路径标识符的判断，即在当前深度下路径规划失败时，将当前深度调整为dc+Δd1，然后判断dc是否大于深度上限dh，若dc＞dh，则再判断路径标识符状态是否为false，如果为false，就表示路径规划失败，而如果为true，就表示第一次路径规划成功，并直接输出路径；若dc≤dh，则继续进行基于当前深度下的路径规划；

步骤S3：在当前深度dc下运用改进相邻节点搜索策略在八叉树地图中进行路径规划，首先设定起始点(xstart,ystart,zstart)和目标点((xgoal,ygoal,zgoal))，根据改进相邻节点搜索策略对相邻的24个节点进行搜索，并将没被判定为障碍物的水平节点放入开列表Openlist，然后从Openlist找出代价值F(n)最小的节点，代价值公式为：F(n)＝g(n)+h(n)                          (1)其中：n代表路径搜索过程之中的一个节点，g(n)代表从起始点到n节点的最小代价值，h(n)代表从n节点到目标节点的估计代价值；g(n)通常为单步欧氏距离的累加，公式可以表示为：式中，(xn,yn,zn)为当前点的坐标，(xn‑1,yn‑1,yn‑1)为上一节点的坐标；

h(n)通常由当前点到目标点的曼哈顿距离或欧氏距离来表示，但欧式距离更符合现实情况下的距离表示，故本文h(n)用当前点与目标点的欧氏距离来表示，公式为：将代价值F(n)最小的节点设置为当前节点，并从Openlist中删除，添加到Closelist中；循环使用改进相邻节点的搜索策略对临近点进行搜索，直到搜索到目标点坐标，最后生成一条较低分辨率下的路径Tl，并将当前深度调整为dc+Δd2；

步骤35：若在当前深度下路径规划失败，则将当前深度调整为dc+

Δd1，然后再重复进行步骤S33的内容，直到找到路径时进行下一步骤；

步骤36：添加二次路径规划来实现多分辨率路径规划，即当dc