1.一种基于路径标记回溯策略的改进式RRT路径规划方法，其特征在于包括以下步骤：S1、基于RRT规划算法，建立多自由度关节机器人规划系统模型；

S2、设置多层数据筛选结构，对多自由度关节机器人规划系统模型中的初始数据进行优化；

S3、修改多自由度关节机器人规划系统模型中的扩展函数，并完成复障碍函数的标定，使抑制函数和激励函数反向控制随机树可扩展节点，从而生成新的随机树路径，完成路径标记策略，实现路径规划；

S4、采用碰撞试验检测新生成的随机树路径是否经过障碍信息，若不经过障碍信息，则拓展生成新的随机树路径，生成新的地图，若经过障碍信息则随机采取新的节点；

S5、判断是否到达目标点位置，进行结果输出或下次迭代过程，当可扩展节点进入目标点的很小邻域内，通过路径标记中的回溯法则，实现路径的最终规划；

所述的S1中，建立多自由度关节机器人规划系统模型的步骤为：S11、定义机器人的运动学决策量：根据机器人的结构和关节连接方式，定义机器人的运动学关系，包括任意点变量、相对位置和姿态D‑H参数，并根据运动位置关系确定轨迹系统模型；其中确定轨迹系统模型的步骤为：A

S111、三维空间任意一点位置设为P，则空间坐标描述为：

（1）；

A

式中，P为任意一点，px、py、pz分别为该点三维空间的维度位置；

A

S112、获得三维空间任意点P位置后，判断该点与目标位置、障碍位置、机器人实时位置的动态关系，用其坐标方向余弦矩阵来描述其动态关系：（2）；

A

式中， 为任意点B相对于测试点A的姿态关系，B≠ P， 分别为任意点B相对于测试点A的三维方向维度位置，rij为状态点i、j向三个方向的分矢量；

S113、根据位置矢量关系，建立其旋转矩阵，三维空间矢量分别用Rx(u)、Rx(v)、Rx(w)来表示，根据该旋转矩阵，先进行D‑H参数关于x轴的变换及z轴变换，确定连杆长度αi‑1，并确定连杆转角、关节偏距及关节角，其中连杆转角为zi‑1轴绕着xi‑1轴旋转到zi轴的角度，该角度随着轴变而发生变化，关节偏距为xi‑1以坐标轴为方向移动一定步长的距离，并沿着反方向旋转，关节角根据其右手坐标准则进行方向信息的判定和计算；

S12、设定矢量轨迹函数为：

（3）；

式中，S(t)为机器人实时位置的坐标位移值，fx(s)、fy(s)、fz(s)分别为三维空间不同坐标方向的矢量轨迹函数，并将值等效于维度位置；

根据矢量轨迹函数，采取直线插补和圆弧插补，得到运动轨迹所经过的所有路径节点，插补过程为：根据直线初始、终止位置进行插补，轨迹参数方程为：

（4）；

式中，pi为第i个随机位置，s为轨迹， 为p点的邻域参数，其中， ，即终止位置矢量减初始位置矢量， ， ；

S13、建立多自由度关节机器人规划系统模型为：

（5）；

式中，H(q)为规划函数，q为任意点，、分别为任意点位移导数， 为动能，F(q)为广义驱动力，τ为邻点参数，pk为第k个父节点，p(s)为轨迹参数方程，ϕ为轨迹方程步长邻域，Prand为由父节点拓展的新的树节点，Stepsize为步长。

2.根据权利要求1所述的一种基于路径标记回溯策略的改进式RRT路径规划方法，其特征在于：所述的S2中，多层数据筛选结构为通过多个层级的筛选和处理方式来对多自由度关节机器人规划系统模型中的初始数据进行筛选和过滤，包括：S21、第一层为随机采样树扩展，随机采样算法生成一系列关节变量的随机采样点，即树节点，采样点根据机器人的轨迹系统模型和环境约束进行筛选，去除无效的或不可达的点；

S22、第二层为节点连接与验证，通过计算关节变量的路径和连接的方式，将随机采样点与已有的树进行连接，在连接过程中，需要对有效路径进行验证和筛选，依据机器人的动力学约束和环境的碰撞检测判定一个路径是否有效；

S23、第三层为路径优化与调整，对连接的路径进行优化和调整，通过运动学优化算法实现，运动学优化算法包括曲率最小化、平滑路径，通过优化和调整提高路径质量，使其更接近最优路径，并满足机器人的动力学约束，最终实现数据的筛选简化。

3.根据权利要求1所述的一种基于路径标记回溯策略的改进式RRT路径规划方法，其特征在于：所述的S3中，扩展函数的修改方式为，输入规划环境信息M，点集V、边集E，设置初始点xinit，终止点xgoal，输出结果设置为最优规划路径Γ，通过循环迭代进行以下操作：S31、通过Sample()函数以环境信息为准随机扩展生成树的节点；

S32、通过Near()函数寻找临近树节点pnearest；

S33、通过Steer()函数以步长StepSize扩展新的节点pnew；

S34、设置激励函数m(x,y)和抑制函数n(x,y)来实现探索点与机器人实时位置、障碍信息和目标信息的激励效应，计算公式如下：（6）；

（7）；

式中，xobject，yobject为机器人实时位置，xhinder，yhinder为障碍物的坐标信息，xgoal，ygoal为目标坐标信息，Mrobot为机器人的质量；

当机器人与目标位置接近时，激励函数m(x,y)将增大，而当机器人与障碍位置接近时，抑制函数n(x,y)将增大，因此，每移动一步，激励函数和抑制函数都会不断变化，将数据信息反馈到多自由度关节机器人规划系统模型（5）。

4.根据权利要求3所述的一种基于路径标记回溯策略的改进式RRT路径规划方法，其特征在于：在修改后的扩展函数中，当第i个树节点的激励函数大于i‑1的激励函数，或者第i个树节点的抑制函数小于i‑1的抑制函数时，将该节点设置复障碍函数，实现路径标记策略，同时将该节点加入动态集合中，动态集合为存储规划过程中标记为复障碍函数的节点的集合；在第i+1的可扩展节点中，会由于复障碍函数的设定实现轨迹的自动规避，若不满足以上条件，则继续迭代寻找下一节点，每次迭代，多自由度关节机器人规划系统模型中的旋转矩阵信息、规划函数都会做出相应改变。

5.根据权利要求1所述的一种基于路径标记回溯策略的改进式RRT路径规划方法，其特征在于：所述的S4中，碰撞试验为，通过pnew和pnearest树分支碰撞试验进行检测。

6.根据权利要求5所述的一种基于路径标记回溯策略的改进式RRT路径规划方法，其特征在于：碰撞试验中，将障碍物、机器人表示为几何形状，根据路径规划得到的路径，将路径上的各个采样点作为机器人的位置输入到碰撞路径标记中，用来判断每个分支是否与环境中的障碍物发生碰撞。

7.根据权利要求3所述的一种基于路径标记回溯策略的改进式RRT路径规划方法，其特征在于：所述的S5中，进行结果输出或下次迭代过程的判断方法为判断（5）中的轨迹参数方程 是否成立，如成立，则表示pnew进入目标点一个很小的邻域内，通过回溯法不断寻找父节点得到规划路径，实现路径的最终规划；如不成立，进行下次迭代，拓展生成新的随机树路径直至成立。

8.根据权利要求1所述的一种基于路径标记回溯策略的改进式RRT路径规划方法，其特征在于：通过路径仿真实验，验证多自由度关节机器人规划系统模型的有效性，验证指标包括规划时间、可扩展节点数、平均响应周期。