1.基于rrt算法的智能包裹分拣系统路径规划方法，其特征在于，具体步骤为：
步骤1，提取包裹分拣系统平面图，获取平面图中包裹的入口、出口和障碍物的位置信息；
步骤2，以入口位置为当前位置，采用rrt算法进行路径规划初步获得包裹传送路径；其中引入人工势场引力分量，在节点扩展过程中引入随机生长函数与引力函数合力方向上的生长函数，设置步长，在生长函数方向上一个步长的位置即为下一步位置点；
步骤3，对初步获得的包裹传送路径利用贝塞尔曲线做进一步的平滑路径处理，获得最终的包裹传送路径。
2.如权利要求1所述的基于rrt算法的智能包裹分拣系统路径规划方法，其特征在于，所述步骤2具体的为：
步骤2.1，设置入口位置为包裹的当前位置；
步骤2.2，在平面图区域内获取一个随机值q，0<q<1；若随机值小于设定的概率值0.6，则选择出口位置点作为当前子目标点，若随机值大于设置的概率值，则在平面图区域内随机生成一个坐标点为当前子目标点；
判断当前子目标点是否在障碍物区域中，若在障碍物区域则重新执行步骤2.2，即重新获取子目标点；否则执行步骤2.3；
步骤2.3，选择与当前子目标点和出口位置最近的坐标点作为当前位置点，引入随机生长函数与引力函数合力方向上的生长函数f(n)，设置步长，在f(n)方向上一个步长的位置即为下一步位置点；
步骤2.4，以当前位置点到下一步位置点做为初始向量，判断初始向量是否进入障碍物区域，若是，将初始向量作为待选向量并进行步骤2.5，否则进入步骤2.6；
步骤2.5，在待选向量逆时针方向和顺时针方向上以π/9的角度差分别扩展出5条向量，保留未进入障碍物区域的向量作为可选向量；将所有可选向量的长度作为启发函数，选择启发函数最小的向量对应的终点作为下一步位置点；
步骤2.6，将下一步位置点作为当前位置点，判断包裹当前位置是否在包裹出口区域内，若在包裹出口区域内，进行步骤2.7，否则转入步骤2.2；
步骤2.7，所述步骤2.1～步骤2.6中从入口位置走到出口区域内的所有当前位置点即为初步获得包裹传送路径。
3.如权利要求2所述的基于rrt算法的智能包裹分拣系统路径规划方法，其特征在于，所述步骤2.2中，判断当前子目标点是否在障碍物区域的方法为：设定障碍物安全距离，判断包裹当前子目标点位置与障碍物中心点的距离是否大于障碍物的安全距离；若是，则认为当前子目标点不在障碍物区域内，否则认为当前子目标点在障碍物区域内。
4.如权利要求2所述的基于rrt算法的智能包裹分拣系统路径规划方法，其特征在于，所述步骤2.3中生长函数f(n)计算方式为：
f(n)＝r(n)+g(n)(1)
其中r(n)为当前位置点到当前子目标点方向上的随机生长函数，公式为：
r(n)＝||qtarget-qnear||(2)
其中qtarget为当前子目标点的位置坐标，qnear为当前位置点的位置坐标；
出口位置点对于当前位置点的引力势场函数u为：
其中qgoal为出口位置点的坐标点，kp为出口位置对于包裹当前位置点的引力系数；g(n)为当前位置点到出口位置点的引力函数，即为对应引力场函数u的负梯度，其公式为：
g(n)＝kp||qgoal-qnear||(4)
联合公式(1)～(4)即可得到：
f(n)＝||qtarget-qnear||+kp×||qgoal-qnear||(5)
综上，下一步位置点的计算公式为：
qnew＝qnear+q_dist×(||qtarget-qnear||+kp×||qgoal-qnear||)(6)
其中qnew为下一步位置点，q_dist为步长。
5.如权利要求2所述的基于rrt算法的智能包裹分拣系统路径规划方法，其特征在于，所述步骤2.4中，判断初始向量是否进入障碍物区域的方法为：在初始向量上选取0.5cm间隔坐标位置点，设置障碍物安全距离，比较间隔坐标位置点到障碍区中心的距离是否大于安全距离，若大于安全距离，则认为初始向量未进入障碍物区域；否则认为初始向量进入障碍物区域。
6.如权利要求1所述的基于rrt算法的智能包裹分拣系统路径规划方法，其特征在于，所述步骤3的具体方法为：
步骤3.1，设初步获得的包裹传送路径中的所有位置点为{xi,i＝1,2λn}，从i＝1开始，判断
步骤3.2，选择一阶贝塞尔曲线对新的优化路径作进一步的平滑处理，获得最终的包裹传送路径。
7.如权利要求6所述的基于rrt算法的智能包裹分拣系统路径规划方法，其特征在于，所述步骤3.2具体的为：假设新的优化路径节点数为n个，依次在两节点之间取中间节点，则可取n-1个节点，判断相连节点之间的线段是否在障碍物区域内，若不在障碍物区域内，用中间节点替换两端节点；若在障碍物区域内，则保留原有节点，依次类推，直到最后一个节点，更新后的所有节点组成的路径即为最终的包裹传送路径。