在動態環境下，AGV（Automated Guided Vehicle，自動導引車）係統（tǒng）的避障策略主要包（bāo）括（kuò）以下幾種：
1. 動態窗口算法（Dynamic Window Approach, DWA）
動態（tài）窗口算法是一種能夠進行實時避障的局部規劃算法。其基本原理是通過將AGV的位置約束轉化為速度約束，進而根據約（yuē）束進行速度（dù）采樣。選定（dìng）的一係列速度動作生成軌跡，結合評價（jià）函數選擇評分最高的軌跡，實現執行最優速度的問題。
2. 基（jī）於視覺的（de）避障策略
利用（yòng）視覺傳感器（如攝像頭）獲（huò）取環境信息，識別（bié）障礙物並規劃避障路徑（jìng）。例如，通過雙目立（lì）體視覺係（xì）統確定（dìng）圖像中任意點的三維坐標，從而實現AGV的障礙識別。
3. 改進的（de）TEB（Time Elastic Band）算法
在TEB算法的基礎上，對檢測到的不規則障礙物進（jìn）行膨脹化（huà）處理並進行區域分級，再加入障礙物對速度的約束以減（jiǎn）少AGV在複雜車間環境中受到的衝擊。
4. 混合A*和改進（jìn）TEB結合的雙層規劃算法（fǎ）
首先（xiān）使用混合（hé）A*算法規劃AGV的全局路徑，再加入碰撞檢測模塊，並（bìng）利用改進的TEB算法（fǎ）對檢測到會發生碰撞的障礙物進行局（jú）部避障。
5. 基於模糊控製的軌跡跟蹤算法
建立AGV的運動（dòng）學模型，以被控量的誤差信號為輸入變量，利用模糊控（kòng）製規則對其進行模糊判定，用Mamdani的最大值-最小值合成法（fǎ）進行模糊推理，最後輸出解模糊後（hòu）的變量，設計融合了TEB算法的（de）模糊控製器（qì）對AGV進行軌（guǐ）跡跟蹤。
6. 基於動態窗口法（DWA）算法的機器人動態避障路徑（jìng）規劃（huá）
通過對機器人在短時間內可能達到的速度和（hé）角速度進行搜索，從而（ér）選擇最佳的速度和角速度組合，以達到規劃路徑的目的。
7. 改（gǎi）進的（de）蟻群（qún）算（suàn）法（fǎ）
將信息素初（chū）始化為不均勻分布，增強最優路徑對蟻群（qún）的吸引力（lì），從（cóng）而加快算法的收斂速度。引入方向引導因子，改善傳統蟻群算法在路徑選擇上（shàng）的盲目（mù）性。調整信（xìn）息素的揮發速度，避（bì）免算法在搜索過程中陷（xiàn）入早熟（shú）狀態。
這些避障（zhàng）策略各有優缺點，具體使用哪種策略需要根據實際應用場景和需求來決（jué）定。在實際應用中，通常會（huì）結（jié）合多種避障（zhàng）策略，以實現更高效、更（gèng）安全的AGV運行。
