在動態環境下，AGV（Automated Guided Vehicle，自動導引車）係統的避障策略主要包括以下幾種：
1. 動態（tài）窗口（kǒu）算法（Dynamic Window Approach, DWA）
動態窗口算法是一種能夠進行實時避障的局部（bù）規劃算（suàn）法。其基本原理是通過將AGV的位置約束（shù）轉化為速度約束，進而根據約束（shù）進行速度采樣。選定（dìng）的一係（xì）列速度動作生成軌跡（jì），結合評價函數選擇評分最高的軌跡，實現執行最優速度的問題。
2. 基於視覺的避（bì）障策略
利用視覺傳感器（如攝像頭）獲取環境信息，識（shí）別障礙物並規劃避障路徑（jìng）。例如，通過雙目立體視覺係統確定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（fǎ）
在TEB算法的基礎上，對檢測到的不規則障礙物進行膨脹化（huà）處（chù）理並進行區域（yù）分級（jí），再加入障礙物（wù）對速度的約束以減少（shǎo）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
首先使用混合A*算（suàn）法規劃AGV的全局路徑，再（zài）加入碰撞檢測模塊，並利用改進的TEB算法（fǎ）對檢測到會發生碰撞的障礙物進行局部避障。
5. 基（jī）於模糊控製的（de）軌（guǐ）跡跟蹤算（suàn）法（fǎ）
建立AGV的運動（dòng）學模型，以被控量的誤差信號為輸入變量，利用模糊控製規則對其進行模糊判定，用Mamdani的最大值-最（zuì）小值（zhí）合成法（fǎ）進行模糊（hú）推理，最後輸出（chū）解模糊（hú）後的變量，設計融合了TEB算法的模糊（hú）控製器對AGV進行軌跡（jì）跟蹤。
6. 基於動態（tài）窗口法（DWA）算法的機器人動（dòng）態避障路徑規劃
通過對機器人在短時間內可能達到的速度和角速度進行搜索，從而選擇最佳的速度和角速度組合，以達到規劃路徑的目（mù）的。
7. 改進的（de）蟻（yǐ）群算法
將信息素初（chū）始化為不均勻分布（bù），增強最優路徑（jìng）對蟻群的吸引力，從而加快算法的收斂速度。引入方向引導因（yīn）子，改善傳統蟻群算法在路徑選擇上的盲（máng）目性。調整信息素的揮發速度，避免算法在搜索過程中陷入早（zǎo）熟狀態。
這些（xiē）避障策略各有優缺點，具（jù）體使用哪種策略需要根據實際應（yīng）用場景和需求來決定。在實際應（yīng）用中，通常會結（jié）合多種避障策略，以實現（xiàn）更高（gāo）效、更（gèng）安全的（de）AGV運行。
