在動態（tài）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. 動態窗（chuāng）口算法（Dynamic Window Approach, DWA）
動態窗口算法是一種能（néng）夠進行（háng）實時避障（zhàng）的局部規劃算法。其基本原理是通過（guò）將AGV的位置約束轉化為速度約束，進而根據約束進行速度采樣。選定的一係列速度（dù）動作生成軌跡，結合評價函數選（xuǎn）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（jiào）傳感器（如攝像頭）獲取環境信息，識別障礙物並規（guī）劃避障路徑。例如，通過雙目立體視覺係統確定（dìng）圖（tú）像中任意（yì）點（diǎn）的三維坐標（biāo），從而實現AGV的障礙識（shí）別。
3. 改進的（de）TEB（Time Elastic Band）算法
在TEB算法的基礎（chǔ）上，對檢測到的不規則障礙物進行（háng）膨脹化處理並進行區域分級，再加入障（zhàng）礙物對速度的約束以減少AGV在複雜車間環境中受到的衝擊。
4. 混合A*和（hé）改進TEB結合的雙層規劃算法
首先使用（yòng）混合A*算法規劃AGV的全局（jú）路徑，再加入碰撞檢測模塊，並利用改進的TEB算法對檢測到會發（fā）生碰撞（zhuàng）的障礙物（wù）進行局部避障。
5. 基於模糊控（kòng）製的軌（guǐ）跡跟蹤算法
建立AGV的運動學模型，以被控（kòng）量的誤差信號為輸入變量，利用模糊控製規（guī）則（zé）對其進行模糊判定，用Mamdani的最大值-最（zuì）小值合成法進行模糊（hú）推（tuī）理，最後輸出解模糊後的變量，設計融合了TEB算法的模糊控製器對（duì）AGV進行軌跡跟蹤。
6. 基於動態窗口法（DWA）算法的機器（qì）人動態避（bì）障（zhàng）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（jìn）行搜索，從而選擇最佳的速度和角（jiǎo）速度組合，以達到規劃路徑的目的。
7. 改進的蟻群算法
將信息素初始化為不均勻分布，增強（qiáng）最優路徑對蟻群的吸引力（lì），從而加快算法的（de）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的盲目性。調（diào）整（zhěng）信息素的揮發速度（dù），避免（miǎn）算法（fǎ）在搜索過程中陷入早熟狀態。
這些避障策略各有優缺點（diǎn），具（jù）體使用哪種（zhǒng）策略需（xū）要根據實際應用場景和需求來決定。在實際應用中，通常會結合多種避障策略，以實現更高效、更安全的AGV運行。
