AGV小车常见的几种路径规划技术

AGV小车路径规划技术是AGV小车技术研究中的一个非常关注的热门领域。AGV小车是移动机器人的一种，下面给大家简单介绍一下AGV小车常见的几种路径规划技术。

根据AGV小车工作环境路径规划模型可分为两种：一种是基于模型的全局路径规划，作业环境的全部信息已知，又称静态或离线路径规划。另一种是基于传感器的局部路径规划，作业环境信息全部未知或部分未知，又称动态或在线路径规划。这两种AGV小车的线路规划没有本质区别，前者只是把全局路径规划的环境考虑得更复杂一些，即环境是未知的。很多适用于全局路径规划的方法经过改进都可以用于局部路径规划；而适用于局部路径规划的方法都可以适用于全局路径规划。

随着科学技术的快速发展，计算机、传感器及控制技术得到飞速的发展，因此各种新算法不断涌现，移动机器人路径规划技术已经取得了丰硕研究成果。特别是周围环境已知的全局路径规划，其理论研究已比较完善，目前比较活跃的领域是研究在环境未知情况下的局部规划。从研究成果看，有以下趋势：

(1)移动机器人路径规划的性能指标要不断提高。这些性能指标包括：实时性、安全性和可达性等。在动态环境中，由于环境信息是时刻变化的，如果移动机器人实时性差，滞后于动态环境，就可能会导致避障失败。安全性和可达性也很重要。一个性能指标不好的方法，即使它能使移动机器人走出完美的轨迹，也将被淘汰。而有些方法没有高深的理论，但计算简单，实时性、安全性好，就有存在的空间。如何使性能指标更好是各种算法研究的一个重要方向。

(2)智能化的算法将会不断涌现。模糊控制、神经网络、遗传算法以及它们的相互结合也是研究热点之一。智能化方法能模拟人的经验，逼近非线性，具有自组织、自学习功能并且具有一定的容错能力。这些方法应用于路径规划会使移动机器人在动态环境中更灵活，更具智能化。

(3)多移动机器人系统的路径规划。协调路径规划已成为新的研究热点。随着应用不断扩大，移动机器人工作环境复杂度和任务的加重，对其要求不再局限于单台移动机器人。

(4)多传感器信息融合用于路径规划。移动机器人在动态环境中进行路径规划所需信息都是从传感器得来。单传感器难以保证输入信息准确与可靠。多传感器所获得信息具有冗余性，互补性，实时性和低代价性，且可以快速并行分析现场环境。移动机器人的多传感器信息融合也是当今一个比较活跃的研究领域。具体方法有采用概率方法表示信息的加权平均法，贝叶斯估计法，多贝叶斯法，卡尔曼滤波法，统计决策理论法。有采用命题方法表示信息的D-S证据推理，模糊逻辑，产生式规则，还有仿效生物神经网络的信息处理方法，人工神经网络法等。

(5)基于功能/行为的移动机器人路径规划是研究的新动向之一。基于行为的方法是一种自底向上的构建系统方法，即把路径规划分解成一系列相对独立的小系统，在运行状态下通过竞争机制取得控制机器人的主导权，并在与环境交互作用中最终达到目标。基于功能/行为的机器人控制结构融合了两者优点，既有基于功能控制结构的必要理性，又有基于行为控制结构的快速响应。