一、AGV躲避障碍物的技术都有哪些

1.1、激光雷达导航
激光雷达可以通过旋转或扫描方式发射激光束，并测量其返回时间和强度，从而得到环境中障碍物的位置和距离信息。
AGV使用激光雷达生成的点云地图进行障碍物检测和路径规划。点云地图提供了高精度的环境表示，允许AGV规划避开障碍物的安全路径。

1.2、超声波传感器
超声波传感器通过发射超声波脉冲并测量其回波时间来检测障碍物与AGV之间的距离。
AGV可以设置阈值来确定安全距离，当距离低于该阈值时，AGV采取适当的措施，如减速、停止或改变方向，以避免与障碍物碰撞。

1.3、视觉识别与检测
AGV使用视觉传感器（如摄像头）和计算机视觉算法来识别环境中的障碍物。
通过图像处理和目标检测算法，AGV能够识别物体的位置、形状和大小，并根据这些信息规划安全路径以避免碰撞。

1.4、静态和动态障碍物预测
AGV可以利用传感器数据和机器学习算法来预测障碍物的运动轨迹，包括静止物体和移动物体。
通过分析障碍物的速度和方向，AGV可以提前做出相应的避让动作，确保与障碍物的安全距离。

1.5、反馈控制和路径规划
AGV使用反馈控制算法根据传感器数据实时调整自身的运动方向和速度。
结合路径规划算法，AGV能够根据环境中障碍物的位置和运动信息，动态调整路径，避开检测到的障碍物。

1.6、紧急停止系统
AGV配备了紧急停止按钮或传感器，以便在检测到紧急情况或遇到不可预测的障碍物时立即停止运动。
紧急停止系统确保AGV在出现问题时能够迅速停止，以确保安全性和避免与障碍物发生碰撞。

1.7、动态障碍物感知与交互
AGV可以利用无线通信或网络连接与其他设备或传感器进行交互，以获取关于动态障碍物（如行人、其他车辆）的信息。
通过与其他设备的通信，AGV可以接收实时更新的位置和运动数据，并相应地调整自身的导航路径，以避免与动态障碍物发生碰撞。

1.8、软件算法和决策系统：
AGV的躲避障碍物技术涉及复杂的软件算法和决策系统，将传感器数据与预定义的规则和策略相结合。
这些算法和系统能够处理传感器数据、路径规划和决策，实现智能的障碍物避让和安全导航。

二、AGV躲避障碍物的，主要靠这些算法

2.1、静态路径规划算法
最常见的静态路径规划算法，可以在已知环境地图中寻找最短路径或更优路径，避开已知的静态障碍物。

2.2、动态路径规划算法
动态路径规划算法可以根据实时的传感器数据和障碍物位置进行路径规划。一种常见的动态路径规划算法是基于速度障碍物模型的Velocity Obstacle（VO）算法，它考虑了AGV和障碍物的速度信息，以预测可能的碰撞情况，并生成安全的轨迹。

2.3、反馈控制算法
反馈控制算法通过实时调整AGV的速度和方向，使其避开障碍物。例如，基于反馈控制的PID（Proportional-Integral-Derivative）算法可以根据传感器数据和目标轨迹进行误差计算，并相应地调整AGV的运动参数。

2.4、模糊逻辑控制算法
模糊逻辑控制算法通过将模糊逻辑规则应用于传感器数据和控制策略，以确定AGV的运动行为。这种算法能够根据障碍物的距离、速度和方向等信息，模糊地判断出合适的动作，如加速、减速、转向等。

2.5、人工神经网络算法人工神经网络算法可以通过训练网络模型来学习和预测障碍物的位置、运动和影响，从而做出相应的避让决策。
这种算法具有适应性和学习能力，可以根据不同环境和障碍物特征进行自适应调整。

上面列举的这些算法可以单独应用或结合使用，以实现AGV的躲避障碍物功能。具体选择哪种算法取决于应用需求、环境条件以及AGV的硬件和传感器能力。