[27]，通過總結將A*算法與DWA算法的評價函數(shù)融合，使規(guī)劃路徑更為平滑，規(guī)劃軌跡長度變短1.2.3.總結全局路徑規(guī)劃與局部軌跡規(guī)劃的著重點不同，前者側重于尋求最優(yōu)解，后者側重于避障。本文嘗試融合兩種算法作為動態(tài)避障的基本框架。該融合算法使移動機器人具有良好的避障能力的同時又避免了陷入局部最優(yōu)的缺陷。1.3.AGV小車發(fā)展現(xiàn)狀1.3.1.AGV小車發(fā)展背景20世紀50年代，美國巴雷特電子公司成功制造和開發(fā)了第一輛AGV，該AGV小車采用埋線電磁感應方式跟蹤方法實現(xiàn)自動導引。剛開始由于自動化的水平有限，只是被應用在但在簡單的柔性裝配系統(tǒng)的物料配送和自動化倉儲系統(tǒng)。發(fā)展到上世紀六七十年代，AGV技術中心從美國轉向歐洲，并在歐洲得到了很大程度的發(fā)展。上世紀80年代后，發(fā)展中心又重新遷往美國，目前各種新型的AGV小車已經投放到各個領域，相關的硬件設施以及自主導航的算法也在不斷的完善。AGV小車在我國起步比較晚。20世紀80年代初，我國研制出了三輪式AGV小車；20世紀80年代末，我國研制出了可以使用在立體倉庫的AGV小車；1992年，國產的AGV小車才首次投放在柔性生產線上使用。目前，AGV已在我國得到廣泛應用，并逐步開始推廣應用。從行業(yè)應用分析，AGV分布廣泛，優(yōu)勢明顯，如飛機制造業(yè)、汽車業(yè)、煙草業(yè)、家電業(yè)、倉儲業(yè)等，在中國具有廣闊的潛在市場。目前AGV在我國已經得到了廣泛的應用，并逐步開始推廣應用。1.3.2.AGV小車的現(xiàn)狀AGV目前正在向智能化方向、多導向方向發(fā)展。將AGV小車的性能最大化發(fā)、充分體現(xiàn)AGV小車的優(yōu)勢，關鍵在于提升小車的導引系統(tǒng)。電磁制導方式是最早開發(fā)的AGV導引方式，目前應用范圍也最為廣泛。但由于電磁導引的缺點，相繼地出現(xiàn)了光學導引方式、激光導引方式、視覺導引方式、標記追蹤導向方式，激光雷達導航方式等自動化程度更高，導航精度更高的導引方式。同時通過融合多種導引方式運充分體現(xiàn)了自動導航小車高柔性、高可靠性、高效率等特點，使AGV小車并且向智能化發(fā)展。1.3.3.AGV小車的發(fā)展趨勢我國自從2006年以后不斷推出機器人技術相關扶持政策，扶植高智能產業(yè)，鼓勵工業(yè)機器人包括AGV的發(fā)展。這可以看到國家十分重視智能機器人的發(fā)展，AGV技術的不斷發(fā)展是必然的趨勢。近年來，我國AGV小車產業(yè)市場一直保持著快速增長的趨勢，其銷售情況如REF_Ref72100737\h圖1-3所示。而AGV的市場占比如REF_Ref72100746\h圖1-4所示，可以看到AGV應用在了各種行業(yè)。圖1-SEQ圖1-\*ARABIC3近年來AGV小車的銷量以及同比增長率（數(shù)據(jù)來源：前瞻產業(yè)數(shù)據(jù)研究院）圖1-SEQ圖1-\*ARABIC4AGV應用的行業(yè)占比（數(shù)據(jù)來源：網絡整理）目前AGV小車在室內的應用比較多，未來的發(fā)展趨勢主要集中在一下幾方面：（1）充電自動化部分AGV小車存在續(xù)航時間短的問題，為了克服這一缺點，使工作更加有效率，應該研究小車無線充電裝置，使小車在不停車的情況下快速的充電。（2）控制遠程化未來的AGV車的客戶群體主要是非專業(yè)用戶，遠程的控制和簡單的操作會增加相應的用戶體驗。達到這一目標需要提升AGV小車本身的性能，未來可能會加入視覺觸覺等感知融合，未來多種傳感器的融合是必然的趨勢（3）自主導航傳統(tǒng)的AGV定位導引多采用人工信標導引，需要事先去布置場景借助一些輔助設備來完成定位，這種導航方式是低效的，隨著未來發(fā)AGV的應用場景的多元化，對AGV的智能化的要求會越來越高，研究AGV小車的自主導航是十分有必要的。參考文獻鐘曉茹.移動機器人在醫(yī)療場景的研究與應用進展[J].中國醫(yī)療設備,2021,36(02):155-159.孫鵬.基于激光雷達和視覺的AGV自主定位技術研究[D].長春理工大學,2020.SmithR,SelfM,CheesemanP.Estimatinguncertainspatialrelationshipsinrobotics[M]//Machineintelligenceandpatternrecognition.North-Holland,1988,5:435-461.危雙豐,龐帆,劉振彬,師現(xiàn)杰.基于激光雷達的同時定位與地圖構建方法綜述[J].計算機應用研究,2020,37(02):327-332.ChenYang，MedioniG．Objectmodellingbyregistrationofmultiplerangeimages［J］．ImageandVisionComputing，1992，10(3):145-155．OlsonEB.Real-timecorrelativescanmatching[C]//2009IEEEInternationalConferenceonRoboticsandAutomation.IEEE,2009:4387-4393.KohlbrecherS,VonStrykO,MeyerJ,etal.AflexibleandscalableSLAMsystemwithfull3Dmotionestimation[C]//2011IEEEinternationalsymposiumonsafety,security,andrescuerobotics.IEEE,2011:155-160.BiberP,Stra?erW.Thenormaldistributionstransform:Anewapproachtolaserscanmatching[C]//Proceedings2003IEEE/RSJInternationalConferenceonIntelligentRobotsandSystems(IROS2003)(Cat.No.03CH37453).IEEE,2003,3:2743-2748.MartínF,TriebelR,MorenoL,etal.Twodifferenttoolsforthree-dimensionalmapping:DE-basedscanmatchingandfeature-basedloopdetection[J].Robotica,2014,32(1):19-41.KonoligeK,GrisettiG,KümmerleR,etal.Efficientsparseposeadjustmentfor2Dmapping[C]//2010IEEE/RSJInternationalConferenceonIntelligentRobotsandSystems.IEEE,2010:22-29.GrisettiyzG,StachnissC,BurgardW.Improvinggrid-basedslamwithrao-blackwellizedparticlefiltersbyadaptiveproposalsandselectiveresampling[C]//Proceedingsofthe2005IEEEinternationalconferenceonroboticsandautomation.IEEE,2005:2432-2437.NicolaiA,SkeeleR,EriksenC,etal.Deeplearningforlaserbasedodometryestimation[C]//RSSworkshopLimitsandPotentialsofDeepLearninginRobotics.2016,184:1.劉小玲,李輝,郭治國.基于狄克斯特拉算法的車間動態(tài)生產能力評估與實現(xiàn)[J].微計算機信息,2006(12):96-98.HartPE,NilssonNJ,RaphaelB.Aformalbasisfortheheuristicdeterminationofminimumcostpaths[J].IEEEtransactionsonSystemsScienceandCybernetics,1968,4(2):100-107.王紅衛(wèi)，馬勇，謝勇，郭敏，WANGHongwei，MAYong，XIEYong，GUOMin.基于平滑A*算法的移