基于动态窗口算法的AGV仿真避障 可设置起点目标点，设置地图，设置移动障碍物起始点目标点，未知静态障碍物 动态窗口方法(DynamicWindowApproach) 是一种可以实现实时避障的局部规划算法，通过将轮式机器人的位置约束转化为速度约束，根据约束进行速度采样，并由一系列的选定速度的动作生成轨迹，结合评价函数选择评分最高的轨迹，实现执行最优速度的问题。 黄色是静态障碍物，红色是可移动障碍物

一、系统概述

本系统聚焦于多自动导引车（AGV）在复杂环境下的实时动态路径规划与避障需求，基于动态窗口算法（Dynamic Window Approach, DWA）与改进A*算法构建核心架构，支持多AGV优先级调度、静态与动态障碍物规避、自定义地图配置等关键功能。系统采用模块化设计，通过多算法协同工作，确保AGV在未知静态障碍物与移动障碍物共存的场景中，能够实现高效、安全的路径规划与自主导航。

二、核心功能模块

（一）地图配置与环境初始化模块

1. 地图定义规则：系统采用正方形矩阵作为地图数据结构，要求X轴与Y轴维度相等，避免旋转运算时出现坐标偏差。地图矩阵中，0表示无障碍物区域，1表示预设静态障碍物，-2用于标记用户自定义的未知静态障碍物，-1标记目标点，2标记AGV起始点，通过矩阵元素的位置与数值组合，精准描述导航环境。
2. 障碍物配置方式：支持两种静态障碍物配置模式，一是通过代码预置固定静态障碍物分布，二是通过交互界面手动添加未知静态障碍物，用户可通过鼠标左键连续选择障碍物位置，右键确认完成配置，系统自动记录障碍物坐标并更新地图矩阵。
3. 动态障碍物设置：允许用户自定义动态障碍物的起始点与目标点，系统通过路径规划算法生成动态障碍物的移动轨迹，并支持配置移动速度参数，模拟真实环境中动态干扰源的运动状态。
4. AGV初始参数配置：用户可通过交互界面选择AGV的起始位置与目标位置，系统自动计算AGV初始方向角（起始点与目标点的连线夹角），同时支持手动配置AGV的运动学参数（如最大速度、加速度等）。

（二）路径规划核心算法模块

1. 改进A算法路径搜索：作为全局路径规划基础，算法在传统A框架上进行四大优化：将8个搜索方向简化为5个，提升搜索效率；禁止斜穿障碍物顶点，避免碰撞风险；删除路径中间多余节点，增强路径平滑度；优化评价函数为f(n)=g(n)+（1+r/R)*h(n)（r为当前点到目标点距离，R为起始点到目标点距离），提高路径搜索的最优性。算法通过OPEN列表存储待探索节点，CLOSED列表存储已探索节点，迭代寻找从起始点到目标点的全局最优路径。
2. 动态窗口算法（DWA）局部避障：作为局部实时避障核心，算法将AGV的位置约束转化为速度约束，通过构建动态窗口（包含速度与角速度的可行范围），遍历窗口内所有可能的运动状态，生成多条候选轨迹。基于评价函数（包含方位角、障碍物距离、速度三个维度）筛选最优轨迹，确保AGV在动态环境中能够快速响应障碍物变化，实时调整运动方向与速度。
3. 路径平滑优化：通过三次折线优化策略，对A*算法生成的原始路径进行迭代优化，删除冗余转折节点，使路径更符合AGV的运动学特性，减少行驶过程中的转向次数，提升导航效率与稳定性。

（三）多AGV调度与避障策略模块

1. AGV优先级调度机制：系统预设AGV优先级规则（AGV1 > AGV2 > AGV3），在多AGV相遇场景中，通过优先级判定实现通行权分配，确保高优先级AGV优先通过，避免路径冲突。
2. 相遇避障触发条件：当两辆AGV之间的距离d≤3m，且其中一辆AGV的方向角与另一辆AGV位置的夹角小于100度时，触发避障机制。此时优先级较低的AGV停止移动，待高优先级AGV通过后，再恢复路径行驶，确保相遇场景下的安全避让。
3. 多障碍物融合避障：系统同时处理静态障碍物（预设+自定义）与动态障碍物，通过实时更新障碍物坐标信息，将其融入DWA算法的障碍物距离评价函数中。AGV在行驶过程中，持续检测周围障碍物状态，当检测到障碍物距离小于安全阈值时，自动调整速度与轨迹，实现无碰撞行驶。

（四）数据输出与可视化模块

1. 导航数据输出：系统实时记录AGV的行驶数据，包括路径节点坐标、线速度、角速度、行驶距离等关键参数，支持后续数据分析与算法优化。
2. 可视化展示功能：通过图形界面直观展示地图环境、AGV位置与运动轨迹、障碍物分布（静态障碍物黑色显示，动态障碍物红色显示，自定义静态障碍物黄色显示）、起始点与目标点标记等信息。同时支持AGV运动状态实时动画演示，包括速度曲线与角速度曲线绘制，便于用户直观监控系统运行状态。

三、系统工作流程

1. 初始化阶段：用户启动系统后，加载预设地图矩阵或自定义地图，通过交互界面完成AGV起始点、目标点配置，动态障碍物起始点、目标点与速度配置，以及未知静态障碍物添加。系统自动初始化AGV运动学参数、算法评价函数权重等核心参数。
2. 全局路径规划阶段：基于改进A*算法，系统根据AGV起始点、目标点与静态障碍物分布，生成全局最优路径，并通过路径平滑优化模块对原始路径进行优化，输出平滑的全局路径节点序列。
3. 动态避障与局部路径调整阶段：AGV按照全局路径行驶过程中，DWA算法实时检测周围环境中的静态障碍物与动态障碍物状态，构建动态窗口并生成候选轨迹。通过评价函数筛选最优轨迹，调整AGV的线速度与角速度，实现局部避障。
4. 多AGV相遇处理阶段：当系统检测到多AGV满足相遇避障触发条件时，启动优先级调度机制，低优先级AGV停止移动，高优先级AGV继续行驶，待冲突解除后，低优先级AGV恢复路径行驶。
5. 终止阶段：当AGV行驶至目标点附近（距离≤0.3m）时，系统判定导航完成，输出AGV行驶数据与可视化结果，结束本次导航任务。

四、关键技术特性

1. 实时性：DWA算法通过速度约束简化轨迹搜索空间，结合高效的评价函数计算，确保局部路径规划响应时间满足实时导航需求；动态障碍物轨迹预测与AGV状态检测采用0.1s时间间隔，实现快速环境感知与响应。
2. 鲁棒性：融合改进A*算法的全局路径优化能力与DWA算法的局部避障能力，同时支持静态与动态障碍物规避，适应复杂多变的导航环境；多AGV优先级调度机制有效解决路径冲突问题，提升系统在多AGV协同场景下的稳定性。
3. 灵活性：支持地图自定义、障碍物配置灵活、AGV运动参数可调，可根据不同应用场景（如仓储物流、车间搬运等）进行参数优化，具备较强的场景适配能力。
4. 可视化程度高：通过图形界面实时展示系统运行状态，包括地图、路径、障碍物、AGV运动参数等信息，便于用户操作与监控。

五、应用场景

本系统适用于需要多AGV协同作业的复杂环境，包括智能仓储物流中心、柔性制造车间、自动化码头等场景。能够有效解决多AGV路径冲突、动态障碍物避障、复杂环境下的高效导航等核心问题，为自动化物流与生产系统提供可靠的技术支撑。