这是我在参与AGV调度系统开发工作中形成的一些认识，是我的个人观点，想到什么写到什么。我自己也在学习，有不同观点可以一起讨论。由于涉及企业知识产权，文中代码为另外单独实现的DEMO，文章内容仅供参考。   A*算法是路径规划中使用得比较多的算法，其实现起来比较简单，实践效果也挺好且便于在规划中引入一些定制化规则。故在AGV调度的应用场景需求下，其相比D*之类的算法要更加适合。        在AGV调度场景下，D*之类算法重规划上的优势用处不大，因为AGV调度系统的重规划往往是由交管系统发起的，要么交管模块用其他算法直接搜索出策略，要么交管模块更新状态代价之后重规划。而这两者都

前两篇已经配置好了OpenTCS的运行环境，启动了官方发布的编译版本，下面用IDEA进行源码的调试。1、源码下载从官方github下载：openTCS源码也可以直接下载省心打包版5.11源码+JDK13打包下载2、源码导入IDEAIDEA打开源码文件所在路径，等待加载完成。2.1配置gradle因为opentcs是gradle项目，直接build会从官网下载gradle，大概率下载失败。推荐自己先下载好gradle，并在项目中进行手动配置。使用gradle版本gradle-8.3-all，下载地址：百度网盘请输入提取码 提取码：8300下载完成后解压，在idea选择Settings 搜索gra

AGV调式之软件开发—API调用1.登陆界面2.构建一个RESTAPI请求①RESTAPI请求是由特定的动词和名词组成的句子。如果你能和你的机器人说话，你可能会说“给我你的电池电量”。RESTAPI请求也是一个句子:您只需要知道元素的正确组合和顺序。RESTAPI请求的元素：②详细解释RESTAPI请求(1)MEHTOD描述你想MIR要做什么,主要使用4种HTTP方法:(2)IP你想要与机器人的IP地址进行通讯。(3)APIVERSION所采用的是什么语言(4)端点您想访问的信息，在MiR的文档中查找端点。MiR主要使用四种HTTPRESTfulapi:GET、PUT、POST和DELETE。

文章目录前言一、国内外移动操作机器人现状二、方案概述三、主要部件BOM清单1.差动轮式AGV：2.UR5系列机械臂3.Cognex智能相机4.加工台5.控制系统6.电源和电缆四、技术点及工作流程五、计算自动化方案与人工方案成本收回时间1.自动化方案成本分析：2.人工方案成本分析：3.两种方案的比较及成本收回时间的计算：六、主要技术点分析与实现方案及仿真实现（附带源代码在文件包中）1.视觉SLAM建图2.AGV路径规划与自主避障的自动导航技术3.UR5机械臂路径规划前言目标：某企业为3C部件精密加工企业，其加工的零件为手机玻璃，要求加工精度为±0.01mm，目前为人工运输至加工中心加工，由人工采

一、A22超声波传感器该模块是基于机器人自动控制应用而设计的超声波避障传感器，针对目前市场上对于超声波传感器模组盲区大、测量角度大、响应时间长、安装适配性差等问题而着重设计。具备了盲区小、测量角度小、响应时间短、过滤同频干扰、体积小、安装适配性高、防尘防水、寿命长、可靠性高等一系列优点。参数宽电压供电，工作电压3.3～12V；1cm标准盲区(产品盲区最小可达0.8cm)；最远量程可设置，可通过指令设置50cm、150cm、250cm、350cm共4级量程等级；多种输出方式可选，UART自动/受控、PWM受控、开关量TTL电平、RS485、IIC等，输出方式不一样但功能完全一致；默认波特率为11

目录一、前言二、视觉自动循迹的算法流程（1）图像的获取（2）图像的预处理（3）目标轨迹的提取（4）根据已知曲线进行预测控制三、核心模块及要点轨迹图像细化小车轮距L的测量预测轨迹变换四、运行效果五、总结一、前言基于目前的研究演进，我们还是不能把python机器人编程——差速机器人小车的控制，控制模型、轨迹跟踪，轨迹规划、自动泊车（中）未完成部分给补上，本篇先把一些基础的问题给先解决。那就是非常常见的agv无人控制方式——循迹自动驾驶。本篇是利用单目视觉去实现简单的预定轨迹（这里指轨迹没有交叉、突变等情况），小车自动跟随驾驶。这个实现后，我们再接着开个中篇来处理复杂轨迹（比如，十字交叉、断线等）的