本文以智能AGV为研究平台,对路径规划算法展开研究。在进行路径规划算法研究之前,首先对智能AGV系统模型和定位方法展开分析。在系统模型构建方面,分别搭建了坐标系模型、环境地图模型、智能AGV运动学模型和激光扫描测距仪观测模型等,为后续定位方法和路径规划算法分析提供必要的理论基础。在定位方法方面,采用基于光电编码器的相对定位法和基于激光扫描测距仪的绝对定位法相结合的组合定位法,并利用扩展卡尔曼滤波算法将光电编码器数据和激光扫描测距仪数据进行融合。在路径规划算法方面,针对标准A*算法在智能AGV路径规划中存在的弊端,提出一种基于动态障碍物、奖惩机制和直线-分段圆弧-直线模型的改进型A*算法,并在matblab上对算法的可行性进行了验证,标准A*算法改进如下：针对标准A*算法仅能在全局环境信息已知的情况下才能规划出一条起点到终点的最终路径,提出基于动态障碍物的A*路径重规划；针对标准A*算法生成的路径没有考虑智能AGV宽度信息,提出基于奖惩机制的子节点生成策略,优先生成与原路径同方向的子节点,不生成当前节点在对角线方向上与障碍栅格节点相邻的子节点；针对标准A*算法生成的路径拐点多、累计转折角度大和路径不平滑等问题,在关键点优化的基础上,提出直线-分段圆弧-直线模型,在拐点处以曲线转弯代替折线转弯。改进后的A*算法拐点数量大大减少,在拐点处以分段圆弧段平滑过渡,能够较好满足智能AGV的运行特性。最后,在定位方法和路径规划算法研究的基础上,对智能AGV进行软硬件系统设计,并针对智能AGV工作环境强干扰的特点,提出软硬件抗干扰方法。