1.一种基于a*算法改进的agv路径规划方法，其特征在于，包括以下步骤：
步骤s1，对a*算法的估计启发函数h(n)进行改进，增加了估计启发函数包含的信息；
步骤s2，对a*算法的数据结构和存储方式采用优先队列储存数据的方式，对改进a*算法中open列表根据堆序性使用最小二叉堆进行优化；
步骤s3，对a*算法的节点的扩展方式进行改进；
步骤s4，对a*算法中agv的运动遇障处理进行改进。
2.根据权利要求1所述的一种基于a*算法改进的agv路径规划方法，其特征在于：步骤s1中，基于仓储环境模型，对估计启发函数h(n)进行改进，采用如下式(1)所示的估计启发函数h(n)处理多agv的路径规划：
其中，d为切比雪夫距离d＝|xd-xn|+|yd-yn|，m、n分别表示路径nn1和路径nn2上的运行agv的数量，当m、n都为0且α为1时，即为单agv的a*路径规划算法。
3.根据权利要求1所述的一种基于a*算法改进的agv路径规划方法，其特征在于：步骤s2中，为了提高a*算法的搜索效率，采用优先队列的方式进行数据的存储，不同于一般的队列，优先队列总是将当前队列中的最大或最小元素出队，优先队列的实现常选用二叉堆，考虑到a*算法在搜索过程中总是从open表中选取最小评价值的节点进行节点扩展，将优先队列这一数据结构应用于a*算法，根据堆序性，获取最小评价值节点的时间复杂度仅为o(1)，可以提高a*算法的搜索效率。
4.根据权利要求1所述的一种基于a*算法改进的agv路径规划方法，其特征在于：步骤s2中，对改进a*算法中open列表根据堆序性使用最小二叉堆进行优化的步骤为：
步骤(1)，初始化open表、closed表和初始节点s：建立open表和closed表，将起始节点s存入open表，open表采用优先队列这一数据结构存放刚生成的节点s，并对优先队列按照与原行驶方向相同的节点最优进行重排序，closed表存放已经被扩展或者将要被扩展的节点；
步骤(2)，判断与起始节点相连接的节点集p中是否包含目标节点e：如果是，则将节点e移入closed表中，算法规划成功；如果否，则将节点集p中的所有节点移入open表，将节点s移入closed表中；
步骤(3)，按照评价函数f(n)的值对open表中的所有节点进行排序；
步骤(4)，将排序后open表的第一个节点作为下一个被扩展的节点n并移入closed表中，将与节点n相连接且不在closed表中的节点存入open表，重复步骤(4)，直到open表中有目标点；
步骤(5)，如果在agv的运动过程中发生故障或者遇到障碍物，更新环境地图并以当前节点作为路径规划的起始节点s，跳转至步骤(2)。
5.根据权利要求4所述的一种基于a*算法改进的agv路径规划方法，其特征在于：步骤s3中，如果某节点n的多个后继节点具有相同的评价值f(n)，优先选择与原行驶方向相同的节点进行扩展，减少agv行驶路径的转向次数；如果该节点n仍存在多个相同评价值f(n)的后继节点，优先选择open表中靠前的节点进行扩展。
6.根据权利要求1所述的一种基于a*算法改进的agv路径规划方法，其特征在于：步骤s4，在agv的运动过程中发生故障或者遇到障碍物时，更新环境地图并以当前节点作为路径规划的起始节点s。
7.根据权利要求6所述的一种基于a*算法改进的agv路径规划方法，其特征在于：步骤s4中，使用rfid以及光电信号传感器对自身和障碍物的位置进行定位。
8.根据权利要求1所述的一种基于a*算法改进的agv路径规划方法，其特征在于：步骤s1中，对仓储环境模型选用拓扑建模法进行建模。