自动导引小车(AGV)作为物料自动化运输的重要工具,在制造、仓储等行业有着广泛的应用。随着应用范围的不断扩大,同时为了满足生产任务需求,AGV需要提高自身导引和定位精度,并且能够实现在运行环境中的全局定位来感知位置和优化调度。本文在总结现有视觉导引AGV技术的基础上,深入研究了路径参数精确估计的视觉导引技术、精确停车定位技术和多传感器信息融合的全局定位技术。本文重点研究了影响导引精度的多个因素,建立摄像机前倾安装方式下的视觉传感器模型,并进行了精确标定;在图像预处理阶段,对图像的三种失真进行联合校正,并通过改进的快速加权中值滤波对图像进行有效增强;对图像自适应多阈值分割后得到二值图像,提出了采用路径轮廓中心特征提取方法,以点集来简化路径模型;通过斜率方差方法实现对路径模型的分类识别,采用改进的RANSAC算法剔除了中心特征点集中的噪声点,提高了路径拟合的精度,以及在路径破损、污染、干扰情况下运动参数估计的鲁棒性。论文针对AGV停车定位能力不足和精度不高的现状,在摄像机前倾安装方式下,建立了视觉实时测量模型,实现了将图像坐标系中特征点坐标向实际场景的物理位置信息转换;以测量模型中像素点的放大倍数作为多窗口静态划分的依据,并根据图像亮度与照度之间的线性关系,对图像窗口进行动态划分,结合两种划分方式的结果实现对图像的多窗口动态划分;为提取椭圆地面特征标志中心坐标,采取行、列扫描方式提取出水平和垂直方向的中心点集,并以最小二乘法对点集进行拟合,将拟合出的两条直线的交点作为椭圆标志中心。在不同的窗口采用不同的控制策略,实现AGV的精确停车定位。再次,论文针对视觉导引AGV全局定位能力不足的问题,提出了通过自身视觉传感器,提取特征标志作为全局位置信息点,使用惯性测量单元(IMU)作为外部传感器来获取AGV的实时速度、角度和位移;在无设置特征标志的路径处通过自身IMU传感器进行定位;在设置特征标志的路径段使用EKF信息融合算法将视觉数据和IMU信息结合,来精确获取车体的位姿状态,消除累积误差,并结合已知拓扑地图,实现AGV的全局定位功能。最后,以本文提出的视觉导引及定位技术为基础,成功研制了具有全向运动功能的视觉导引AGV,并在此基础上进行大量实验,实验结果验证了本文提出的视觉精准导引技术和精确定位方法的可行性和有效性。