随着我国仓储物流行业的快速发展,人工效率的降低和劳动力成本的增加,利用移动机器人完成仓储物流工作就成为必然趋势。移动机器人在完成物流的同时还需要满足安全行驶的要求,于是移动机器人在仓储复杂环境中如何保持自主安全避障是完成物流的前提和保障。机器人如何自主避障导航是仓储物流的研究热点问题。但相关研究主要集中在静态障碍物的自主避障,而对于多移动机器人相互之间的动态避障研究相对较少。于是本文基于Xtion Pro Live视觉传感器,探索了AGV（Automated Guided Vehicle）自主移动机器人在动态环境下的避障问题,分别对静-动态障碍物的检测、多AGV的避障问题展开了研究。本文所做的主要工作如下:针对复杂的物流仓储环境,首先利用深度相机获取仓储环境的点云图像,采用RANSAC算法分离出地平面,获取到地面上的障碍物。其次采用ORB算法提取匹配特征点,根据运动参数模型,采用PROSAC算法分离出背景运动对静态障碍物进行检测。最后针对动态环境中,由于相机的运动,导致动态障碍物叠加了背景的运动,研究了基于背景运动补偿的动态障碍物检测方法,再结合传统的帧差法提取出动态障碍物。针对多个AGV同时工作时的静-动态避障问题,设计了不同冲突类型的多AGV避障行为;针对目标点和障碍物引起的引力斥力平衡而避障失败的问题,设计了添加距离因子的改进人工势场法;结合动态障碍物的速度和方向的动态变化性,提出了相互速度障碍法的避障策略,实现了多AGV在动态环境中的自主避障。最后对障碍物检测和避障进行了实验验证,模拟实验验证了本文所设计的动态障碍物检测算法,能够准确的在动态场景下检测出动态障碍物。仿真实验验证了多AGV静-动态避障算法的合理性与可行性,能够准确的避开障碍物到达终点。本文的研究对多AGV协同工作具有重要的意义。