随着当今社会自动化与智能化产业的不断发展,自动导引车辆（AGV,Automated Guided Vehicle）在物料传输及其它衍生功能中起到越来越关键的作用,其中AGV导引方式中的视觉导引如今已逐渐成为最热门的感知方式之一,但实际上当前并未得到大规模的商业化落地与应用。AGV在实际运行时难免会遇到过度曝光或阴影区域,还可能出现导引线不明显甚至破损等干扰导引线识别的现象,因此为了提升视觉导引AGV的鲁棒性,从软件层面解决现有技术的不足,本文着重针对视觉导引AGV在复杂工作环境下运行时难以精准提取导引线的问题展开了研究,探索了抗干扰视觉技术在AGV领域的应用;同时对其导航偏差的计算与横向运动控制也进行了深入研究与验证,旨在提升AGV的运动品质,在图像处理与运动控制两大方面为视觉导引AGV的路径跟踪控制提供了新方法、新思路。本文的主要研究内容如下:（1）分析了如今在导引线识别方向的技术难点与现有技术的不足,并针对AGV的导引线识别算法进行研究,将导引线识别提取过程分为图像预处理、边缘提取、导引线筛选及导航偏差计算四个步骤。图像预处理部分主要针对图像中的光照不均区域展开研究,设计了一种基于快速引导滤波与变参二维Gamma函数的图像校正算法对光照不均区域进行图像校正,以解决由光照不均导致的导引线边缘难以检测提取等问题。本文在导引线边缘提取与筛选时,首先按照H、S、V分量所属区间进行特定色彩区域筛选,从而得到二值化图像;之后利用类蚁群算法初步进行图像边缘检测,在具备实时性的前提下将符合规则的全部轮廓区域提取;在导引线筛选时引入导引线宽度特征,从边缘图像中进一步精确筛选符合特征的线条从而完成导引线的识别与提取;之后根据前瞻值进行了预瞄点纵向位置的计算,并结合图像矩从识别出的导引线中确定预瞄点的具体坐标,与图像的绝对中心作差得到导航偏差。最后在不同典型场景下进行了导引线识别算法的验证,结果表明本文所设计的图像预处理及导引线提取算法具有较高的抗干扰能力与识别率,在不同环境下均得到了较好的导引线提取效果,能够支持AGV在复杂环境下的有效识别。（2）针对AGV的横向运动控制进行了深入研究。首先根据最优预瞄控制理论与运动学模型得到期望的横摆角速度,然后利用变论域模糊滑模控制器根据横摆角速度实际值与期望值的偏差计算得到所需的前轮转角。在计算过程中对传统滑模控制器进行优化,使用变论域模糊控制及时调整切换增益系数,进而成为一种基于预瞄的变论域模糊滑模控制器。最后基于Simulink与Car Sim联合仿真平台对本文设计的运动控制算法进行了验证,并与PID控制、传统模糊滑模控制进行了对比,结果证明基于预瞄的变论域模糊滑模控制算法具有较高的控制精度和快速收敛性。与模糊滑模控制相比,该算法能够适应更多工况,具备更快的响应速度,更高的控制精度与工况自适应能力。（3）在控制算法部分设计完毕后介绍了AGV系统功能试验平台的搭建,试验场景及结果分析,硬件部分介绍了AGV整车试验平台的硬件组成与各模块功能,软件部分介绍了通讯方式、基础架构与各模块内部的具体算法实现方式。最后在前文单独验证各部分控制算法功能的基础上依托AGV整车试验平台在典型复杂场景下进行了实车综合性能试验,试验结果表明本文采用的感知算法可行有效,且具有较强的抗干扰性能,较好的运动品质与较快的运算性能,能够满足视觉导引AGV在各种复杂环境下正常工作使用的需求。