相比于其他外部测量式传感器,视觉传感器可提供颜色、形状、纹理等大量丰富的环境感知信息,具有较高的性价比。视觉导引对于提高自动导引车(Automated Guided Vehicle,AGV)的智能性、精确性、鲁棒性具有重要意义。针对复杂工业环境下的光照变化、地标退化和特征不稳定等难题,提出一种多目视觉AGV自由路径导航技术,研究了路径识别导航、RGB-D SLAM(Simultaneous Localization And Mapping)导航和AUKF(Adaptive Unscented Kalman Filtering)位姿融合导航,实现了固定路径导航技术和自由路径导航技术为一体的多目视觉导航方法。论文的主要研究内容包括以下几部分:首先,针对复杂环境下的光照变化和地标退化等问题,提出了一种智能路径识别导航方法,包括一种基于核主成分分析-反向传播神经网络(KPCA-BPNN)的路径分类算法,以及一种改进粒子群优化-二叉树导引窗口分区(IPSO-BTGWP)的路径模型估计方法。其中,路径分类算法将导引路径分为直线路径和曲线路径,曲线路径通过BTGWP近似方法转换成直线路径,再利用基于IPSO的鲁棒路径估计方法计算直线路径的模型参数。其次,为了提高室内复杂环境下SLAM导航的精确性和鲁棒性,提出了一种RGB-D SALM位姿估计导航方法,包括基于自适应半径的感觉兴趣区域关键点检测方法、基于改进RANSAC(Random Sample Consensus,随机抽样一致性)的特征点匹配方法、基于PNP(Perspective N Points)-ICP(Iterative Closest Point)的位姿估计方法,以及基于图优化的后端全局优化算法。其中通过欧氏距离计算特征点对,利用PNP-ICP联合建立最小化重投影模型(BA),通过回环检测和图优化算法对全局位姿优化,消除累积误差,提高SLAM导航的精度和鲁棒性。再次,针对单一视觉传感器获取的特征不稳定难题,提出一种基于自适应无迹卡尔曼滤波(AUKF)的多目视觉AGV位姿融合导航方法。将视觉路径测量偏差和RGB-D SLAM位姿估计作为联合观测数据,再与AGV运动模型特性进行AUKF融合。通过将多视觉传感器的感知信息联合处理,提高视觉导航的智能性、精确性和鲁棒性。最后,开发了多目视觉移动机器人实验平台,在实验室环境下利用该平台对本文所提方法进行了实验验证。实验结果表明本文所提方法可有效提高视觉导航系统的智能性、精确性和鲁棒性。