AGV（Automated Guided Vehicle）作为一种24小时无间断连轴作业的智能导引设备,可代替工人实现操作过程的无人化流程运转。数字图像处理技术和机器视觉领域的兴起,推动了AGV视觉导引技术的发展,且视觉导引方式灵活、成本低。本文针对视觉导引AGV按预设路径运行问题,进行路径跟踪控制研究,结合PID控制算法的简单、易实现,模糊控制算法的推理能力和神经网络算法的高效学习能力进行控制器的设计,改善了采样时间滞后问题,优化模糊推理,实现参数在线自整定,控制器性能稳定且纠偏性良好;同时进行避障策略方案的设计,制定避障安全区域、建立避障模型和测距模型实现AGV无碰撞绕行障碍物;最后联合Prescan建模,基于四组路径跟踪仿真实验验证本文设计的AGV模糊神经网络PID控制器的时效性和稳定性。具体研究内容和成果如下:（1）首先对采集的图像进行预处理,将RGB数据格式图像转换为灰度图像,采用改进的自适应中值滤波进行降噪增强处理,基于自适应Ostu阈值分割算法将导引线和障碍物与背景分割开;基于图像特征采用Canny算子进行边缘检测,利用Hough变化识别路径边界线并进行中心线的拟合,检测出障碍物并用矩形框进行标注。（2）设计避障策略方案。制定避障安全区域,基于障碍物相对于导引线的位置,建立三种避障模型;基于针孔成像模型,分别建立障碍物相对于AGV的纵向测距模型和横向测距模型,进行摄像机标定和测距实验,验证了本文设计的测距模型有效性;依据避障模型进行AGV避障仿真。（3）采用导向驱动式AGV车体结构,建立相应运动学模型;本文基于PID算法,设计PID+前馈控制器改善传统PID控制器采样时间滞后问题,结合模糊控制算法设计模糊PID控制器解决PID无法在线调参问题,融合神经网络算法设计模糊神经网络PID控制器优化模糊逻辑推理;加入噪声干扰分别建立相应控制系统模型,仿真对比分析得本文设计的模糊神经网络PID控制器不易引起振荡,响应速度快,稳定性好。（4）建立AGV车体3D模型和3D场景模型,联合Simulink进行AGV路径跟踪仿真实验,针对直线路径、圆弧路径、直线过渡圆弧路径和曲线路径分别进行了跟踪控制验证。结果表明,在有噪声信号干扰作用下,本文设计的AGV模糊神经网络PID控制系统能够较快地跟踪路径,其鲁棒性、时效性以及控制稳定性效果理想。