自动引导车(Automated Guided Vehicle,简称AGV)是一种集合了现代智能化工业技术的运输装备,涵盖了机器视觉、传感器检测、计算机技术、现代控制理论以及机械制造等多种学科领域。其中最具有发展前景的是视觉导引AGV,主要通过视觉传感器感知并提取路径信息,经过车内决策单元的信息处理,分析决策后下达工作运行指令。因此,精确的路径识别以及良好的控制策略对于AGV稳定工作至关重要。本文分别从视觉导引AGV路径识别和跟踪控制这两个方面进行较深入的研究,主要工作如下:1、针对两种特殊条件下路径信息提取问题进行预处理,其中包括运用图像处理技术解决在非均匀光照下的路径带提取问题以及拍摄平台发生抖动后的去抖稳像处理,同时对去抖稳像算法进行适当的改进,提高视觉传感器获取路径图像的质量,更好的为AGV视觉导航提取路径信息和计算偏差做准备。2、为满足实际应用中视觉导航AGV对多种状况的运行需求,在路径导引线旁设计了导航标识符,使得提取的标识符信息能够被匹配算法准确识别。同时对传统匹配算法上进行了改进,提出了基于字符细化的模板匹配算法,提高了识别速率和准确性。3、为提升视觉导引AGV沿“线”行驶的精确度,在提取路径中心线后以直线路径、圆弧路径、以及非圆弧路径为研究对象,使用数学模型来计算该路径的偏差参数,最后采用一种曲率估计方法对不同路径模型进行分类,并通过实验验证了该种分类方法的可行性,提高了视觉导引路径测量精度。4、为提升AGV路径跟踪控制效果,研究了模糊控制理论在距离偏差与角度偏差上的控制方法,在此基础上增加速度模糊控制器,提出了多模糊控制器共同参与偏差调控的控制策略,通过仿真实验验证了该控制算法的可行性。