在智能仓储物流中,自动引导车（Automatic Guide Vehicle,AGV）是一种可以自主完成货物运输的自动化设备。随着仓储物流行业不断发展,实际应用场景中对AGV定位和运输性能的要求不断提高。本文基于仓储AGV产业项目,对仓储AGV定位和导航两方面进行研究。重点研究内容如下:针对仓储环境几何结构相似、路面状况复杂等因素导致AGV定位精度低甚至定位失效问题,提出基于多传感器信息融合的AGV定位方法。通过加权融合算法和扩展卡尔曼滤波对里程计、惯性测量单元和二维码定位系统进行信息融合完成AGV运动状态估计;通过航迹推算法利用运动状态估计结果完成实时定位;通过自适应蒙特卡洛定位算法对定位结果和激光雷达数据进行信息融合,修正航迹推算法定位的累积误差,进而实现稳定、精准的定位。针对动态窗口法（Dynamic Window Approach,DWA）在导航过程中指令频繁波动导致AGV速度反复突变,引起车体震动,导致运输质量较差的问题。设计DWA算法轨迹速度平稳性评价函数,提高了DWA算法路径跟踪过程中的平稳性。同时针对所面向的实际仓储AGV驱动系统控制延迟问题和控制协议特点,提出相应的控制延迟补偿方法和速度矢量空间范围计算方法,实现DWA算法与实际应用平台的适配。针对仓储AGV技术研究与产业项目应用需求,搭建了仓储AGV实验平台与应用平台。在AGV实验平台上对所设计的定位方法和导航技术进行实验验证,并移植到应用平台上完成综合测试,验证了本文所设计的仓储AGV整车控制器以及定位导航技术方案的可行性与实用性。