AGV(Automated Guided Vehicle),又称作能够自主寻径的智能车,主要应用于物联网场景中,并配备引导设备,能够自主运行至工位以满足生产需求。实质上,这种业务模式有利于生产更加柔性化和智能化。此外,AGV还可以提高货物运输的配准率,增加安全性,引导设备能够根据需求做出调整,利于推广,对整个智能工厂来说,可以大大降低人力资源以节省成本,提高生产效率。科技的进步以及人们需求的提高使得AGV的技术研究飞速发展,AGV的智能导航就是其中之一。现在,AGV主要导航方式包括:激光雷达、惯性制导、磁带导航等,可仍面临许多挑战:1、激光导航成本很高,本身会限制应用的推广;2、惯性制导会产生累积误差,需进一步研究矫正技术,否则会阻碍设备长期稳定的运行;3、磁带导航不便于AGV生产线的调整,工作柔性差。本文主要研究了AGV在智慧工厂光照不均、地面纹理或裂纹、路径破损等复杂环境下的路径识别以及跟踪控制问题。相对传统AGV导航方式,利用带有颜色的标识带做为引导首先可以大大降低导航成本;其次,路径修改较为方便,柔性化程度更高;借助计算机视觉技术准确识别出路径信息实现AGV的自主导航,智能化程度更高。所以现阶段的视觉导航技术有希望促进无人工厂领域的AGV智能导航新进程,实验结果也证明了本文研究的AGV视觉导航的有效性,本文的主要创新点和贡献总结如下:1、针对复杂场景中的干扰信息严重影响了路径识别的检测效率和鲁棒性,根据摄像头传感器的安装位置建立几何模型,基于空间坐标系转换以及累计概率霍夫变换(Progressive Probabilistic Hough Transform,PPHT)设计动态感兴趣区域(Dynamic Region of Interest,DROI),该方法根据AGV自身尺寸自适应建立动态分析窗口,一定程度上提高了算法的运算效率与鲁棒性。2、针对光照不均以及地面纹理带来的检测干扰,提出基于YCr Cb的边缘检测方法,结合OTSU算法对标识带进行图像分割,为更好去除噪点,进一步对图像下采样,结合形态学运算进行边缘检测。最终能够有效滤除噪声,准确提取标识带边缘,该方法为AGV路径跟踪控制提供了必要的基础。3、针对地面裂纹以及标识带破损问题,基于动态规划与PPHT建立优选模型准确识别路径信息,最终,基于Hough Circle定位弯道标识,根据位置关系建立决策控制模型对AGV进行跟踪控制,实现智能导航。