物流自动化技术的不断发展促进了自动导引小车(Automated Guided Vehicle,AGV)在制造、仓储和物流等行业的广泛应用,为适应工业现场复杂的作业环境,AGV需要对可能造成视觉导引系统干扰的各种因素具备一定的容错能力。本文在总结现有AGV视觉导引技术的基础上,深入研究了针对光照、图像污损、图像遮挡和图像抖动的智能容错技术、路径特征的鲁棒识别技术以及AGV精确定位技术。本文首先针对光照影响因素,提出了一种LED环形阵列光源的自适应调光技术,采用PWM波调整光源的亮度,使采集到的图像具有恒定的平均亮度;针对LED环形阵列光源,建立了LED环形阵列光源的光照模型,确定了使图像高光区域具有均匀光照的光源最佳安装高度,并确立了高光区域及低照度区域的范围;针对光源遇到遮挡或部分LED灯珠损坏失效的情况,提出了一种基于图像的光源状态监控方法,采用帧差法精确确定LED坏点区域。其次,针对由于地面路径污损导致路径图像分割失效的情况,提出一种基于形态学的污损自修复方法,有效解决了由于图像污损对路径特征提取产生的干扰;针对导引路径断裂或者有遮挡的情况,提出一种基于最小二乘法拟合的图像遮挡处理方法,采用最小二乘法拟合直线导引路径以及圆弧转弯路径,在路径断裂处采用拟合的直线或圆弧上的数据实现AGV的可靠导引;针对AGV运行过程中摄像机易抖动的情况,提出了一种图像防抖动算法,滤掉AGV出现的大抖动,确保AGV平稳运行。再次,针对AGV多分支路径与工位点的可靠识别难题,将整幅路径特征图像作为输入特征,通过KPCA将图像特征映射到高维空间并进行KPCA降维,再利用BP神经网络算法识别降维后的样本矩阵;在图像视野中设立了模式识别窗口以及导引扫描窗口,在导引扫描窗口中将路径简化成直线模型计算偏差,在保证导引精度的前提下提高算法运行速度;针对视觉导引AGV的精确定位问题,提出一种连续十字工位点二次视觉定位方法,消除车体惯性对精确定位的不利影响,实现AGV毫米级定位。最后,本文研制出一款基于Mecanum轮平台的视觉导引AGV,并在此基础上进行大量实验,实验结果验证了本文构建的智能容错视觉导引系统的有效性。