在现代的工业生产和物流搬运中,自主导航智能车(Automated Guided Vehicle,AGV)的应用越来广泛。AGV能够有效地完成高危险、高强度、复杂的作业任务,且能够节约工业生产成本,提高劳动生产效率。视觉导航AGV作为其中一个研究热点,具有视野广、智能化和柔性化等优点,使其具有很好的稳定性能和安全性能,因此对AGV路径识别和跟踪控制的研究具有重要的实际应用价值。本文主要研究了视觉导航AGV路径识别和跟踪控制方法。主要内容包括以下几个部分:首先,对视觉导航AGV平台进行了研究,采用6轮的轮系结构以增强其稳定性和准确性,驱动方式采用两轮差速驱动。结合其驱动方式进行了运动学分析,通过分析其角度偏差和位置偏差与两驱动轮速度之间的关系,建立了数学模型,进而得到AGV的系统方程。其次,研究了从图像中提取路径信息的方法。对预处理后的图像采用遗传分割算法进行阈值分割,并分析和总结传统遗传算法的不足和改进方法,进而采用基于改进的自适应遗传分割算法对图像进行阈值分割,从而提高了算法的收敛速度,并且取得了良好的分割效果。然后使用Hough变换的图像处理方法,提取路径方程,并通过逆透视变换矫正路径的畸变,有效地提高了路径识别的精确度。最后,针对基于PID控制器的AGV路径跟踪控制方法,研究了基于粒子群算法的PID控制器参数自整定方法。通过实验验证可知,与基于工程整定的方法相比,基于粒子群算法参数自整定的PID控制器能显著地提升AGV系统的控制性能。并针对算法收敛速度慢、易早熟的问题,研究设计了基于动态设置惯性权重的改进方法,以充分发挥粒子群的多样性。实验分析表明,改进后的算法全局收敛性能显著增强,收敛速度明显提升,参数自整定后的PID控制器表现出很好的控制性能。