伴随着工业自动化的发展趋势,工业制造与物流领域也遭遇到空前的机遇与挑战。传统的人工物流无法满足越来越苛刻的快速与精确的客户需求,而具有导航精准、行动快速灵活、运行成本低廉等优点的AGV(Automated Guided Vehicle)成为物流企业的最佳选择。而由于近年来人工智能领域,尤其是深度学习理论的迅速发展与广泛使用,使得将深度学习方法应用到AGV的视觉导航功能成为眼下十分热门的研究课题。尽管目前的纯视觉导航技术还达不到工业界导航精度要求,但是本课题将利用深度学习在计算机视觉领域的优异特征提取能力,结合视觉技术的灵活和柔性特点,设计并实现在特定场景下AGV导航操作作为完整导航过程中的辅助模块,完善AGV的导航任务。为完成上述研究目的,本课题所做的工作主要包含以下几点:首先调研相关资料,梳理AGV导航技术的特点与趋势,研究深度学习方法的优势与应用,总结当前深度学习在视觉导航领域的主要应用方向和典型应用实例,并据此分析了深度学习在AGV视觉导航中作为辅助模块的应用场景和实际实现的可行性;然后针对AGV视觉导航任务嵌入式开发的特点,学习轻量级深度学习模型SSD_MobileNet网络的结构与特征,并在学习和实际使用的基础上提出针对性的嵌入式优化方案,将主干网络MobileNet中冗余的1×1卷积进行网络剪枝,并搭建Raspberry Pi的硬件测试环境进行实验验证,详细记录优化的过程与效果;之后基于优化的深度学习模型,提出AGV视觉辅助导航功能的验证场景与总体设计方案,构建由深度学习模型推理结果的二维坐标转化为三维实际位置距离信息的相机测距模型,并根据设计的方案,利用AGV车载相机进行图像采集并完成相应处理,基于优化的目标检测模型进行充分的微调训练,然后根据构建的测距模型完成模型的修正,最后将完整的视觉辅助导航功能模块集成到ROS平台上,完成AGV视觉辅助导航模块的实现;最后利用构建好的导航模块,在实际的定制场景下进行导航测试,并根据测试结果进行分析总结。