自动导航车(Automated Guided Vehicle, AGV),是一种无人驾驶搬运车,能够在人工干预相对甚少的基础上完成复杂的工作。现阶段AGV的研究热点集中于改进导航方式及控制方法。以工业实际应用的视觉导航AGV为研究对象,首先介绍了AGV的硬件结构。然后具体研究了AGV在自主导航过程中的路况识别,包括路径识别,加速、减速、转弯、停止等标识符的识别,及在具体行驶过程中固定障碍物的检测。最后建立AGV模型,并通过模糊控制,实现AGV在已知路径上的自主导航。本课题的主要研究内容包括以下几个方面：1、AGV在行驶过程中的路径图片信息的预处理：针对实际捕获的图片,对图片进行了分块2值化,从而能够为后面路径边界提取提供较好的路径信息,最终保证AGV在导航中的可靠性。2、一种改进的直线拟合方法：在原来Open CV提供的HOUGH变化的基础上,进行间隔信息的拟合,这样极大缩短了直线拟合的时间,保证了AGV在导航中的实时性。3、在Marker(标识符)识别中,采用的是基于标识符边界特征的识别。为了防止标识符被污染造成识别错误,因此通过提取的路径中线结合感兴趣区域进行标识符的边界跟踪,提高了标识符边界特征的提取效果。4、在障碍物检测方面,针对的是固定障碍物检测,采用的是对获取的图片进行方块(每个方块对应一个距离)扫描的方法：当有障碍物在AGV前方,必定会造成捕获的图片的像素变化,通过设定好的方块对变化像素的大小进行扫描,从而预估计小车距离障碍物的距离。5、考虑到AGV在实际工作中负载及外部情况的不确定性,导致模型变化很大。因此采用的是对AGV模型要求较低的模糊控制。首先建立AGV一般模型进行了仿真实验,然后进行了实际测试,实现了基于视觉的AGV自主导航。