随着工业生产自动化、计算机智能识别技术的发展以及自动化立体仓库(AS/RS)的广泛应用,自动导引车(Automatic Guided Vehicle,即AGV)作为联接和调节离散型物流系统的手段,日益成为在仓库作业中搬运的重要工具。同时,自动导引车避障研究亦日益受到重视,将机器视觉中的图像处理技术应用到障碍识别与躲避中,能够提高自动导引车的环境识别能力,促进自动导引车更向智能化的发展与应用。论文从实际出发,模拟人类视觉,以图像处理技术为基础,使用双目立体视觉系统确定图像中任意点的三维坐标,从而实现AGV的障碍识别。本研究采用两个以CMOS作为感光元件的摄像头,从不同角度同时获得被测物的两幅数字图像。制作由黑白相间正方格组成的标定板,通过对标定板的检测计算,建立空间坐标、摄像机坐标和图像坐标关系,同时计算摄像机内外参数以及双目视差。根据摄像头的物理模型与图像匹配后得出视差d,运用三角几何模型计算景深,并且构建三维立体图。在计算景深时候加入三个约束条件,提高匹配运算效率。小车可以根据三维立体图判断障碍物是否存在并且做出避障动作。在论文第三章第四节中基于Visual Studio 2012平台,使用C#语言调用Emgucv视觉函数,成功完成对摄像机的标定以及视差图的测绘。根据运算数据,可以得知与像素点相对应的三维空间点坐标。根据视觉检测障碍物的特性,本文提出与之相匹配的人工势场法,分析了传统的人工势场法原理,发现算法中存在局部极小点等缺陷。为改进传统人工势场法,本文分析了三种出现局部极小点的情况,并且提出了插入斥力因子和设置虚拟目标点两种方法,避免出现局部极小点。在对较大障碍物躲避而无法使用人工势场法避让时,本文进一步提出人工势场结合边缘检测法。如果判断小车已进入障碍危险区域,激活边缘行走行为,当小车脱离该障碍物影响时再次切换成人工势场法避障模式。论文第四章第四节中设计MATLAB仿真程序,模拟了传统人工势场避障失败和改进人工势场法避障成功的情况,证明此避障策略的可行性。