在机器视觉及计算机技术迅速发展的背景下,AGV视觉导引技术已成为热门研究对象。在AGV实际应用环境中,随着不同地点、不同时刻的复杂光照动态变化,地面背景与导引路径的颜色特征发生显著变化,路径识别算法的精确性和可靠性受到很大影响。针对复杂光照问题,本文在总结AGV视觉导引技术发展现状的基础上,深入研究了复杂光照条件下AGV视觉导引系统需要解决的关键技术。首先,搭建了AGV视觉导引系统,详细介绍了AGV视觉导引路径识别原理,深入研究了复杂光照条件下AGV视觉导引路径的光照色彩特性,并建立图像光照色彩模型,根据色彩特性定义3种照度区域。在此基础上,利用支持向量机分类器对路径图进行照度区域划分,在RGB色彩空间对低照度区域进行图像增强以还原路径色彩信息,在高亮光区域对色度分量Cb与Cr进行差分运算以抑制共模照度干扰,然后对不同照度区域分别进行自适应阈值分割,最后采用粒子群优化算法精确提取导引路径信息,并通过大量实验验证该系列算法的有效性。其次,在AGV导引阶段,针对导引路径图像难以准确提取的特殊场景,提出一种基于无迹卡尔曼滤波和视觉导引的AGV位姿最优估计方法。根据AGV运动学模型,利用无迹卡尔曼滤波算法对AGV位姿进行预测,并通过AGV视觉导引系统观测AGV的实际位姿,从而实现基于预测-观测反馈的AGV位姿最优估计,进一步提高了视觉导引的可靠性。最后,在理论方法研究的基础上,成功研制了具有复杂光照适应性的AGV视觉导引系统,在动态变化的光照环境中完成了大量视觉导引实验。实验结果验证了所提方法及系统的有效性。