视觉导引是自动导引车(Automated Guided Vehicle,简称AGV)导航系统中一个重要的研究方向。在AGV车常用的几种导引方式中,目前使用得最多的导引方式是电磁导引式。这种导引方式优点是原理简单,系统内的通讯和控制简单方便,抗干扰能力强,缺点是设计好的路径不能更改和扩展,可扩展性较差。为提高AGV车视觉导航系统对环境的适应性,以及导航系统的精度和效率,设计了一款基于深度学习方法的视觉导航系统。对需求进行了研究和分析之后,开展了如下工作,首先针对AGV车的使用环境以及软硬件设备平台做了研究和测试,对系统的运行环境有了基本的了解。其次,将所有的图像进行了畸变矫正处理,解决了采集到的图像数据发生畸变的问题,为后续各项工作提供正确的图像数据,进而保证了导航结果的准确性。然后利用深度学习算法,对图像信息进行了更深层次的挖掘和解析,首先实现了对图像中特定标志物的实时检测,根据目标检测的结果判断AGV车的任务类别,接着对特定目标的边缘进行分割,最后完成特征点检测工作,为路径规划计算提供关键数据依据。最后根据得到的关键点信息,对AGV车的行驶路径进行规划。介绍了视觉导航系统总体框架的设计和实现过程,并在实际使用环境下对导航系统进行了功能测试和性能测试,测试结果显示导航系统的误差均在可控范围以内,其中角度调整的误差在±3度以内,前进方向平移调整的误差在±2cm以内,前进距离的误差在±3cm以内。