随着现代物流业的不断推进,智能仓储已经成为现代物流不可或缺的一部分,而自动导引车（Automated Guided Vehicle,AGV）作为智能仓储中的重要一环,其定位及路径跟踪性能直接影响其运行效率。因此,AGV如何快速、准确地确定自身位姿,以及根据自身位姿如何准确跟踪目标路径、快速到达目标点已经成为AGV技术研究中的热点问题。本文以差速转向AGV作为研究对象,对AGV的定位方法和局部路径规划策略进行了研究,主要研究内容如下:本文以反光板作为先验地图特征确立了仓储环境下的全局定位系统,并以此为基础建立了AGV的坐标系统,同时在该坐标系统下,推导出了差速转向AGV的运动学模型和动力学模型。为了进一步提升AGV定位的精确性和快速性,通过里程计模型建立预测方程,通过激光反光板原始极坐标数据建立观测方程,经过无迹卡尔曼滤波方法线性化处理,最终实现了一种基于多源传感器信息融合的定位策略,该方法尽可能减小了线性化处理的精度损失,保证了全局定位数据的高效率输出。针对传统动态窗口算法（Dynamic Window Approach,DWA）转弯过多,大曲率转弯容易偏离路径等问题,本文对DWA算法的评价函数进行改进,同时通过扩张观测器（Extended State Observer,ESO）对来自侧移、滑移、地面摩擦力变化等带来的外扰和内部建模不准确引起的内扰进行实时观测并补偿,从而降低了AGV的路径跟踪误差,加快了AGV在遇到干扰之后的收敛速度。本文基于MATLAB和机器人操作系统（Robot Operating System,ROS）的gazebo工具对所提算法进行了仿真验证,并搭建了仓储系统物理实验平台,通过仿真和实验对比,验证了AGV在不同工况条件下的定位和路径跟踪性能,结果表明AGV可以达到实时而精确的定位效果,且能稳定、准确地对给定路径进行跟踪。