随着自动化水平的提高,自动导引车（Automated Guided Vehicles,简称AGV）越来越多的被应用到生产、生活之中,发挥的作用也越来越重要。AGV的应用不仅可以减小人工成本,而且生产效率也随之提高。视觉引导的AGV具有不受电、磁信号的干扰,路线易于改造等优点。近年来,随着计算机技术的飞速发展和传感器硬件能力的提升,基于视觉引导的AGV逐渐成为研究的热点。本文以某汽车零部件生产车间为应用场景,针对实际工作过程中存在的光照不均匀、引导色带破损、障碍物阻挡等问题,对视觉AGV的自主循迹进行了研究。主要的研究内容和成果如下:1、AGV机械结构的确定和相机的标定、配准。分析现有AGV驱动形式和轮系布局的优点和不足,结合本课题中AGV的实际工作场景确定了最终的AGV驱动形式和轮系布置,并建立了三维模型。选择了符合需求的Kinect相机,并对该相机的RGB相机和红外相机进行了相机标定与配准。2、利用引导图像生成引导轨迹。针对工作过程中存在的光照不均匀、引导色带破损的问题,提出了一种引导图像的处理方案,成功地从引导图像中提取出了引导轨迹,经实验验证该方案可以有效解决上述问题,有效提取出引导轨迹。3、循迹控制及障碍物检测的研究。通过对比分析并结合本课题的设计目标,选择合适的循迹控制方法,在对AGV进行运动学分析的基础上,对现有的纯追踪算法进行基于AGV运动模型的改进,并利用仿真实验分别对初始偏差5cm、10cm和15cm的三种工况下的循迹效果进行仿真分析,验证了改进后算法的有效性。利用深度相机获取的深度数据,并设计了障碍物检测规则,设计了一种障碍物检测方法,实验表明该方法能有效识别出障碍物。4、实验平台搭建与算法验证。搭建了AGV小车试验平台,并在光照良好的中午和光照不良的夜晚两种极端环境下,进行了实际工作过程中常遇到的4种引导轨迹提取实验,验证了轨迹提取方案的稳定性。分别对初始偏差为5cm、10cm和15cm的三种工况下的循迹能力进行了实车验证,验证了循迹控制方法的稳定性和有效性。分别对体积较大的障碍物和体积较小的障碍物,进行了6种障碍物检测实验,验证了障碍物检测方法的可靠性。