AGV作为搬运物料的设备,被应用在智能工业化生产、仓储物流等领域。由于近年来计算机视觉技术的不断发展以及相关硬件性能的提高,视觉引导成为了研究的热点。此次研究课题来源于导师团队与某公司合作的项目,其生产线特点是灵活度高,可以同时生产多个品种的产品,并且存在随时插单的情况,因此在整个AGV导航过程中,要能实时监控AGV的位置,便于灵活的安排AGV运送物料。因此AGV的实时定位是AGV导航过程中需要解决的问题,此外障碍物的检测也是一个急需解决的问题。基于以上问题本文以AGV为研究对象,结合机器视觉及二维码相关技术,主要研究了AGV视觉导航、二维码定位与障碍物检测等内容。首先,针对AGV引导问题,在分析了该公司实际的生产环境后,构建了有线式视觉导航方式,并辅以自定义二维码进行定位。在有线式导航过程中,摄像机前倾式安装,采集到导航带图像,通过形态学处理提取路径信息,利用最小二乘法拟合路径中心线,并计算AGV行驶过程中与导航带中心线的偏差,控制器利用该偏差来纠正AGV的行驶路径。第二,在AGV导航过程中,系统需要知道每个AGV的实时位置,因此针对AGV实时定位问题,本文选择在导航带中放置二维码进行辅助定位。在二维码识别过程中,由于工厂内部的环境因素,使得二维码图像存在阴影,这给后续提取二维码中的信息造成了一定的影响。因此,在研究相关的二值化算法的优缺点后,针对此次研究内容本文提出了一种改进的粒子群算法IM-PSO,以此提高二值化效果。第三,在AGV导航过程中,必定会存在障碍物,会影响AGV的行进,因此针对AGV的碍物检测问题,构建了基于YOLOv3-tiny的障碍物检测模型。传统的避障算法对数学模型的要求较高,难以实现移动AGV安全、快速完成工作的需求。为了更加快速的获取相关图像的特征,本文采用基于深度学习的方法进行AGV的障碍物检测。最后是AGV导航的系统测试,包含基于固定路径的导航测试、二维码定位测试以及障碍物检测与避障测试。通过测试实验,验证了此次研究内容和方法的可行性。