制造业是国家的基础性、前沿性、支柱性与战略性的产业。随着精益生产、柔性制造、智能制造、计算机集成制造、绿色制造、准时制生产等先进制造模式的涌现及应用,制造企业对制造车间的制造装备和物料搬运系统提出了更高的要求。自动导引小车(AGV)作为现代工业物流系统的关键设备之一,如何进一步提升其智能化、柔性化是当今及今后一个时期的重要研究方向。本文在回顾国内外物料搬运AGV、视觉导引AGV研究应用现状,以及机器视觉关键技术的基础上,以视觉导引AGV为研究对象,对目标跟踪、目标识别、视觉定位以及目标导航等关键技术开展了四个方面的深入研究。1、提出了一种基于多特征融合稀疏表征的目标跟踪算法。针对目标跟踪算法在复杂条件下跟踪鲁棒性不强的问题,在粒子滤波框架下,引入稀疏表示理论与仿射变换理论,以减少目标状态描述所需的特征数量,提高了算法的运算速度,且具有对目标平移、旋转和尺度变化等因素不敏感的特性。算法中引入了快速粒子筛选法及基于灰度与LBP特征的特征选择方法,前者剔除了与目标相似度低的粒子,可进一步减少计算量,后者通过结合?2稀疏表示原理对目标特征具有更强的区分力;融入了APG稀疏方程求解方法,使算法运算速度和鲁棒性再次提升。2、研究了样本学习分类机制,提出了一种基于级联分类器的目标识别算法与基于朴素贝叶斯分类的目标跟踪算法的目标跟踪识别算法。在基于结构稀疏表示的目标跟踪算法基础上,利用贝叶斯分类器对候选样本进行分类,确定目标所在区域,提高了跟踪算法的稳健性。在跟踪算法基础上,融入基于学习分类机制的目标识别算法,使跟踪算法能够适应目标形变与消失的情况。3、提出了一种具有较好性能的改进随机抽样一致性估计方法。在基本RANSAC算法框架下,引入预检验技术提升基础矩阵估计运算效率;设计评估函数优化内外点筛选判定机制,基于点特征分布密度分析和对极距离分析提出了一种最终内点集优选策略,进一步提高了最终内点集数据质量;并结合最终内点集优选策略,提出候选样本中的错误最后利用M估计器进行最终基础矩阵估计,进一步提高了整个估计算法的精度及相对于图像噪音的质量。4、在智能视觉导引技术基础上,结合工业物料搬运需求,研制了一款基于视觉导引的智能型物料搬运AGV。通过分布式控制架构、高级控制、智能控制与智能导引技术,使本文研制的AGV能够实现自主物料运输功能。