在当前工厂的物料搬运中,主要还是以人工叉车的方式实现的,在自动化程度需求越来越高的今天,这使得工厂对于自动化、智能化搬运AGV设备的需求与日俱增,并且在当前的智能搬运机器人领域,能够满足室内外运行的都采用了多传感器融合的方式,这就使得AGV造价高昂,难以大面积推广,所以研究一种满足室内外同时运行且成本较低的AGV具有很高的经济价值和社会效益。本课题依托与校企合作项目,旨在开发出一台稳定、可靠、满足室内外运行的AGV。首先对常见的导航传感器进行了对比,选择双目相机作为导航传感器,面对视觉车道线导航需要处理的车道线检测、车道线拟合、车辆位姿偏差获取、全局定位等几个重难点问题,进行了详细的探讨并提出了解决方案。在车道线检测与拟合方面:当外界环境变化时,针对色域空间的二值化方法,提取车道线不稳定的问题,提出了动态灰度阈值二值化方法,使用增量式的方式,极大的减小了外界光照变化对于车道线提取的影响;在车道线提取方面,将车道线先验宽度信息作为约束条件,减小了噪点的影响;在车道线拟合方面,使用RANSAC方式过滤车道线数据点,并改进了RANSAC选点方式与距离计算方法,提高了选点效率,为最小二乘法拟合车道线提供了一个噪点较少的数据集。在AGV位姿偏差获取方面:通过相机的坐标系转换与像素重映射,得到了相机坐标系下的车道线方程,利用车道线方程与AGV姿态的关系,获取了AGV相对于车道线的位姿偏差,为车辆追踪控制提供了数据基础。在AGV全局定位方面:对比分析了常用的全局定位传感器,选择了双目相机图像处理作为全局定位方式,利用双目相机获取二维码角点信息,通过三角测距与二维码识别方式,获取AGV相对于站点的距离与站点信息。在路线规划与追踪方面:针对路线连接处车辆姿态纠正过急问题,提出了多段预瞄与贝塞尔曲线的路径规划方式,使得车辆在大角度转角更加顺滑;并分析了车辆模型,选择纯追踪算法作为路径追踪算法。最后,进行了实验验证,结果表明,双目相机获取的车体位姿信息可靠稳定。在静态试验下,测得的车道线数据与实际数据最大误差率在4%以内,动态试验下,经卡尔曼滤波后的数据波动范围在20mm以内;站点识别实验中,实际距离值与测量距离值的误差率都在3%以内,最大偏差不超过50mm。使用双目相机的AGV导航控制系统,能够满足企业对于搬运AGV的需求。