自动引导小车(Automated Guided Vehicle AGV)在智能制造行业中发展迅速,其中定位和建图是实现AGV导航系统的核心问题之一。本文以实际项目为依托,在实际工厂中搭建了双舵轮AGV搬运平台,对基于双舵轮AGV的定位和建图技术进行了深入的研究。主要的研究工作包括:首先对AGV导航传感器和底盘运动学模型对比选型,并进行了相机模型的构建、相机的标定、图像的特征提取和匹配、ICP算法实现里程计搭建。然后对图优化SLAM算法进行了详细的研究,构建了厂房的地图并通过实验对比来分析图优化算法的优缺点,证实了图优化算法建图精度高,但是实时性不理想的特点。进而应用粒子滤波算法对小车进行实时定位:将蒙特卡洛方法和贝叶斯滤波算法引入粒子滤波算法,然后通过重要性采样、序贯重要性采样、重采样算法一步步实现粒子滤波算法。将视觉里程计加入到自动导航程序,并进行小车实时定位的试验,验证定位方案的可行性。最后,应用双舵轮AGV平台的试验设备进行了视觉里程计和编码器两种方案的对比试验,对比两者的定位精度和鲁棒性。实验结果表明,不管是在平坦路面下还是崎岖路面下,视觉里程计的定位精度都要更高。针对双舵轮AGV在地面崎岖不平和轮胎打滑情况下编码器失效的问题,本文使用视觉里程计和激光雷达进行数据融合,避免了对双舵轮AGV的直接运动学建模导致的累积误差过大问题。使用RGB-D相机做视觉里程计运用于双舵轮AGV具有很好的实际应用价值。