随着工业现代化的发展,智能运输系统在各行各业应用越来越广泛,AGV也随之得到迅速发展,运用计算机视觉技术控制的AGV系统以其自主、灵活、经济等独有的优势逐渐成为研究热点。但是目前存在的AGV视觉系统存在着维护难、计算量大、检测范围受限、动态障碍物检测困难等问题。针对这些问题本文对一种将全局视觉与局部视觉结合的AGV工作系统进行研究。本文研究的关键内容和主要创新点如下:(1)工厂AGV检测定位过程中,单摄像头视野有限、多摄像头建立关联模型比较复杂。本文提出一种在摄像头视角固定的情况下,采用预计算拼接参数的策略实现视频快速拼接再进行AGV检测方法。针对视频拼接过程中图像配准和图像融合的技术难点,首先采用改进的基于重叠区域的SURF算子进行特征提取;然后利用SURF中Laplacian标识符的性质,将特征点分为两组采用最近邻算法进行精准快速匹配;接着在定义能量函数基础上求取Graph Cut最佳缝合线,最后采用拼缝一侧的多分辨率融合算法对图像进行融合。实验表明该方法处理每帧的平均时间在12ms～15ms之间,满足工厂应用环境视频拼接的要求。(2)AGV在工厂大场景图像中占比小、特征稀疏,采用传统YOLOV3的感受野往往会大于AGV。本文提出了一种改进的SI-YOLO3检测网络。首先使用基于残差块设计的网络提取工厂中AGV的特征,然后在YOLOV3主网络基础上继续增加2个卷积层,与YOLOV3本身的3个卷积层一起组成包含5种尺度的特征金字塔,同时在对特征金字塔以2倍步长上采样的基础上,与前面的深度网络提取的尺度对应的特征级联,最后利用非极大抑制的方法选择合适的边界框,得到AGV检测模型。实验显示平均每幅图像检测时间为35.15 ms,准确率和召回率分别达到99.65%和90%以上,证明该方法精确度高、速度快,能够有效的实现工厂中的AGV实时监测与载货状态鉴别。(3)为了保障AGV系统能稳定运行,针对AGV在工厂双向路径运行时可能存在的冲突,提出基于环境感知与任务优先级的冲突解决方案。同时为了避免AGV间发生碰撞,本文设计了一种基于单目视觉测距的AGV防撞系统,该系统在AGV顶部安装摄像头来采集AGV行驶过程中的前方图像,将采集的图像通过帧差后与背景差后的图像进行逻辑或操作,得到运动目标的轮廓信息,然后采用阴影宽度测距法计算出距离,从而达到防撞的目的。