針對(duì)AGV系統(tǒng)的視覺指導(dǎo)，研究了以下兩個(gè)方面：1.相關(guān)算法的設(shè)計(jì)與實(shí)現(xiàn)； 2. AGV平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)。

其中，與AGV相關(guān)的算法設(shè)計(jì)包括道路識(shí)別算法設(shè)計(jì)和道路跟蹤算法設(shè)計(jì)。 AGV平臺(tái)的設(shè)計(jì)和實(shí)現(xiàn)包括硬件系統(tǒng)的設(shè)計(jì)和集成，以及軟件系統(tǒng)的設(shè)計(jì)和開發(fā)。道路識(shí)別算法：道路識(shí)別是戶外AGV視覺引導(dǎo)技術(shù)的關(guān)鍵功能。道路識(shí)別算法的準(zhǔn)確性對(duì)自動(dòng)導(dǎo)航車輛的平穩(wěn)運(yùn)行具有重要影響。

1.道路檢測(cè)算法專注于單個(gè)圖像的處理。在自動(dòng)導(dǎo)航車輛的操作期間，連續(xù)幀之間的道路形狀之間具有很強(qiáng)的相關(guān)性，特別是在低速和中速操作的情況下。如果能夠有效利用連續(xù)幀之間的道路形狀之間的相關(guān)性，則可以有效地減少用于計(jì)算路面的搜索空間，減少計(jì)算開銷，并提高識(shí)別效率。

2.在自動(dòng)導(dǎo)航車的操作過程中，由于樣本的增加，重新訓(xùn)練會(huì)消耗大量的計(jì)算時(shí)間。可行的解決方案是每次僅訓(xùn)練新添加的樣本，并使用“融合”算法將新的聚類中心與原始聚類中心融合，而不是每次都對(duì)所有樣本進(jìn)行訓(xùn)練。

3.缺乏對(duì)復(fù)雜路況下道路模式的判斷，以及多路徑提取和跟蹤算法。