激光导航AGV成本高，且无法识别地面标识和障碍物类别。视觉导航使用普通摄像头，成本只有激光雷达的五分之一，还能看到颜色和文字。2026年，视觉导航技术已进入实用阶段。本文解析它的原理和选型要点。
一、视觉SLAM与激光SLAM的区别
激光SLAM通过发射激光束测量距离，构建二维点云地图。视觉SLAM使用摄像头采集图像，提取特征点（如角点、边缘），通过多帧图像三角测量计算位姿。视觉的优点是能获取丰富纹理信息，可以在有文字、图案的地面上稳定导航，且能识别货架编码、托盘位置。缺点是在光照变化大、无纹理墙面（纯白色走廊）时容易丢失。2026年的主流方案是将视觉与惯性测量单元融合，依赖惯性测量单元在视觉失效时短时推算位置。某agv小车厂家推出的纯视觉AGV，在典型工厂环境中定位精度达到正负十五毫米，与低端激光雷达相当。
二、无标识导航：不贴二维码也能走
传统二维码导航需要每隔一米五贴一个码，维护量大。视觉无标识导航直接利用地面已有的纹理如地砖缝隙、防滑纹路、甚至油渍痕迹作为天然路标。AGV行驶时，底部朝下的摄像头连续拍摄地面，将实时图像与事先建好的地面特征地图匹配，计算出当前位置。某电子厂车间地面是灰色环氧地坪，有大量划痕和修补痕迹，正好作为特征。他们部署了十二台视觉AGV，运行半年没有因为地面标识损坏而停线。但前提是地面不能是纯色无纹理，且不能经常大面积翻新。
三、深度学习增强：识别障碍物类型
传统安全激光雷达只能检测有无障碍物，但不知道是人、叉车还是纸箱。视觉加深度学习目标检测可以识别物体类别，做出不同反应。遇到行人时减速鸣笛并保持一米距离；遇到纸箱时判断是否属于临时堆放，如果属于尝试绕行；遇到叉车则加大避让距离。某仓库使用视觉AGV后，人机协作区域的碰撞事故从每年五次降到零次。训练识别模型需要采集一万张以上本厂区环境的标注图片，深度学习的应用降低了误停率。2026年，多数AGV控制器已经集成了轻量化神经网络加速芯片，可以在车端实时推理，延迟小于三十毫秒。
四、视觉导航的限制与对策
限制一：光照。夜班灯光昏暗或阳光直射地面反光，会导致视觉特征丢失。对策是使用全局快门摄像头和补光灯，并采用自适应曝光算法。限制二：动态环境。如果地面经常堆满货物，摄像头被遮挡，视觉失效。此时需要融合激光雷达或超声波传感器做冗余。限制三：特征稀疏。新浇筑的混凝土地面没有任何纹理。可以采用投影仪主动投射纹理图案，或者先在路面喷涂斑点。增加人工特征的成本远低于贴二维码。
五、与激光融合的混合导航
纯视觉还有风险，2026年实用的方案是视觉加激光的混合导航。大部分时间使用激光SLAM保证稳定性，在需要识别货架二维码、托盘叉孔、地面标识时调用视觉。这种融合方式增加了可靠性，成本仅比纯激光高约百分之十五。同时，视觉可以用来做激光雷达点云的色彩渲染，生成彩色三维地图，便于远程监控。成都蓉希智能的混合导航AGV已经批量应用于某快递分拣中心。
六、选型建议
如果你的工厂地面有丰富纹理、光照可控、对成本敏感，可以尝试视觉导航AGV。如果地面是纯色、光照变化剧烈或需要极高精度（正负五毫米以内），仍建议激光或混合导航。建议先租用一台视觉AGV在现场测试一周，重点关注正午阳光直射和夜班关灯后的表现。成都蓉希智能提供免费试用服务，可带视觉AGV样车到您的工厂实测。
