针对 AGV 多分支路径与工位点标识的可靠识别以及导引路径的精确跟踪问题,提出了一种基于双视野窗口的鲁棒特征识别与精确路径跟踪方法。采用整幅视野范围作为模式识别窗口,在该窗口采用基于核主成分分析(KPCA)和 BP 神经网络的识别方法,将路径特征通过核函数映射到高维空间进行 PCA 降维,再利用 BP 神经网络识别降维后的样本矩阵。同时提出一种导引扫描窗口设置方法,该窗口范围取决于摄像机竖直视角以及摄像机安装倾斜角,在导引扫描窗口内将导引路径简化为直线模型并用最小二乘法拟合,针对拟合直线计算导引所需的路径偏差。实验结果表明,KPCA-BP 方法显著提高了路径特征识别的实时性和鲁棒性,6 类路径特征的平均特征识别正确率为 99. 5%;导引扫描窗口有效减小了导引路径直线拟合的计算误差,直线路径跟踪误差小于 3 mm,曲线路径跟踪误差小于30 mm。