跟随机器人具有广阔的应用场景。例如在水下,实时跟踪某些鱼类研究其生活习性,还可以用于作战监视、水下作业等完成一些危险的工作;在陆面上,跟随机器人与行李箱结合成为自主移动行李箱,帮助用户运送沉重的行李从而解放双手,与传统工业机器人的结合例如农民从事种植、浇灌等工作时,机器人与人协同操作,能极大地提高工作的效率。跟随技术有无线射频、激光雷达和机器视觉等多种方案,但是都存在一定的局限性,由于计算机视觉三大顶会CVPR、ICCV、ECCV对机器视觉发展的有效推动,综合考虑选择基于视觉的跟随技术。而目前视觉跟随技术存在面对光照变化、快速运动、运动模糊、遮挡等情况时表现出鲁棒性差的问题,要同时满足跟随的准确性、实时性和鲁棒性要求也是一个挑战,所以本课题根据实际要求设计一种能够投入生活应用的跟随机器人。首先,本文分析了跟随机器人的功能需求,明确研究的技术重点,在充分调研国内外跟随算法现状的基础上搭建了跟随机器人系统。介绍了机器人系统的总体架构,包括硬件平台、软件平台和机械结构,并分别对它们进行展开分析。设计了跟随机器人蓝牙报警模块,并完成蓝牙测距实验。然后介绍了核相关滤波算法的原理,并结合跟随机器人实际应用总结现有相关滤波算法存在的问题。针对相关滤波算法存在遇到光照变化、快速运动、运动模糊、相似干扰和遮挡时鲁棒性差的问题,提出融合人工颜色信标和HOG特征的跟随算法。具体阐述人工颜色信标特征提取方法,完成人工颜色信标跟随实验。改进HOG特征提取参数,采用三线性插值解决区域混叠现象。采用自适应学习因子调整模板更新速度应对局部遮挡问题。接着针对跟随机器人运动控制,对机器人进行了运动学分析,包括运动学建模、从动轮运动学约束和转弯平滑处理。根据运动学模型和PID控制算法原理,在arduino数字控制器上编写程序完成PID控制实验。进行机器人原地回转实验,验证了本文控制系统下的机器人速度波动比较合理。最后改造TurtleBot2开源机器人并进行了机器人的跟随演示,添加系统干扰观察跟随算法的鲁棒性。利用OptiTrack公司的运动捕捉系统结合三次样条插值获得机器人的跟随轨迹,计算机器人跟随目标时两者的平均速度,证明本文跟随机器人达到预期跟随效果。