无人平台的目标自主跟随行为,作为机器智能的常见应用,可以适用于广泛的任务场景中。本文对复杂环境中无人平台自主跟随的关键技术进行了研究,包括目标识别与定位,以及无人平台的运动控制与避障,本文主要的研究内容与创新点如下:针对复杂环境中自主跟随平台目标识别的一致性问题,提出了一种基于稀疏点云外观模型的点云簇特征表示,将自主跟随任务中对目标的识别问题,转换为在特征空间中对环境中目标-非目标的二分类问题。针对该二分类问题,在实地跟踪场景中采集聚类的点云簇数据,基于集成学习的方法训练二分类器应用到实际跟踪过程中,以实时地进行点云簇目标的判别。根据目标定位结果,在三维空间中对其进行质心跟踪。在实际情况下,该方法可以被应用到自主跟随无人平台的目标识别与定位模块中,具有较好的实时性与鲁棒性。针对激光雷达点云数据易被遮挡,且遮挡后由于缺少对目标的独特描述而难以恢复的问题,提出了基于视觉特征与双目深度图像的,针对目标人员的识别跟踪定位方法。基于深度学习方法,设计目标人员检测与识别网络框架,以解决点云数据在遮挡后难以恢复的问题。通过训练目标人员视觉特征提取的骨架网络,在跟踪过程中线上提取候选目标人员的深度特征,并与模板进行距离度量选定最终置信目标。通过注意力机制滤除远距离目标,提高其计算效率,并在跟踪过程中以一定速率更新模板。对最终识别结果,结合实例分割掩码与双目深度图像,计算目标的重心进行定位跟踪。实验表明,该方法在跟踪过程中,可以很好的解决自主跟随任务中常见的目标被遮挡后恢复的情况,并稳定得出目标定位的结果,具有较好的借鉴意义。针对自主跟随过程中的寻路问题,提出了相应的跟随控制与避障的方法。基于向量场直方图方法,对跟随过程中的障碍物进行即时的局部路径规划,并提出了针对自主跟随的控制方法。在机器人操作系统的仿真环境中,进行了不同跟随距离下的跟随行为实验,并在道路环境中进行了实地跟随实验,证明了该方法的有效性。在单目标跟随技术研究的基础上,对基于领航车辆跟随的多车编队跟随技术进行了研究。针对复杂环境中存在伪目标的问题,基于简化的雷达点云识别方法,结合超宽带分布式定位系统以及毫米波雷达检测结果,对各传感器自主识别结果进行目标级融合,并给出了系统的整体设计方法。实地实验表明,通过对领航车辆的自主跟随,可以实现车辆编队行驶,具有良好的借鉴意义。