移动机器人的自主跟随是一个重要研究方向,跟随技术在生活和生产中有着广阔的应用前景。本文设计一种高准确性、高实时性、高鲁棒性的目标跟踪方法,在移动机器人GH_ROBOT实验平台上搭建视觉跟踪系统,完成目标行人的跟随。本文给出了核相关滤波跟踪算法的改进方法,在复杂干扰的背景下感知目标行人并自动初始化前景跟踪对象,对运动目标所在的区域使用改进的核相关滤波进行跟踪,实现低成本、准确且实时的自主跟随系统。主要工作包括:1、改进核相关滤波跟踪算法。将样本的FHOG特征与颜色特征进行线性融合提取,以丰富目标表观特征;将尺度金字塔引入核相关滤波器,解决目标在运动过程中尺度变化导致跟随失败的问题;采用APCE判断当前帧跟踪的可靠性来进行位置相关滤波器的模型更新。2、设计基于改进的核相关滤波视觉跟踪模块。根据行人样本集训练SVM分类器,实现自动检测行人,作为跟踪算法的初始框,并引入目标重检测。3、设计移动机器人的视觉跟踪系统。根据移动机器人的运动模型,得到运动速度与底盘驱动轮的关系;基于速度差分的运动控制,使得电机的速度与指令速度近似一致;视觉伺服控制,使得目标行人处于移动机器人的中心轴线和保持在一定的安全阈值内。在搭建的移动机器人GH_ROBOT实验平台上进行视觉跟踪系统的实现,视觉跟踪系统包括RGB-D传感器、目标检测与目标跟踪和下位机控制器三个节点。使用OTB-100数据集进行测试,实验结果表明本文给出的改进核相关滤波算法在应对复杂跟踪场景中具备良好的准确性、鲁棒性和实时性。与传统核相关滤波算法相比,优化后的算法平均跟踪精确度提高了近15%,平均跟踪成功率提高了近33%。针对形态变化、光照变化、目标遮挡、尺度变化、出视野等干扰的情况,进行移动机器人的视觉跟随系统实验验证,验证了改进的核相关滤波跟踪器和重检测机制对目标行人长时间跟随的可靠性,跟随准确率超过了90%。