随着现代科技的发展,公共场合的服务机器人在政策引导和市场吸引下大量涌现,具有为宾客引路功能的引导服务机器人从很大程度上影响着人们的生活方式。引导机器人在执行引路任务时,需要对宾客进行感知和运动判断。因此,本文主要从目标跟踪、目标定位、行人运动预测这三个方面展开研究。对目标跟踪算法进行了研究,得到了一种模型与尺度高置信度更新策略的核相关滤波(OURS)算法。采用一维快速判别尺度空间的方法,解决了核相关滤波算法不能应对尺度变化的问题。提出了一种新的置信度判断方法对OURS算法模型检测的结果进行判断,当目标发生完全遮挡时,切换为卡尔曼滤波算法估计目标的位置。提出对尺度检测的结果进行置信度判断,避免跟踪框发生错误的尺度更新。实验表明改进后的算法能够有效适应目标的尺度变化、遮挡和形变问题,比原始核相关滤波算法具有更好的跟踪性能。对目标定位方法进行了研究,通过对比中值滤波、均值滤波、高斯滤波、双边滤波、联合双边滤波的滤波效果,最终选取联合双边滤波对深度图像进行处理,减小噪声和误差。通过深度概率直方图和直通滤波将人物表面点云信息提取出来,并通过对比四种行人目标深度方向定位的方法,得到更加准确的深度方向坐标。对行人运动状态预测进行了研究。针对人物目标发生形变等因素时,全局坐标系中x轴的定位精度明显下降的问题,本文提出了一种多项式拟合卡尔曼滤波算法,将x轴坐标进行拟合后代入卡尔曼滤波器。基于常加速度模型,建立引导机器人所服务的行人运动状态模型和观测模型,确定运动状态系统矩阵、噪声矩阵和状态转移矩阵,利用卡尔曼滤波达到行人运动预测的目的。实现对行人坐标位置、横纵向速度的良好预测效果。在引导机器人平台的ROS机器人操作系统中实现了目标跟踪算法、目标定位算法、目标运动预测算法,并建立节点进行通信。实现了引导机器人为宾客引路的功能。实验结果表明本文算法在运行过程中相对稳定,设计的引导框架具有可行性。