自主移动机器人（Autonomous Mobile Robot,AMR）作为服务运输的重要载体,在自动化加工和生产过程中发挥着关键的作用,已经渗透到物流运输、汽车电子、机场和码头等行业。而行业应用的场景复杂多变,这直接影响着AMR运行的准确性和灵活性。为提高AMR对多变场景的适应,摆脱对工业场景的依赖,减轻工人的劳动强度,本文研究一种视觉跟踪AMR具有重要的理论意义和应用价值。本文主要研究内容如下:针对AMR视野范围较低,传统卷积神经网络易出现过拟合和退化等问题,采用平滑滤波和直方图均衡方法来消除视野噪点的干扰,提高图像目标的对比度,同时基于多特征图比的SSD算法,融合残差连接和通道注意力机制,提出了一种高分辨率、多目标聚类的SER-SSD目标检测算法,将传统SSD与改进的SER-SSD分别对目标数据进行了测试。结果表明:改进的SER-SSD算法检测准确率提高了 7.6%,有效置信度达到90%以上,满足本文研究的准确性需求。针对AMR目标运动速度快且容易受到背景干扰等问题,将目标图像RGB颜色空间转化为Lab空间,基于快速检测KCF算法和多尺度SA算法,融合跟踪重检测策略,提出了一种尺度自适应的Sa-KCF目标跟踪算法,在OTB-2013数据集上分别对三种算法进行了测试。结果表明:改进的Sa-KCF算法在跟踪准确率和成功率方面分别提高了 11.8%和29.8%,跟踪效率为每秒56.31帧,满足本文研究的实时性需求。基于AMR视觉跟踪系统的应用需求,结合差速AMR的机械结构和基本移动方式,搭建了AMR视觉感知和运动控制的软硬件系统,制定了AMR单目标检测选取和跟踪控制方案,并对AMR的视觉跟踪效果进行了试验验证。结果表明:在跟踪过程中,目标的中心点位置维持在视野中心± 100像素范围内,前后相对尺度保持在80%～120%之间,验证了本文研究的AMR目标视觉跟踪系统能保持稳定的跟踪精度和跟踪效率。