随着机器人技术的发展,智能小车在制造业,医疗保健,娱乐业等不同领域中发挥着越来越大的作用,其中的多种场景都要求智能小车能够跟随其人类前导者,传统的方法有超声波定位、UWB导航定位等。但是超声波定位的测距角度有限,UWB导航定位则要求小车行驶在超宽带基站覆盖范围内,同时二者均需要配备目标携带装置来完成跟随。本文设计与实现的智能小车自动跟随系统无需目标携带装置,使用了双目视觉技术进行感知,获取环境信息;通过优化后的卷积神经网络进行处理和理解,完成对前导者的定位,减少了算力需求;通过PID控制操纵小车保持1m距离跟随目标。具体工作如下:1)使用双目视觉摄像机作为唯一的传感器,基于双目相机模型,从左右两幅图像中提取目标的景深信息,完成双目测距;2)使用卷积神经网络找出拍摄图像中的行人区域,其中基于DenseNet网络,使用两路密集层等技术改进了特征识别方法,设计了DenseNet-Lite网络结构,在保证精确度的前提下减少了计算成本;再对SSD目标检测算法进行了优化,通过牺牲微小精度的方式提升了速度,并与DenseNet-Lite网络进行了结合,实现了高性能的实时目标检测;3)基于目标检测与双目测距的结果,使用孪生神经网络对比相似度,找出前导者的具体坐标,并使用PID控制操纵小车对已有的前导者坐标进行跟随。同时对跟踪策略进行了优化,使得小车在丢失前导者的情形下,也还能继续追踪并再次发现前导者。本文对每个模块的性能进行了测试,测试结果表明本文完成的双目测距对人物在近距离时测距精度较高,平均误差低于0.05m;而DenseNet-Lite网路与优化后的SSD结合后在VOC 2007数据集上达到了70.9%的m AP,并且可在当前硬件平台下达成每秒20帧的检测速度。同时本文在不同场景下对本跟踪系统进行验证。结果表明本方案设计的系统能在多种环境下完成跟踪任务。在对跟踪准确性进行测试后显示根据总误差面积根计算的跟踪相对误差为4.586%,能较为精确的完成跟踪任务。