跟随问题可以分为跟踪和随行,即跟踪目标位置的感知及机器人运动控制。目前对于跟踪方法研究主要是基于视觉的跟踪算法。虽然视觉感知不仅能够用于跟踪,而且还可以进一步对周围环境进行理解,如道路分割或者障碍物或其他标识的检测。但是视觉跟踪方法也存在难以克服的问题和不足,主要表现在以下几个方面:跟踪目标完全遮挡且离开相机视野,视觉跟踪算法找回目标位置;视觉跟踪方法总会有一定的跟踪准确率,不可能实现完全可靠跟踪;在夜间或者光照强度不足场景下,视觉跟踪准确率和精度都会有很大程度的降低。基于以上的不足,本文从多传感器组合跟踪方向出发,开展以下几个方面的工作:跟随机器人系统的研究。为了验证本文提出多传感器组合跟踪的方法可行性和性能表现,设计一套跟随机器人系统。为了基于视觉实现灵活目标跟踪,设计二自由度相机云台,并基于增量式PID控制算法进行控制。分析跟随机器人的运动学模型并利用PID算法对跟踪目标进行跟随控制。视觉跟踪方法的研究,包括轻量化跟踪网络的方法和损失函数改进以及难样本扩充的方法。分析对比了Ghost卷积和传统卷积在模型参数量和浮点计算量上的区别。基于Ghost轻量级卷积改进了siamFc的特征提取网络,实现模型运行速度的提升。分析深度特征和浅层特征的特点,通过特征融合改进了跟踪网络。针对难易样本不平衡问题,一方面通过采用Focal Loss分类损失和DIOU回归损失来改进损失函数;另一方面基于随机擦除的数据增强方法提出相似类别填充的难样本扩充方法。多传感器组合跟踪的方法。针对视觉跟踪方法在完全遮挡、光照不足等场景下跟踪失效的问题,基于UWB与IMU融合实现对跟随目标的非视距感知。基于坐标变换和决策树算法对UWB和视觉跟踪目标进行决策实现组合跟踪。