随着机器人应用领域的扩展,目标人跟随成为很多服务机器人需要具备的重要功能之一,例如商场超市服务机器人、军事辅助作战机器人等。目标人跟踪是实现机器人跟随目标人任务的关键技术,其核心任务是为机器人提供目标人的位置。此外,作为物体跟踪的特例,目标人跟踪技术在视频监控、车辆自动驾驶等领域也有广泛应用。现有的目标人跟踪算法的应用场景比较简单,如应用于相机固定的视频监控场景,或应用于运动相对平稳的车辆、轮式机器人等,但在腿足机器人应用场景中,相机频繁的抖动使得现有跟踪算法很容易产生漂移。本文面向腿足机器人跟踪目标人的发展需求,结合人体检测、目标人识别、物体跟踪等领域的研究成果,提出了三种用于机器人跟随的目标人跟踪算法,并成功将其应用于四足机器人,具体如下:1.设计并实现了一种融合人体检测和目标人识别的目标人跟踪算法。该算法先采用人体检测模块检测画面中的行人,再利用目标人识别模块从检测到的候选人中筛选出目标人。人体检测模块以特征描述子加分类器为框架,采用快速金字塔算法,提高了特征提取效率,结合随机森林分类器,构造出高效而准确的人体检测器。目标人识别模块采用模板匹配技术,提取加权的局部颜色直方图特征,计算候选人和目标人模板之间的巴氏距离作为识别依据。实验表明,融合人体检测和目标人识别的目标人跟踪算法基本能够满足机器人跟随作业的要求,但存在严重的断帧现象。2.提出了基于压缩感知和Boosting的物体跟踪算法,并成功应用于目标人跟踪。该算法是对压缩跟踪的改进,采用在线Boosting对多通道压缩特征进行特征选择,选出最具分类能力的特征,对背景干扰、光照变化等挑战具有很高的鲁棒性。公共数据集实验表明,在本文提出的算法框架下,改进的压缩跟踪器得到了颇具竞争力的结果。四足机器人实验表明,断帧问题得到了大幅改善,但目标人的定位精度较低。3.提出了采用双模态运动模型和双模态观测模型的粒子滤波目标人跟踪算法。运动模型结合了随机游走和特征点跟踪,解决了由于相机抖动或目标人快速运动而导致的运动不连续性问题。为得到稳定的目标外观模型,提出了结合类别检测器和目标检测器的双模态观测模型,从粒子是否是行人和是否是目标人两个层面评估粒子观测值的似然概率,提高了跟踪器的稳定性。公共数据集实验表明,我们提出的目标人跟踪算法适用场景广泛,获得了比现有跟踪算法更好的结果。四足机器人实验表明,不仅断帧问题得到了进一步改善,定位精度也有所提高。目标人跟踪算法只是得到了目标人的图像坐标,而人体跟随机器人需要目标人的三维物理坐标。因此本文结合双目立体视觉原理,将提出的三种算法在四足机器人上进行了目标人跟随实验。实验结果表明了这三种算法的有效性和实用性。