随着人口老龄化的加剧及人类日常生活便捷性需求的加深,在机场、商场等场合引入移动机器人减轻物力及人力成本显得愈发迫切。本文主要研究干扰场景下移动机器人对人体目标的跟随,由于跟随过程容易受到光照变化、尺度变化、形变相似目标及遮挡等干扰,所以容易发生目标跟丢或跟错的情况。为了提高移动机器人跟随的抗干扰性,本文提出了结合新的模型更新策略、深度特征及尺度估计的改进核相关滤波的区域跟踪策略。对遮挡过程进行阶段性分析并总结规律以调整核相关滤波算法中的模型更新策略。核相关滤波方法具有较高的运算速度,但其跟踪精度受限于人工选取的特征且考虑到现有的目标跟踪数据集规模有限,本文分析了经典分类模型VGG16-Net的各层特征,选取了有利于目标跟踪的三层卷积层进行模型的微调,使用离散小波变换对微调后提取的深度特征进行融合并用融合后的特征替代核相关滤波方法中的梯度方向直方图特征完成位置滤波器的训练。借助尺度金字塔、双线性插值及核相关滤波思想完成尺度滤波器的训练以减少尺度变化的影响。本文借助OTB2013基准数据集完成了对改进算法的定性及定量分析,实验结果显示本文改进算法在精确度及成功率上相比于核相关滤波算法有了提高。随着跟随时间的推移,在目标跟踪过程中会累积误差,本文设计了基于激光雷达及视觉的人体目标再匹配的方法。此方法借助激光雷达对人体腿部识别并使用改进的显著性模型获取人体目标细检测区域,基于粗细检测区域提取梯度方向直方图特征并使用本文基于INRIA数据集训练的分类器获取候选行人区域,将候选行人区域及在首帧图像中初始化的目标行人区域送入调整后的基于Market-1501数据集训练得到的孪生网络中以完成人体目标再匹配。为了更好地获取被跟踪目标的位置,本文设计了以误差累积程度为基础的触发机制,将基于区域的目标跟踪方法与人体目标再匹配策略相结合。本文在移动机器人位置固定的现实场景下的实验结果显示算法对干扰有较好的鲁棒性。每帧图像中目标位置的集合形成了运动轨迹,移动机器人轨迹跟踪过程中,实际位姿与期望位姿存在偏差,本文利用反演控制器设计的思想选取李雅普诺夫函数,设计控制律。针对控制律中的不确定参数,本文采用模糊控制的方法,使得控制律更符合研究需求。本文在Matlab下的轨迹跟踪仿真效果良好且在现实场景中完成了轨迹跟踪实验及干扰场景下的移动机器人跟随实验。