多机器人多目标跟踪问题是机器人领域的经典问题,在安保巡逻、侦察搜索、灾难救援等方面有着广泛的应用。在这一问题中,多个运动目标的跟踪任务由多个机器人相互协调配合实现,通过必要时的协同规划和目标切换,实现跟踪效率最大化。在云机器人架构下,云计算可望从两个方面为多机器人多目标跟踪任务提供后台支持:一方面,“云”可以作为群体协同的基础设施,汇聚形成群体层面上的高层认知视图,进而利用云端的统筹规划能力动态实现更为高效地进行跟踪任务分配;另一方面,机器人在跟踪特定目标过程中,可以积累该目标的大量知识(如不同光照条件下的特征),云的存在使得这些知识在不同机器人之间的复用成为可能,从而显著提高跟踪的准确率。本论文以云机器人架构为基础,以上述思路为指导,围绕云计算支持的多机器人多目标跟踪系统的设计实现展开研究,在系统架构、关键技术和原型实现三个方面开展了如下研究:(1)提出了云计算支持的多机器人多目标跟踪架构本论文提出了“后端云+前端多机器人”的多机器人多目标跟踪架构。在这一架构中,后端云汇聚自前端多个机器人的状态和目标知识,形成群体视图,为多个机器人的目标跟踪提供任务分配支持。同时,负责跟踪的引擎被放置在云端,通过跟踪引擎的在线微调积累知识,通过引擎的按需切换实现知识共享。(2)设计了支持多目标跟踪的任务分配和知识共享机制在前述架构下,本论文设计了任务分配和知识共享机制。在任务分配方面,通过群体视图的获取和更新,维护多个机器人与多个目标之间的相对位置关系,进而利用回溯法在云端基于该视图进行任务动态分配;在知识共享方面,引擎的按需切换支持多个机器人共享云端跟踪引擎积累的知识。此外,针对云端与机器人端由于通信延迟导致的状态不一致问题,本论文引入了帧识别机制。(3)构建了云计算支持的多机器人多目标跟踪原型系统基于云端群体视图的多机器人任务分配技术和机器人目标知识共享关键技术的突破,本论文搭建了支持多机器人多目标跟踪的原型系统。本论文评估了云端群体视图对跟踪路径的优化能力。此外,基于OTB50和VOT2014等公开数据集进行了知识共享对跟踪准确率提升的实验,最后在真实环境下对多机器人多目标跟踪原型系统进行了验证。