刘 东， 蒋 刚， 留沧海

(1.西南科技大学 制造科学与工程学院，四川 绵阳 621010；2.成都理工大学 核技术与自动化工程学院，四川 成都 610059；3.制造过程测试技术省部共建教育部重点实验室，四川 绵阳 621010)

0 引 言

六足机器人因其具有较高的承载能力、地形适应能力、运动灵活性、平稳性等特性在诸多领域都有着广泛的应用前景[1]。目前主流的识别与跟踪技术主要有两个问题需要解决，首先，大多数的目标识别与跟踪都是通过摄像头固定于三脚架上进行拍摄[2]，因此监控的场景非常局限，如果采用多摄像头拍摄就会使得监控成本大大提高；其次，目标识别与跟踪大多应用于轮式机器人上，如果遇到路面凹凸不平，轮式机器人很难发挥作用[3,4]。为了解决机器人在凹凸不平的路面上稳定运行和视野局限的问题，研究者采用6足式机器人搭载摄像头的方式进行识别与跟踪。当背景是相对复杂的情况下，算法的实时性和准确性的要求在实现上无法得到满意结果[5,6]。在目标识别与跟踪上，许多研究者进行了深入的研究，例如Henriques J F等人在2014年提出经典的核相关滤波(kernelized correlation filtering，KCF)算法，对于相关滤波的求解方面，KCF算法将循环矩阵里独有的傅里叶空间对角化性质简化到非线性空间中求解，进而提升算法的运行效率[7]。Kalal等人提出TLD(tracking-learning-detection)单目标跟踪算法，TLD是一种在视频中对未知运动目标进行长期跟踪的算法结构[8]。纪筱鹏等人提出通过轮廓特征结合Kalman滤波的方式进行运动车辆的跟踪，通过Kalman修正车辆在图像中的质心位置坐标[9]。……