Visual Tracking for Robotics: A Review

本综述全面回顾了机器人视觉跟踪（Visual Tracking）领域的研究进展，涵盖目标跟踪、姿态跟踪、运动跟踪、多目标跟踪等核心方向。文章分析了视觉跟踪在机械臂操作、移动机器人导航、人机交互、自动驾驶等场景中的关键作用，对比了传统方法（KCF、TLD、MeanShift）与深度学习方法（SiamRPN、SiamMask、TransT）在跟踪精度、鲁棒性和实时性方面的表现。论文讨论了遮挡处理、尺度变化、光照变化、快速运动、目标丢失与重检测等关键挑战，并展望了基础模型在视觉跟踪中的应用。该综述适用于机器人视觉、自主系统、人机交互等领域的研究人员，来源机构包括牛津大学、ETH、CMU等。