在移动机器人跟踪运动目标的过程中，需要解决的关键问题是如何准确地检测和定位运动目标。粒子滤波是一种非参数化的估计方法，在估计过程中不需要对非线性系统进行线性化，保证了系统信息完整性，确保了估计的准确性。本文以准确识别和跟踪运动目标为目标，将粒子滤波引入到运动目标的识别与跟踪问题中，主要研究内容包括:　　1.本文对粒子滤波过程中的重要性采样和重采样两部分作出了相应的改进，减弱了粒子滤波的退化现象，从而将粒子滤波应用于目标跟踪。对于激光信息，通过PMICP算法对不同时刻扫描数据进行极点匹配完成机器人自身的定位和环境的建图，利用收缩多边形的方法检测运动目标的激光片段，实现了单纯激光条件下的目标识别，并采用改进的粒子滤波算法实现了目标的跟踪。　　2.针对传统单目视觉的局限性，建立了视觉模型，能够通过目标的图像位置确定目标的深度和角度信息。由于视觉信息数据量大，特征提取效率低，因此利用搜索的方法提取与目标颜色匹配的区域，快速确定目标在图像上的位置，利用视觉模型得到的目标深度和角度信息，实现了单目视觉条件下的目标识别与跟踪。　　3.针对单一传感信息的局限性，采用多传感信息作为目标信息的获取方式，综合利用各个传感信息对运动目标进行准确的识别与跟踪。通过粒子滤波融合激光和单目视觉两种深度信息，最终实现了对运动目标准确的识别与跟踪。