随着计算机相关技术的发展以及各种传感器技术的发展,各种各样的传感器技术和算法逐渐应用在了机器人的控制上,由此催生了大量的机器人服务于工业生产环境和日常生活中。本文基于超宽带技术（Ultra Wide Band,UWB）传感器和计算机视觉算法来设计并实现一个可以自动跟随人行走的球童机器人原型,球童机器人将应用在高尔夫球场环境,通过自动跟随的能力来为人提供服务能力。本文着重研究了在球童机器人上使用的自动跟随算法,改进了UWB在室内环境使用的定位方案,将UWB基站安装在机器人上,而不是固定的环境中。改进后的定位系统的定位目标从对环境中的机器人做定位改成机器人对周围的人进行定位。UWB传感器在单标签对多基站使用时,多基站的数据会产生采集相位差,这对解算定位结果会带来精度上的影响。针对这种需要按时序进行使用的传感器数据,本文提出一种弱化数据使用时刻概念的消费方式。通过局部线性化算法来使离散数据线性化,将数据的采集和数据的使用完全解耦,从而使用时不需要再关注数据的采集时刻,从而解决相位差问题。与直接使用离散数据相比,线性化后定位精度在距离上提升1.2厘米左右,角度上可以提升2.8度左右。该提升与UWB标签相对UWB基站的移动速度相关,速度越大则提升越大,适用于移动场景。UWB基站安装在机器人上所带来的问题是基站距离很近,由此导致定位结果对误差非常敏感。尤其机器人对人的角度计算结果,极易受误差影响,所带来的波动甚至可以在15°到20°。本文通过结合视觉检测跟踪算法来解决角度上的问题,本文设计的检测跟踪算法只对感兴趣目标进行跟踪。通过结合重合度（Intersection over Union,IoU）匹配机制和UWB角度定位结果来确定唯一感兴趣目标。对于视野中的非感兴趣目标则直接忽略。通过结合UWB定位系统和检测跟踪算法,定位输出的距离误差在10cm左右,角度波动范围在2°左右。相比于单独的UWB输出,角度有很大提升。使用在机器人上的视觉算法需要具有实时性,本文通过异构计算来加速视觉相关算法,是视觉算法在图形处理器（graphics processing unit,GPU）上进行运行,确保算法的快速响应能力。经过GPU的加速,算法运行速度提升7倍左右,在NVIDIAJetson TX2（TX2）设备上上单张图片的处理时间在20ms左右。使算法能够应用在球童机器人上。综合以上研究成果,根据球童机器人的实际运用场景,设计球童机器人原型,针对高尔夫球场较为松软的地面环境和小幅度坡度地面的实际环境,设计球童机器人底盘结构并搭建球童机器人硬件原型。