为了应对多样化的移动分拣需求,完善分拣机器人的功能与适用性,结合自主移动机器人与拾取机构的优点,设计了一款多功能移动分拣车。针对性地进行移动分拣车主体硬件选型,移动分拣车的各个部件采用利于维护的模块化设计,使其具备目标跟踪、目标检测、环境监测、超声波避障、拾取、循迹和一定人机交互功能。完成了移动分拣车的软硬件测试及其与拾取机构的联合调试。将目标跟踪用做分拣车的功能拓展。论述了Camshift跟踪算法原理,通过实验发现其在复杂环境下跟踪算法准确性下降,并提出了改进跟踪方法。针对单一色度直方图无法准确描述跟踪目标在光照变化下目标信息变化的问题,提出加入目标的边缘信息,组成二维直方图的方法。同时为了抑制非目标跟踪主成分对跟踪算法的影响,对二维直方图作数值运算,在跟踪主成分相对不变的前提下有效减少非跟踪主成分的干扰。实验结果表明改进的Camshift算法能有效提升跟踪目标在光照变化下的跟踪准确度。运用目标检测与图像分割的方法设计分拣系统的目标图像处理模块,确定分拣目标在图像中的类别与位置。针对深度学习模型训练需庞大数据集,标注数据集费时费力的问题,应用迁移学习方法在YOLOv3算法上对分拣目标进行识别与定位,确定出目标在图像中的类别与位置。提出应用于分割形状不规则分拣目标的深度学习图像分割模型,先使用测试图像测试模型的性能,然后与相关文献比较以验证本文图像分割模型的有效性。为了拾取机构能准确夹取形状不规则的目标,将图像分割模型用于确定目标在源图像中的像素位置,然后计算目标分割后的图像零阶矩、一阶矩和二阶矩,最后得到目标在分割图像中的质心坐标与方向。