类人机器人系统综合了多个学科的科研成果，涉及人工智能、计算机视觉、控制与规划理论、多传感器系统与传感器融合等众多领域的前沿研究。类人机器人从简单模仿人类的外观、功能开始，直到拥有人类的学习能力、思考能力的最终目标，使其成为众多交叉学科科研成果的极佳载体，代表了高新科技的发展前沿。　　 视觉系统是类人机器人系统中一个重要的子系统，机器人藉此系统获得类似人类的视觉能力。围绕机器人视觉系统，本文深入研究了视觉传感器模型的内外参数标定、机器人自主定位以及真实世界在机器人世界中的重构三个关键问题。　　 本文针对类人型机器人视觉系统相关若干关键问题进行了如下研究与创新:　　 (1)为了解决传统粒子滤波算法的粒子退化和机器人绑架问题，本文提出了一种名为RandomsamplebasedParticleFilter(RSPF)的改进算法，并将所提算法应用于移动足球机器人自定位问题。通过250帧图像的测试实验得出结论，本文方法比传统粒子滤波定位方法的平均错误率降低了18.8％，定位精度得到明显提高。实验表明，改进后的定位方法有效抑制了粒子滤波器的退化现象，同时降低了算法的复杂度。　　 (2)本文在深入分析影响粒子滤波实时性和精度的关键因素并讨论了自适应重采样方法的优劣的基础上，引入一种粒子规模自适应的KLD-Sampling粒子滤波算法，引入的算法在改善粒子匮乏的同时提高了算法性能。实验结果表明，本文的算法与传统粒子滤波方法相比，平均错误率降低了25.8％，在保证定位精度的同时加强了系统的实时性。　　 (3)针对粒子滤波算法的粒子权值更新这一关键步骤，本文分别提出了两种相似性度量方法——基于距离的相似性度量方法和基于高斯平滑的相似性度量方法。实验表明，本文所提出的两种相似性度量方法有效地保证了观测模型的准确性，并显著改善和提高了系统的实时性，提高了粒子滤波器的状态估计性能。　　 (4)本文提出了一个完全基于真实图像的模拟平台子系统RealitySIM。该系统实现了机器人足球场地三维模型的重建并在模拟平台中实现了足球机器人模拟漫游三维场景。该系统的实现使得视觉模块算法有效地在机器人模拟平台测试并为机器人足球项目提供了极具真实感的虚拟测试环境，扩展了模拟平台的应用范围，缩小了真实环境和模拟环境的鸿沟。　　 实验结果统计表明，所提出的RSPF算法应用于机器人定位问题中实时性和准确性两方面指标均良好，优于现有同类算法。通过衡量算法的定位精度和计算速度，本文所提出的两种相似性度量方法均有效可行。机器人模拟平台下位姿的重构实现了视觉模块在模拟平台中的有效测试，解决了机器人硬件直接测试所带来的硬件损耗问题，直接降低科研成本。　　 文章在最后部分对本文工作未来可能的应用进行了展望，同时也提出一些现有工作的不足，为相关领域的研究人员提供了参考。