目前，越来越多的机器人已应用到物料自动传输、自动装配、在危险场合下自动作业以及服务业等。要完成这些任务，对机器人视觉系统的功能提出了更高的要求，它需要识别的不仅是简单的图形，还有多种复杂的零件，这就要求机器人视觉系统具有较强的识别能力。本文在天津市自然科学基金“面向复杂任务的移动机器人系统技术研究”(编号003601211)的支持下，对基于神经网络的机器人视觉系统进行了研究，本文主要工作包括： 1、介绍了机器人视觉、模式识别和神经网络的研究现状，并进行了分析。 2、机器人视觉技术的主要任务是为机器人建造视觉系统。机器人视觉系统使得机器人能以智能和灵活的方式对其周围的环境作出反应。机器人视觉技术以图像处理技术为基础，摄像机拍摄到的图像通常要经过图像去噪、图像分割等预处理之后，才能为计算机所识别，因此，本文对图像处理技术进行了研究和介绍。 3、常见的目标特征可分为灰度(密度、颜色)特征、纹理特征和几何形状特征等。把某一图像的某种特征进行度量并交给分类器，是模式识别的重要环节。同时，神经网络对特征向量的构成也有一定要求。所以，本文研究了特征提取方法，确定了简单可靠的不变矩作为图形特征进行提取。 4、神经网络对于解决模式识别问题来说，可以实现特征空间较复杂的划分，适合于高速并行处理系统来实现。因此，本文作者将神经网络技术同图像特征提取相结合，采用ART-2型神经网络技术对图像进行识别，并进行了大量简单和复杂图像识别实验。实验结果表明，基于ART-2神经网络的识别模型是一种比较理想的图像识别模型，基于ART-2神经网络的视觉系统能够很好的识别物体形状，具有良好的应用前景。 5、基于面向对象的思想，利用Visual C++6.0编写了图像处理、特征提取及模式识别程序，实现了对目标图像的识别。