随着计算机视觉领域以及智能机器人的不断完善，基于视觉信息的自主移动机器人已然成为目前的科研热点，这也使得计算机视觉与移动机器人的结合更加紧密。越来越多的计算机视觉算法被应用到机器人当中，使得机器人的自主导航得到了快速发展。机器人通过对图像的理解与感知从而做出相应的行为，使机器人更加智能化。这也更加符合人类对周围事物的感知方式。计算机视觉技术应用于机器人上，也让机器人可以更加精确地对自身行为进行控制。本文介绍对本课题选用的机器人旅行家VOYAGER-IIP-A型的总体架构以及软件系统的构建。详细介绍了机器人架构的四个层次，即用户层、决策控制层、底层决策层和执行层。机器人的主要工作部件包括：电源供应、几种传感器、视觉模块。还在软件架构的角度介绍机器人的总体结构，说明机器人在动作对象层、命令分析层、硬件控制层这三个层次相互协作的工作方式。完成对机器人软件系统的构建。随后着重介绍了基于超声波传感器的自主移动机器人避障行为的设计与实现，并在室内环境下对机器人的避障行为做实验。首先描述了超声波传感器在机器人上装配的具体位置，并把超声波传感器编号。又详细介绍了机器人避障算法的详细设计流程。接着进行避障实验，通过多次反复试验选取合理的阈值。选取合适的阈值可以使机器人运行的更加平稳。在视觉处理部分本文介绍了机器人视觉相关的基础理论，包括RGB色彩空间、HSV色彩空间。介绍选用HSV色彩空间结合色彩投影图可以使机器人目标跟踪对于位置、旋转、尺度变化等干扰因素的敏感度降低，增强了跟踪算法的鲁棒性。简述了颜色概率直方图、色彩投影图等基本技术，并将它们用于设计机器人的自主导航行为当中。最后是基于计算机视觉的机器人目标跟踪行为设计。首先介绍Meanshift算法，从而引出基于Meanshift算法衍生出来的Camshift目标跟踪算法。详细介绍了这两个算法的基本原理以及工作过程。接着阐述粒子滤波的几个基本理论：贝叶斯滤波理论、贝叶斯重要采样性、序列重要性采样。提出了Camshift算法与粒子滤波相结合后如何的实现目标跟踪，并分析了两种算法的优势。实验中发现Camshift与粒子滤波结合算法具有极高的跟踪准确性。为后续的机器人导航行为提供参考。