开展机器人足球赛，最大的好处是能够将人工智能技术、计算机视觉等领域的研究成果与实践结合起来。借助机器人足球赛对人工智能技术、计算机视觉技术的研究成果进行检验，探索多个智能机器人在不可预测的动态环境中如何密切配合、协同作战，使人工智能技术、计算机视觉技术更加成熟，并加速它们的商品化、产业化进程。机器人视觉要在一秒内给出十几次甚至几十次球场实体识别的结果，这种实时性要求属于图像处理的前沿课题。足球机器人平台，为人工智能研究领域，特别是对多智能体系统的研究提供了很好的试验载体。而视觉系统是其最为基本的，也是最为关键的一个子系统，其研究意义是显然的。 对于计算机视觉系统，实践证明彩色是一个强有力的视觉特性和图象特征。基于彩色图象的视觉系统，是切实可行的，而且能克服很多使用几何特性和灰度强度方法所不能解决的问题。对旋转、比例和分辨率等变化的承受能力，使它成为图像分割中一个非常有吸引力的信息源。尽管有很多的优点，但它也存在一些问题。如彩色感知非常依赖于光照，这一现象是基于彩色的图像分割所面临的一个主要挑战。 本文进行了基于彩色图象的足球机器人视觉系统的设计，使运动机器人具有实时的感知能力。通过详细的文献回顾，学习了最新发展水平的基于彩色图像分割及跟踪算法，也对一些图像分割及目标跟踪算法进行了比较分析。探讨了影响彩色感知效果、如改善目标识别精度、如何提高目标识别速度和如何克服变化光照条件对识别的影响等问题。实时性和自适应性是足球机器人视觉系统的设计难点，而且在系统基本满足实时性及自适应性的前提下，更进一步则是加强系统的鲁棒性能和提高系统的识别精度。 在视觉系统的设计实现过程中，本文提出了将恒定阈值方法、自适应阈值方法，以及统计模型方法应用于系统的象素分类阶段。同时在目标区域合并(分割)阶段，提出了基于全局扫描的分割算法、行程编码图中基于树的区域查找算法和基于统计的区域特征量计算方法。实验结果表明这些方法都是可行且有效的，而且比较理想的解决了实时性及自适性，也使得系统鲁棒性能好，目标识别精度较高。所开发的视觉系统综合运用这些方法，从而实现了一个鲁棒性能好、识别精度高、处理速度快的视觉系统。