机器人作为人工智能和机器人学科的一个标志性的课题,受到越来越多的研究人员关注。中型组足球机器人是一个复杂的多智能体系统,不仅涉及了通讯技术、机器视觉、计算机图形学、人工智能等领域,还融合了机器人学、机械电子学、传感器学、智能控制等学科技术。其中,足球机器人视觉系统目标识别的能力是机器人路径规划、运动控制以及协作完成任务的基础。而视觉系统中承担主要识别任务的是全向视觉系统,因此如何提高机器人全向视觉系统目标识别的准确率和光照自适应能力是本文研究的重点问题。针对机器人足球比赛环境容易受光照变化影响,造成目标识别率低、光照自适应性差的问题,本文做了以下研究：(1)足球机器人全向视觉的图像增强算法简要阐述了传统的同态滤波算法,分析了它的利与弊,并在传统的同态滤波算法的基础上,用小波变换替代傅里叶变换来对图像进行增强。由于光照变化主要体现在HSI颜色空间的亮度分量Ⅰ中,因此,只需要对Ⅰ进行处理。用Mallat算法将对数变换后的Ⅰ分量分解成低频和高频两个区域,利用改进的巴特沃斯同态滤波函数分别对低频和高频部分的小波系数进行滤波,然后将滤波后的小波系数重构,最后对重构的小波进行反对数变换,得到增强后的图像。(2)基于biSCAN和SVM的自适应目标识别新算法设计了一个专门针对目标橙色球的新的颜色模型Ⅳ,利用类内类间散度矩阵在构成HSI和归一化的YUV颜色空间的六个分量中,选取Ⅰ和Ⅴ两个分量,它们对球的颜色橙色最敏感。通过biSCAN算法设置一系列从圆形图像中心出发并且与图像半径为同方向的径向扫描线来提取目标所在区域,然后在Ⅳ颜色模型的基础上,训练支持向量机(SVM)进行目标识别,从而提高目标识别的准确率和光照自适应能力。最后对全文进行了总结,介绍了研究成果,对于课题研究中的出现的不足和需要改进之处提出了展望。