该论文提出设计实用有效的移动机器人视觉系统需要满足以下原则:视觉系统的环境适应性即鲁棒性要强.这是由移动机器人工作环境的高度动态性所决定的.环境中的诸多因素,包括光线条件的变化、目标表面颜色和粗糙度等等都会对采集的图像产生影响.视觉系统的实时性要高,这就必须减小图像处理过程的计算量.因为机器人系统不仅要处理传感器的信息,还要根据环境信息进行决策,如果视觉系统实时性差,势必导致机器人"反应慢",不能很好地完成动态环境中的控制任务.另外,由于彩色图像要比同样大小的二值或灰度图像数据处理量大得多,因此要提高实时性,必须减小运算量.视觉系统成本要低.基于以上的原则,该论文提出了一种硬件成本低廉,基于色彩学习的移动机器人多目标实时彩色视觉跟踪系统,提出了新颖的目标颜色学习和跟踪算法.一方面,采用两个彩色摄像机组合以模拟一个广角视觉摄像机,扩大了机器人的视野范围;另一方面,采用简单的颜色学习方法,极大地提高了对环境的适应性和系统的鲁棒性;最后,将二值图像处理中的游程长度编码技术扩展至彩色图像处理的实践中,将二维图像处理的常规方法转换为一维,使机器人系统的实时性大大提高.我们将该视觉系统成功集成在交大自行研制的中型全自主移动机器人上,并分别针对非结构环境和结构环境设计了两个基于视觉的机器人控制实验:足球机器人守门员控制实验和移动机器人线跟踪导航实验.这两个实验也验证了该视觉系统的实时性和鲁棒性.