本文是以RoboCup F180小型足球机器人视觉系统为背景展开的。针对现存视觉系统在实时性、识别精度和对光线变化的适应性等方面存在的不足,查阅了大量的相关文献资料并通过具体实践,就如何提高视觉系统的实时性、识别精度、以及对光线变化的鲁棒性进行了深入的研究,取得了以下主要成果:研究视觉系统的实时性能问题,指出现存视觉系统的图像分割和识别算法效率低下是制约视觉系统实时性能的瓶颈所在,并针对这个问题提出了三种解决方案,采用分布式结构,使视觉系统单独运行在一台电脑上;根据F180小型足球机器人比赛的特点采用了改进的基于阈值的图像分割和基于区域连通的连通域合并算法,以简化图像分割和识别的算法;采用基于Kalman滤波的目标搜索算法,以缩小目标的搜索区域,减少计算量。使用双摄像机克服了单摄像机拍摄的图像畸变严重以及色标和球所占像素个数过少的缺点。由于比赛场地面积大,采用单摄像机拍摄的图像畸变比较严重,目标的色标以及球所占像素个数过少,严重影响了识别精度,针对这个问题作者提出了双摄像头的方案并采用Tsai的方法进行摄像机的标定和畸变矫正提高了系统的识别精度。采用YUV颜色空间和全局阈值与局部阈值相结合的方法进行图像分割,提高了系统在不稳定光照条件下的识别率。采用面向对象的方法对视觉子系统进行功能建模,为将来系统的升级和维护提供了的方便,并通过编程实现了完整的视觉子系统。试验证明该视觉系统可快速精确的完成目标的识别,具有较强的抗干扰能力,且对光照的变化具有较强的鲁棒性。