机器视觉系统是机器人系统重要组成部分,它集合了模式识别与人工智能,计算机图象处理等学科的多种技术,实现类似人类眼睛的功能,使得机器人能够自动地实时感知外部世界的信息。作为机器视觉领域的一个分支,足球机器人视觉子系统是足球机器人系统的关键部分之一,它可为决策系统提供目标的准确位姿信息,是整个系统控制的基础。彩色图象是足球机器人视觉子系统所获得的最基本的信息。为了满足系统的实时性,准确性以及鲁棒性要求,对于彩色图象如何进行快速有效的处理是问题的关键。本文的主要工作是建立一个基于彩色图象的实时足球机器人视觉系统,同时对足球机器人视觉子系统中的图象处理以及相关技术进行了深入的研究,探讨了针对该系统特点所应采取的策略,提出了目标分割、定位和预测的方法。在象素分类阶段,根据系统的要求,本文首先对RGB,YUV,HSV颜色模型进行了实验分析与比较,在此基础上采用基于色度H的双阈值法和基于YUV恒定阈值的象素分类方法,实现对象素进行快速的分类和标记。在区域合并阶段,图象的连通域分析往往是影响区域合并速度的主要问题,提高图象的连通域分析的速度是实现系统实时性的关键。本文在比较了常用的连通区域标记方法的基础上,提出了一种基于游程编码(RLE)图的连通区域标记方法,对整个游程编码图象进行两次扫描就能够完成象素的连通区分析及标记。在目标识别中,对目标位姿信息的提取,主要是依赖于图象的特征量的计算,如质心等。由于在实际的比赛环境中,外界的某些干扰可能会造成目标瞬时丢失,为了能让决策系统继续正常工作,视觉系统应该对目标进行跟踪预测。本文对于目标跟踪和预测现阶段的研究做了一些探讨,为系统下一步的工作做了一些理论上的准备。实验结果表明这些方法都是有效可行的,综合采用这些方法,论文构造和实现了一个满足实时性、鲁棒性要求,目标识别及定位精度高的足球机器人视觉子系统。