智能机器人在实际应用中首先需要解决的就是机器人对外界环境信息的感知问题,之后才能完成指定的任务。由于视觉传感器能够获得最大量的环境信息,因此高效稳定的机器人视觉系统是移动机器人不可或缺的重要部分。针对机器人视觉系统的图像处理算法以及软硬件设计展开研究,取得了一定的成果。对视觉图像处理算法进行了研究,包括图像预处理、图像分割、运动目标检测等等。通过仿真对比各方法的优缺点,选择其中较好的方法对其编程实现。采用摄像机针孔模型进行目标定位,避免了定位时大量的矩阵运算,提高了运算速度。针对传统阈值分割的不足,将模糊神经网络应用于图像分割,提出了一种新型的基于模糊神经网络组的彩色图像可变阈值分割方法。该方法有效地克服了传统固定阈值分割中颜色阈值受外界光线变化影响较大的问题,对不同光照下的颜色阈值具有自适应调整功能,提高了图像分割精度。采用快速补偿学习算法对神经网络组的各个子网络进行训练,在普通神经网络的基础上进一步提高网络的收敛速度,缩短了计算时间,保证了分割的实时性。通过仿真实验,验证了该方法的有效性。对机器人视觉系统的软硬件进行设计。硬件电路采用高性能的嵌入式DSP作为核心处理器,既可完成机器人视觉系统中大量的数据运算,又能大大提高视觉系统的便捷性。设计了硬件电路的各个模块,包括视频编解码模块、存储器模块、通信模块以及电源模块等等。完成了视觉系统的软件设计。以CCS为开发环境,运用DSP/BIOS操作系统,完成了程序装载功能,并对软件系统进行初始化。最后对该机器人视觉系统进行了实验研究。软件实现了一系列的图像处理算法,包括图像增强、图像滤波、图像分割以及运动目标检测等,并实现了目标定位跟踪应用软件和运动目标速度检测应用软件。两者具有较强的实用性和可拓展性。通过实验证明了其有效性。