研究成果表明，人类接受外界信息的主要途径是通过眼睛观察，即观察对于人类获取信息是至关重要的。另外，机器人代替人类完成一些高难度的工作也受到了各国学者的热点关注。机器人完成工作时，机器视觉是非常重的，如何让机器人识别目标并在PC程序的指导下完成一些智能的工作成为了当今的热点研究课题。本文中机器人识别目标的功能是基于颜色识别的，通过机器人的前置摄像头来识别机器人前方的场景，然后把视频流截取为一帧一帧的图片并且对图片进行处理，包括膨胀与腐蚀、将RGB空间转换为HSI空间，然后在场景中识别出红色物体，并标记出红色物的中心，最后通过控制机器人的电机使其追踪红色的目标。文中对电机的控制采用的是国际上比较先进的PID控制算法。文章首先介绍了算法研究中用到的基本知识。详细研究了RGB、HSI空间的特点及应用和相互转换、Voyager Ⅱ号移动机器人实验平台的视频图像采集、PID控制算法的原理及在机器人控制中的应用。为接下来完成颜色识别和目标跟踪打下了坚实的基础。然后介绍了Voyager Ⅱ的系统结构。硬件方面介绍了硬件的四个模块，包括运动底盘、电源及驱动模块、传感器模块和计算机模块，并给出了整个机器人的硬件结构图。软件方面介绍了软件架构层次关系，并给出了层次架构图。详细介绍了四个软件层：硬件通讯层、指令解析层、行为层和决策层。说明了各个层次之间的关系，并且介绍了每一层的关键类函数，举一个实例说明软件层是如何工作的。然后重点设计了机器人红色识别与追踪红色物体系统。着重介绍了系统中类的结构，给出了系统的类之间关系，绘出了系统类图并给出了系统的用例图。然后介绍了类的触发和调用时间，绘出了时序图。最后重点介绍了系统实现的关键函数AfterUpdateVideoSample（）的实现过程与调用的相关函数，基于这个函数我们实现了图片处理、图像转换、颜色识别、目标跟踪的综合处理，最终实现了机器人的目标跟踪。最后对系统进了全面的测试.运用优化函数成功滤除了干扰物对红色物体识别的干扰,经过多次调试,最终给出了适当的H、S取值范围，以最准确的方式识别出红色物体。然后给出了系统运行的实时效果图，图中清晰地给出了红色物体的重心位置、左右电机的速度。实时反馈的数据说明已经实现了红色物体的识别，电机控制及目标跟踪系统。另外，系统响应时间的实时展示也说明运行时间满足了当初设计的需求，系统基本满足实时性的要求。实验以Voyager Ⅱ号移动机器人实验平台为实验载体，设计了机器人追踪目标的系统，编写了大量的程序来控制机器人完成智能活动。通过PC与机器人连接，实现了机器人识别红色目标并追踪红色目标的行为。