至今,足球机器人的研究已经取得了重大的进展。在学术界,RoboCup中型组比赛体现了其最高水平。足球机器人的设计包含了许多不同知识的集成:机械学,运动学,动力学,控制理论、机器视觉、人工智能等等。足球机器人的结构包含三部分:基本运动系统、运动控制系统和视觉系统。视觉提供了数量巨大的的环境信息,是移动机器人未来最有希望的传感器。自主机器视觉不仅仅是感知,也是对被感知数据的解释,包括定位,绘制地图,场景理解等等。然而,受复杂条件的限制,许多仿真可行的视觉算法在现实环境中效果不佳。自主移动机器视觉面临的复杂条件主要有:传感器噪声,传感器混叠,机械震动噪声,复杂光照噪声,感知复杂性,和动态目标场景的理解复杂性等等。本文的主要工作如下:完成了足球机器人硬件平台的建设,使机器人技术有了很好的载体,为检验算法理论的优劣打下了良好的基础。该足球机器人平台采用了国际上流行的全向视觉系统及全向运动机构。全向视觉系统垂直安装在机器人顶部,通过全向反射镜,机器人不必转身即可获得全场信息;单向俯视视觉系统能够检测机器人正面近处的环境信息,为机器人的控球和射门提供了有力的保证。在图像处理的形状识别阶段,大噪声条件表现为图像边缘是锯齿状,这对形状的角点识别造成了困难。使用最小均方误差准则,可以有效的滤除噪声的影响。针对大噪声条件下噪声强度的平均值和均匀性都未知的特点,提出了一种基于最小均方误差的新的大噪声自适应角点识别算法。这种方法计算变长点集的残差平方和,使得角点出现在特征曲线的极小值处,避免了使用阈值的弊端。并利用折半查找策略,降低了时间复杂度。在单角点识别的基础上,针对多角点识别,讨论了利用这种算法降低时间复杂度的方法。通过分析表明这些算法能够较为有效地提高大噪声条件下单调边缘单角点识别的正确率,降低了时间复杂度。在机器视觉的目标识别阶段,复杂条件主要表现为复杂光照和遮挡,以及多动态目标的复杂相对位置。复杂条件导致了特征的不完全、不确定。对于遮挡和阴影造成的球门形状不规则,本文基于全向反射镜的全对称性,提出了基于全向半径扫描法检测球门柱和角柱。根据目标位于地面上的强约束,本文提出了单向俯视算法检测球,并在复杂条件下利用弧线检测排除干扰。本文模块化地独立设计了RoboCup中型组机器人的视觉系统,总程序约10000行。