在当前世界科技日新月异的大潮流下,机器人已经逐渐进入了个性化,智能化的时代。而集多传感器于一身的人形机器人更是现代智能机器人水平的高度体现,不仅为科研界带来了丰富的学术成果,在人类社会学中也同样做出了巨大的贡献,如参与儿童自闭症康复,抑郁症患者治疗,照顾“空巢老人”等项目。本文主要在人形机器人NAO平台上,以其视觉信息为主,结合其它传感器信息,开展目标识别、定位与抓取,机器人视觉检测与跟踪系统设计,机器人行走轨迹估计与误差修正,上位机软件界面开发等研究工作。根据NAO的物理特性,结合图像处理方法,分别建立了上、下相机的单目测距模型,用于对环境中指定目标的快速识别并且准确定位。此外为了使NAO对定位后的目标进行抓取,还建立了机器人全身关节的坐标系模型,并且对相机、左臂和左腿到躯干中心三条运动链的正、逆运动学进行了求解。更多情况下,NAO需要认识出环境中的“伙伴”,考虑到传统的红外设备识别方法存在局限性。因此本文提出了一种基于视觉认知的方法,基于融合算法框架下设计了一种鲁棒性较高的机器人视觉跟踪系统,用于完成对环境中其它NAO的认识。在该系统中,SVM+HOG特征算法作为测模块,Cam Shift算法为正常跟踪模块,EKF与PF算法为记忆跟踪模块。通过对各个模块按照一定的逻辑关系进行组合来完成整个系统架构。而四种算法之间的融合策略,可由系统根据当前跟踪情况自适应的生成,也可由用户在界面中进行选择。在NAO识别出自己“伙伴”后,可一起执行为它们安排的任务,然而在这期间机器人会不可避免的出现行走偏离预设轨迹的现象。因此在视觉定位与跟踪的方法上,本文将NAO Mark标签,超声波,麦克风等传感器信息进行融合的方式来修正该行走误差,从而协助机器人完成设定的任务;此外为了实现对机器人在执行任务过程中的运动轨迹进行估计,本文以机器人步数检测与统计的航位推算法为基础,设计了一种基于FAST特征与金字塔光流法相融合的单目视觉里程计,从而解决了机器人在环境中的自主定位问题。最后,本文还结合多线程方法,计算机图形学知识,Open CV计算机视觉开源库,Tee Chart实时曲线绘制等技术,在Visual Studio 2010平台下开发了一款关于NAO的上位机软件界面。