视觉板球系统是一个由摄像头采集小球的位置信息反馈给控制器,由控制器控制平板的倾斜角度,从而实现小球跟踪预定轨迹的欠驱动、强耦合非线性实验装置。因而视觉板球系统的研究主要分为两部分：图像处理和运动控制。通过图像处理确定小球位置坐标信息,通过运动控制器控制平板倾斜角度的大小,从而实现小球的轨迹跟踪控制。因此视觉板球系统可以同时验证图像算法和控制算法的有效性。本文针对这两部分做了如下工作：首先,针对视觉板球系统中存在的光照干扰所引起的提取小球位置信息不准确这一问题,设计了基于轮廓跟踪的随机霍夫变换圆检测算法,成功消除了因小球反光所导致的“孔洞”现象,并提高了随机霍夫变换圆检测的速度。此外,设计了基于模糊推理的直方图均衡化算法改善图像质量,使图像对光照强弱具有一定的自适应性。然后,对板球系统建立基于平板倾斜角度的控制模型,在简化模型的基础上分析了系统中存在的不确定性并对模型进行了必要的修正。采用对系统不确定性具有鲁棒性的滑模控制对其进行控制。将直接自适应模糊控制算法与滑模控制算法相结合,设计出直接自适应模糊滑模控制器,用来减弱滑模控制中的“抖振”现象。综合考虑控制量、轨迹跟踪误差和滑模面等因素,采用蚁群算法对滑模面和模糊自适应律中的参数进行优化,设计了基于蚁群优化的直接自适应模糊滑模控制器。仿真实验表明：基于蚁群的优化算法使控制系统的动态性能得到了有效的提高。最后,对板球系统硬件结构进行介绍,并将提出的图像处理算法和控制算法应用在视觉板球系统的实物控制中,实验表明：提出的小球质心提取算法能够提高小球位置信息的定位精度；提出的基于蚁群优化的直接自适应模糊滑模控制算法可以使控制系统的动态性能得到有效的改善。