机器视觉系统是机器人系统重要的组成部分，它集合了模式识别与人工智能，计算机图像处理等学科的多种技术，实现类似于人类眼睛的功能，使得机器人能够自动地实时感知外部世界的信息。作为机器视觉领域的一个分支，足球机器人视觉系统是足球机器人系统的关键部分之一，它可以为足球机器人其他系统提供目标的位姿信息，是整个系统控制的基础部分。　　 通过对图像分割技术和识别方法的研究，同时针对RoboCup中型组足球机器人系统的应用实际，对现有的用于足球机器人视觉系统的彩色图像分割和识别方法进行了剖析，并提出了一些相应的改进方法。论文主要对以下几个方面进行了研究：　　 首先，根据足球机器人系统中视觉系统的实际情况，经过分析比较了几个不同的颜色空间的特点，采用更接近人眼对颜色的感知的YUV颜色空间作为足球机器人视觉系统的工作空间。利用了YUV颜色空间将亮度信息与色度信息相分离以及有较好聚类性的优点，减弱了光照变化对足球机器人视觉系统带来的影响。　　 其次，对空间域处理中的基于彩色图像的均值滤波算法和中值滤波算法进行了研究。在均值滤波方面，提出了一种基于彩色图像的简单均值滤波算法，该方法把三维RGB空间降维成三个一维的独立空间，然后在这三个一维空间中进行滤波；在中值滤波方面，提出了一种基于灰度的彩色图像中值滤波算法，该算法以图像灰度为依据对图像有选择地进行滤波。从处理效果和处理时间上综合考虑，这两种算法都具有比较好的性能。　　 此外，图像分割和目标识别阶段，采用了将种子点区域生长与改进的基于阈值向量的颜色判断相结合的方法。该方法只需对图像进行间隔扫描，通过一次“位与”(逻辑与)的操作判断像素颜色，并建立目标特征集以便后续计算。与传统的阈值分割方法相比，该算法计算的复杂度更低，处理时间更快。　　 最后，目标跟踪阶段，采用了在线性高斯系统中有较大优势的卡尔曼滤波算法对目标的运动轨迹进行预测，并在此基础上，提出了一种基于目标位置预测的测量值获取方法，该方法计算速度快、计算量小，能很好满足系统实时性的要求。