机器人足球比赛是近年来在国内外兴起的一项高科技竞赛活动。本文以RoboCup中型组比赛为研究平台，设计了一种全向视觉系统，并在此基础上重点研究基于全向视觉系统的机器人自定位方法。该视觉系统能够实时采集全景图像，并快速有效的进行图像颜色分割、物体识别，最终完成机器人的自我定位。 视觉系统是足球机器人最重要的系统之一，它是机器人感知周围环境的信息来源，相比较其他传感器，视觉系统能获得更为丰富的环境信息，因此国内外对视觉系统的研究也最为深入。 由于普通摄像头存在视角较小的问题，本文参考其他学者的研究，实现了用全向反射镜和摄像头组成的视觉系统，能够获得全景图像。同时为了提高图像处理的实时性，采用了快速的方法识别场上物体，为定位和路径规划奠定基础。 在此基础上，对机器人的环境建立模型，并研究了机器人的基本定位方法，主要是根据里程计数据的相对定位方法和利用路标的绝对定位方法。然后研究了识别场地白线并用Hough变换的定位方法。 由于普通定位方法的抗干扰性较差，在噪声较大的情况下会出现定位失败，因此本文接着引入了当前流行的基于贝叶斯滤波的概率定位方法。首先阐明贝叶斯滤波的原理，并对其中的概率模型进行描述。对于可信度的数学描述不同，贝叶斯滤波可发展为卡尔曼滤波、多假设跟踪、粒子滤波等。接着对应用较为广泛的卡尔曼滤波和粒子滤波进行研究，并将其应用到机器人定位中，通过实验证明该定位方法的有效性和准确性。