足球机器人比赛是近年来国际上兴起的一种高科技竞赛活动。足球机器人分为两大系列:FIRA系列和RobCup系列。足球机器人是集机器人学、智能控制、数据融合、计算机技术、无线通讯、图像处理、机械学等多种学科和技术于一体的综合性产物,它本身又是一个很典型的非线性的控制对象,为各种控制理论提供了一个非常好的实验平台。　　 FIRA系列足球机器人主要由视觉子系统、决策子系统、通讯系统、机器人小车系统四部分组成。本文阐述FIRA系列足球机器人视觉子系统的设计与研究。文中首先详细叙述基本技术原理视觉的计算理论以及著名的Marr视觉的计算理论。其次分别叙述机器人视觉系统中图像输入、图像预处理、初始人机交换、图像分析、结果输出这5个步骤过程。　　 在图像预处理这个过程中,本文通过基于BP神经网络的图像压缩算法来降低图像因环境而受到的污染程度以及减少图像中的冗余信息。还提出基于BP网络图像校正算法,通过该算法校正因镜头产生的非线性失真效果比几何畸变图像校正算法效果要明显一些。　　 在图像分析步骤中,提出了彩色图像样本邻域值分割方法,该方法是一种特征聚类方法。通过在颜色空间中进行样本推理假设和容斥运算,构建目标样本在颜色空间中的超集,用颜色空间的特征函数描述多目标聚类结果,最终将特征函数存储在目标特征信息库中。在实时图像分割的过程中,利用特征函数实现图像坐标集合划分简便快捷。　　 本文最后设计了一种新的色标方案及其辨识算法来提高识别速度问题。色标的设计向来都是视觉系统中核心技术,色标设计好坏、与色标相关的搜索方式优劣以及相关算法性能高低都对视觉系统性能与效率有着重大的影响。传统的两种色标方案都有缺点,要么是容易被环境所影响或者被自身噪音所干扰,容易造成识别错误,要么就是算法非常复杂,需要较长时间运行,造成系统实时性低和总体性能降低。新的色标集合了两种传统方案的优点,即直接获得中心信息以及降低因环境所干扰造成识别错误。经过实验与测试平台测试新的色标方案大大降低了发生粘连的现象,有效降低错误识别率,同时算法的时间复杂度更小。但是获取信息的准确度因所拍摄的图像质量较差而影响较大,所以此新色标方案算法对摄像头的分别率要求很高,但是总体上也是可取的。