RoboCup作为目前在国际上最具影响力的两大世界性的机器人足球赛之一,主要涉及人工智能、机器人学、视觉与传感器、通讯、精密机械等领域的前沿研究和技术集成,是一种高水平、高技术的比赛。随着科技水平的不断发展,世界各国对机器人的研究也越来越重视。对于中型组足球机器人来说,其研究包含了诸多方面,比如硬件设计、视觉设计、运动控制、路径规划、攻防策略以及配合等。其中,视觉系统作为机器人的眼睛,是机器人能否顺利完成任务的基础。对足球机器人视觉识别的研究,能够拓展机器视觉的应用领域,丰富和发展机器视觉与图像处理的理论知识。中型组足球机器人主要通过全向视觉系统来完成对图像的采集以及目标的识别,在收集和分析国内外相关文献的基础上,本文主要针对球场中球和标示线的鲁棒性识别做了研究。本文主要做了以下研究：(1)标示线的识别图像预处理部分,对图像平滑的常用方法中值滤波、均值滤波以及高斯滤波进行分析、选择,然后在图像边缘检测中,选择与高斯滤波配合使用的Laplacian算子,接着对传统Hough变换进行改进,先对图像中相邻的像素点进行检测,将相近的像素点进行聚类,形成一些相连的像素点的集合,然后用随机Hough变换进行检测,从而精确识别出图像中相应的线段。(2)球的识别由于比赛环境高度颜色编码化,本文主要从颜色入手对球进行识别。首先通过对常用颜色模型进行比较,选取出比较符合人类视觉特性的HSV颜色模型,然后对传统BP算法的缺陷进行分析,提出一种改进的BP神经网络算法,利用其良好的分类效果来适应环境光照的变化,对目标做出准确识别。论文最后对全文进行了总结,对主要研究成果进行了说明,同时指出本文的不足和有待改进之处。