足球机器人作为一种智能机器人,将竞技体育运动与人工智能有机结合在一起,综合运用机械结构、电路设计、模式识别、自动控制、无线通信、决策规划等诸多学科的知识,是研究人工智能的一个很好的实践平台。本文以小型足球机器人为研究对象,对足球机器人机器视觉中图像分割识别与目标轨迹跟踪问题,以及在此基础上的足球机器人路径规划进行研究。本学位论文的主要工作与取得的成果如下:首先,研究了足球机器人场景彩色图像中边界等目标的分割识别方法。提出了一种基于PCNN和最大灰度熵分量的彩色图像分割方法。在该方法中,将彩色图像转换到HSV颜色空间,选取灰度熵最大的图像分量,并对该图像分量依据最大香农熵准则使用PCNN进行循环分割。仿真实验验证了所提方法对彩色图像分割的有效性和较之于其它方法的优越性。应用该方法,准确完整的分割出足球机器人比赛场景中的各种目标,为后续的足球机器人路径规划识别出障碍物。其次,研究了足球运动轨迹的跟踪方法。针对目标跟踪准确性问题,提出了一种改进的均值漂移跟踪方法。在该方法中,通过在小波变换分解提取图像细节信息的基础上计算LTP纹理信息来计算目标模型与候选模型,并且在计算目标模型时引入背景加权信息。应用该方法,能较为准确的跟踪足球的运动轨迹,为后续的足球机器人路径规划中目标点的设定提供依据。仿真实验验证了所提改进的均值漂移跟踪方法明显提高了目标跟踪的稳定性与准确性。最后,研究了足球机器人的路径规划方法。提出了一种面向环境复杂度的步长自适应调节人工势场方法。在该方法中,通过步长与环境复杂度成反比的关系确定每一次迭代步长,不仅能实现动态路径规划,而且提高了规划效率。在静态与动态环境中的仿真实验验证了所提改进的人工势场法能减少足球机器人到达目标点所需的迭代次数,为足球机器人的实时控制提供了基础。本学位论文的上述研究内容的仿真实验是在Matlab软件平台上完成的。仿真实验结果表明:所提的改进方法对其它研究对象具有较好的适用性。