随着机器人技术的迅速发展,移动机器人的应用领域越来越广泛,基于视觉的机器人障碍物识别和目标追踪则倍受人们的关注,已成为近年来移动机器人的研究热点之一。与其他非视觉传感器相比,基于视觉的方法具有隐蔽性好、信息丰富、目标信息完整等优点。目前,国内外不少学者在进行障碍物识别及运动目标追踪时,主要是基于双目视觉的研究,计算复杂且共视范围小,容易出现多义性。对障碍物的识别和目标追踪实验过程,大多是对算法的仿真实验,并且存在准确性及实时性问题。本文在进行机器人视觉课题研究过程中,利用单目视觉的优越特性,设计出相应的算法模型和实验方案,并在真实机器人上进行编程实验,解决了障碍物识别与目标追踪的精确度、实时性、计算复杂度等问题。本文从障碍物识别、视觉测距和目标追踪这三个模块对单目视觉机器人进行了深入的研究。在障碍物识别中,选择合适的图像处理算法对图像进行灰度化、平滑去噪及阈值分割等处理,提出了一种基于HSI颜色空间与SIFT算法相结合的方法,即先使用HSI颜色空间对障碍物进行粗识别,再用改进的SIFT算法对障碍物进行精确识别；在单目视觉测距中,分析摄像机模型,使用线视场法对摄像机的水平视场角与垂直视场角进行测量计算,并根据几何推导的方法推导出适合本实验的测距模型,运用其对机器人与障碍物之间的距离进行测量与计算,解决了视觉测距过程中的准确性及实时性问题；在目标追踪中,主要是针对运动目标物体,设计出单目视觉目标追踪系统,利用改进的帧间差分法检测出运动目标物体,提取出目标物体的一些几何特征进行识别与定位,并将Kalman滤波算法运用于目标追踪系统中,对已经识别的目标物体运动状态进行预测,结合单目视觉测距理论及机器人运动控制系统做出相应的控制决策,成功地实现了对运动目标的实时追踪。通过在MT-R机器人上的编程实验,完成了基于单目视觉的障碍物识别、单目视觉测距及目标追踪任务。实验结果表明,本文的单目视觉研究在满足实时性的前提下,能够准确地识别出障碍物和目标物体,并对运动目标进行精确地追踪。