机器人足球比赛是随着智能机器人技术和分布式人工智能的发展而迅速兴起的一项高科技对抗活动,是机器人和人工智能领域最具挑战性的研究课题之一。足球比赛中的机器人定位与跟踪是机器人能否完成更高级控制决策的基础,而在多机器人、多目标的环境中进行精准的定位与跟踪是非常困难的。随着计算机视觉技术的发展,基于视觉的机器人定位与跟踪成为近年来的研究热点。因此,开展基于视觉的仿人足球机器人定位与跟踪研究具有重要的理论意义与研究价值。在深入研究了大量相关文献的基础上,本文主要针对机器人定位算法及跟踪算法进行了研究与实现。在机器人定位方面,进行了三方面的研究：第一,为了加强机器人在足球比赛中处理信息的实时性和有效性,在建立颜色表、划分机器人视觉识别区域的基础上,标定摄像机,获取内参数,构建了机器人Nao单目测距模型,获取了与路标之间的距离和角度信息,并通过实验验证了该测距模型的有效性；第二,为了校正由于机器人自身结构的不准确性导致的定位误差,本文构建了机器人Nao的D-H参数模型,完成了对仿人机器人的运动学标定；第三,针对RoboCup比赛中经常出现的机器人“绑架”问题,本文采用改进的MCL定位算法,构建了仿人机器人Nao的运动模型与感知模型,实现了机器人精确定位。在机器人跟踪方面,进行了三方面的研究：第一,通过阈值分割的方法完成了基于队标的机器人检测与识别；第二,研究了粒子滤波及Kalman滤波器在目标跟踪中的应用,并通过仿真实验对比了两种算法的跟踪效果；第三,应用粒子滤波算法,实现了基于特征的机器人跟踪。上述研究通过一系列的实验,都获得了较理想的结果。这些结果不仅说明了在机器人定位及追踪技术的研究上所采用的理论及应用该理论解决问题的方法的正确性,还说明这些研究具有一定的实际应用价值,为深入研究多机器人协同定位及RoboCup环境下实现机器人更高级的比赛策略提供了依据。