足球机器人的自定位能力是机器人进行足球比赛的基础,随着计算机视觉和视觉传感器的深入研究和快速发展,视觉定位作为最能体现机器人智能化和拟人化的定位技术而备受关注。本文研究仿人足球机器人视觉定位系统,主要从视觉图像处理和机器人定位两个方面进行研究：针对足球机器人比赛中,各目标物的颜色、形状简单且已知的特定场景,采用基于颜色的分割方法,提出了阈值自适应图像分割法,以适应一定的光照变化；之后应用数学形态学滤波对类二值化后的图像进行处理,得到更接近物体真实形状的色块；最后利用基于区域的种子填充法实现对目标物体的分割,同时提取特征。通过实验,验证了该方法对视频图像的准确高效分割。本文采用粒子滤波的方法,结合观测到的视觉信息和机器人的运动信息,实现足球机器人的自主定位,并利用静态的几何定位方法完成对球等移动目标物的相对定位。传统的粒子滤波算法存在粒子退化和粒子多样性的矛盾,同时一般的重采样方法会产生稳态误差。针对上述问题本文提出了一种改进的重采样方法,在重采样过程中加入新的系统信息,以丰富粒子多样性,且对于保留下来的粒子并不完全复制,而是加入一定的随机噪声,以减少稳态误差。通过仿真和实验证明了改进粒子滤波方法的可行性和有效性,并且在仿人足球机器人平台上,实现了机器人的自定位和移动目标物的相对定位。