视觉是移动机器人探测外界环境的重要方式。如何快速大范围的搜索周围环境,并在地面特征不明显的情况下选择出显著度较大的目标,并对其进行精确跟踪成为了一个新的研究方向。本课题在博士点基金“自主机器人的仿生型近地感知与运动控制研究(项目编号20122304110014)”的支持下,建立仿变色龙的PTZ视觉平台,探索机器人视觉在环境搜索、目标选择以及跟踪中的应用。首先,根据目前国内外移动机器人视觉系统的研究现状和发展趋势,借鉴变色龙双眼负相关的特点,提出一个双目带有可转动脖颈机构的移动机器人视觉方案,并完成实验样机的研制;双目均为可单独进行俯仰运动(Tilt)、水平转动(Pan)和变焦操作(Zoom)的PTZ摄像机。根据实验要求,选择工控机作为该控制系统的主控单元,转向舵机控制卡控制转向电机,镜头控制器带动镜头变焦,从而完成工控机对摄像头位置、姿态以及变焦的控制。利用变焦的特性,实现对于大范围的搜索和小目标的精确定位。其次,基于现有视觉平台,根据坐标变换的方法,建立视觉平台的运动学模型,并推导出图像坐标系与机器人的关系,从而完成物体实际方位与图像中位置的联系。基于仿人眼神经的视觉注意机制理论,采用自下而上的数据驱动方式,利用高斯金字塔模型分别对图像的亮度、颜色和方向特征进行分解,通过多尺度内部竞争从不同尺度理解图像信息,从而获得各特征的显著图,然后将各多尺度竞争的结果进行整合,从而获取全图中的注意焦点。实现了差异性较小的地面上显著目标的选择。第三,基于变色龙的负相关搜索模式,建立带有脖颈运动和不带有脖颈运动的目标搜索模型以及变分辨率目标对准模型,从而实现从粗略到精细的优化对准过程。通过基于遗传算法的协调转向优化模型,使机器人能够以较低的功耗进行目标对准。此外,应用基于在线学习粒子滤波目标跟踪算法,实现对旋转目标的跟踪。最后,课题以视觉平台为对象,对选择性注意算法进行验证,并且在平地和崎岖地面上对搜索模型、变分辨率目标对准模型、目标对准优化模型以及基于粒子滤波的目标跟踪算法进行实验,验证了控制系统的可靠性以及各算法的有效性。