移动机器人平台上基于视觉的目标跟踪系统能够较好地应用于室内外环境,而无需建立额外的辅助设施。传统的基于视觉的目标的跟踪系统使用的镜头通常视角较小,当观测大角度范围时需通过云台旋转实现,这样导致观测的实时性差、观测物易丢失。采用全方位视觉的目标跟踪系统能够捕获环境半球域视场信息,这对视觉跟踪技术具有重要意义。全方位视觉设备由于其特殊的光学成像机制,系统获取的图像存在严重的扭曲。因此,在将全方位视觉投入到真正的应用之前,需要从全方位图像中恢复出所拍摄的景物信息。本文针对鱼眼镜头获取全方位视觉图像的畸变校正算法进行了研究。全方位视觉移动机器人平台上有很多目标跟踪算法可以采用,每种算法都有最佳适应环境。采用单一特征信息的跟踪算法在复杂环境中往往失效。本文提出了一种综合的目标跟踪算法,融合了目标的多种特征信息。以基于概率的粒子滤波算法为核心,综合了自适应模板匹配算法、基于边缘特征的主动轮廓跟踪算法和基于特征点的跟踪算法,同时也对各种算法进行了一定地发展与创新。本方法采用了分布式体系结构,粒子滤波算法构成数据融合中心,其输出用于指示其它三种并行算法的检测范围,三种算法的输出又可以反馈给粒子滤波器进行综合跟踪。这种体系结构便于进行程序的并行设计,在移动机器人平台上能用多个硬件实现,提高跟踪的实时性。这种综合算法也可以对每种算法单独控制,在特定环境下采用最合适的算法或某种组合。可以克服粒子滤波定位不准、随机性较大及另外三种算法计算量大、实时性差的问题。实验结果表明,这种组合了多种跟踪方法优点的综合性方法,具有很好的鲁棒性和精确性。