在人工智能的时代大背景下,越来越多的移动机器人进入到人们生活当中,人机交互变得愈加频繁。当前,机器人主要通过视觉获取外部信息,随着需求的不断增加,依靠单目视觉获取外部信息很难满足服务型机器人的需求,因此越来越多模仿人类双眼,搭载双目视觉的机器人出现在各个场景。机器人完成视觉伺服任务时,其中视觉部分最关键的就是对目标的定位和跟踪,本文主要从乒乓球机器人的视觉需求出发（本文中机器人的主要任务是连续颠球）,研究使用双目视觉跟踪定位快速运动的乒乓球。研究主要难点在于需要精准跟踪快速运动的乒乓球,需要对乒乓球进行精确定位以及准确预测出落点位置和速度,对系统的实时性要求较高。首先,本文提出了一种融合轨迹预测信息的跟踪算法,通过融合孪生神经网络跟踪和卡尔曼滤波预测轨迹,生成目标的位置。本文在实时性较高的Siam RPN算法基础上,改进了特征提取网络,提高了实时性,并且通过跟踪时的置信度,将卡尔曼滤波预测到的目标位置与跟踪到的位置进行结合。当目标被遮挡或者其它原因时,跟踪置信度较低,此时主要通过预测的信息对目标进行跟踪,跟踪框能够随着预测轨迹移动,当目标再次出现时,有较高的概率重新捕获目标。为了提供跟踪需要的初始帧,本文还提出了一种对快速运动目标的检测算法。由于传统的检测算法很难运用于高实时性需求的项目中,本文首先使用帧差法提取出视野中运动的目标,为了消除视野中其它的干扰元素,本文还针对当前帧使用颜色过滤,两次过滤结果相与融合,能够过滤掉绝大部分干扰,有效地检测出特定颜色的乒乓球。之后,本文设计了一种双目视觉定位系统。在研究双目视觉标定和双目定位原理之后,本文还通过将计算出的坐标映射到机器人所在的坐标系中,通过对数据进行分析,对类马鞍状的误差进行拟合,通过二次标定方式,能够减小相机标定误差等带来的影响,能够进一步减小目标定位时的误差。本文通过在OTB100跟踪数据集和实际打乒乓球数据集上进行实验,验证了跟踪算法的实时性和精准性;通过对二次标定后的双目定位系统进行误差分析,验证了该双目视觉定位系统的精准性;通过将检测、跟踪和定位进行结合,使用轨迹拟合的方式预测乒乓球的落点位置和速度,通过对实验误差进行分析证明了该双目视觉系统的实时性和精准性,能够基本满足乒乓球机器人的视觉需求。