机器人视觉一直是机器人领域研究的热门课题。随着科技水平的提高，越来越多的机器人将被运用到安防系统、工业加工、航空航天等其他领域，众多的应用场景都要求机器人的视觉系统具有确定目标、定位目标和跟踪目标的能力。国内外在这几个方面进行了多年的研究，本课题总结了前人的经验和成果，主要做了以下工作：首先，研究了双目视觉系统的原理。分析了理想状态下的相机线性成像模型，也引入了考虑相机畸变的情况下相机参数该如何标定。另外，并且在已有的算法的基础上进行了Matlab仿真，实现了对拍摄场景的重建，根据实验参数反向求出目标特征点的位置，以此来确定相机参数的准确性。其次，对视觉系统的目标匹配算法进行了研究。对SIFT（尺度不变特征变换）在目标匹配中的应用进行了研究，对原有的剔除错误匹配点的方法RANSAC算法进行了改进，提出了改进的RANSAC算法，缩短了匹配的时间；给出了SURF（加速稳健特征）的描述子构建过程，运用该算法进行了匹配仿真；对BRIEF（二值稳健独立元素特征）进行了研究；将上面讲到的几种匹配算法进行了比较和分析，得出BRIEF算法的实时性最好，但是无法处理图像旋转的问题。再次，研究了目前主流的跟踪算法。分析了Camshift算法的颜色概率密度、反向投影和Mean Shift（均值漂移）算法模块，对该算法的实现过程进行了仿真；给出了粒子滤波跟踪算法的原理，对其中的最优贝叶斯滤波、序贯重要抽样算法、系统状态转移模型和观测模型进行了分析；将Camshift和粒子滤波比较，分析了他们的优势和劣势。最后，本课题还进行了工程应用方面的研究，在DSP平台上进行了图像获取、图像处理、目标跟踪等实验。