本文设计了机器人嵌入式视觉系统,主要应用于机器人比赛中的目标识别。系统采用三星S3C2410开发板作为核心板,CMOS传感器OV7620和OV511+后端处理器组成图像采集模块,移植了Linux操作系统,通过配置内核,移植文件系统和定制根文件系统等,从而构建了视觉系统的软硬件平台。配置和加载各种底层设备驱动程序后,编写了图像采集和显示程序,最后实现了机器人嵌入式视觉系统的图像采集和显示。目标识别算法是论文研究的重点,深入研究了一种基于颜色和区域面积的目标识别算法。该算法重点讨论了图像分割和区域增长的过程,详细介绍了颜色阈值确定算法和改进的四邻域成分聚类标记算法。在颜色空间中采用HSI颜色模型,与常见的RGB颜色空间相比,更能有效地克服光照干扰,提高了算法的鲁棒性。针对固定和线性阈值不足,给出了基于H,S一维直方图和H-S二维直方图的两种颜色阈值确定算法,增强了目标颜色判断的可靠性。为了快速实现区域增长,在原有的四邻域成分聚类的同时增加像素标记,可大大提高算法的执行速度。通过windows平台进行大量目标识别实验,取得了较好的实验效果,验证了该算法的有效性。利用QT设计了操作简单的嵌入式视觉系统人机交互界面,该界面集环境参数设置、图像采集、图像显示、目标识别和测试反馈于一体。通过在嵌入式视觉系统平台下进行目标识别实验,最后统计、比较和分析了两种颜色阈值分割算法下的目标识别率和实时性。结果表明,两种颜色阈值确定算法的实时性相当,基于H-S二维直方图的颜色阈值确定算法目标识别率更高。该机器人嵌入式视觉系统具有体积小、实时性好、识别率高、稳定可靠的特点,为参加机器人比赛提供了有力保障,也为智能机器人的开发奠定了基础。