无标定视觉伺服是近些年的一个热点研究方向。在无标定视觉伺服中一个主要问题是如何求取反映图像空间与机器人操作空间之间映射关系的图像雅可比矩阵(Image Jacobian Matrix,IJM)。本文在已公布的关于无标定视觉伺服研究成果基础上,主要围绕图像雅可比矩阵的在线估计与运动目标状态估计两个问题进行了研究。主要工作如下:设计了基于自适应容积Kalman滤波的IJM在线估计方法。由于实际噪声的统计特性很难完全获知,本文利用容积Kalman滤波具有对经过非线性变换后的随机变量的概率分布逼近精度良好的优势,将未知IJM作为状态向量、含噪声的图像特征作为观测向量,设计了基于自适应容积Kalman滤波的IJM在线估计器,实验结果表明本文研究工作可以提高无标定视觉伺服控制系统的精度。针对眼在手构型的目标运动状态的估计问题,设计了强跟踪卡尔曼(Strong Tracking Kalman Filter,STKF)观测器。在观测点固定时,经典的STKF观测器对突变状态具有极强的跟踪能力,而眼在手构型中相机(观测点)是运动的。鉴于此,本文对观测向量进行了改造,保证了 STKF观测器能够适用于观测点运动的情况。构造了无标定视觉伺服控制系统的仿真和实物实验平台。其中,仿真实验平台以Peter Corke教授的Robotics工具箱为基础进行二次开发,对不同的应用环境搭建了不同的仿真模型;实物实验平台以MOTOMAN-SV3X、Basler相机以及研华工控机为硬件平台,在VS2013中使用C++语言开发软件平台。最终,在仿真和实物平台上对本文提出的算法和相关设计工作进行了实验验证,其结果表明本文所提出的算法具有较高的精度,可以辅助提高无标定视觉伺服系统的控制水平。