机器人视觉伺服是一种利用视觉传感器与计算机实现人的视觉功能的技术。它从采集的图像中提取信息,并进行处理及理解,处理的结果被用于机器人的控制。由于机器人视觉伺服具有高灵活性、高精度,能够对机器人标定误差具有强的鲁棒性等优点,所以在较短的时间里成为机器人研究领域中的热点之一,并在工业生产、海洋探测等众多领域得到了成功的应用。本文在总结了目前机器人视觉伺服控制系统发展状况的基础上,在该领域内主要进行了以下几个方面的研究工作:在静态目标的定位中,针对Harris角点算法的误匹配,提出了一种快速的RANSAC算法;在动态目标跟踪中,为了提高在复杂背景情况下的跟踪的鲁棒性和准确性,将量子遗传算法与粒子滤波算法相结合,有效地改善了粒子滤波的退化问题。针对目前手眼视觉伺服系统模型中普遍存在深度信息估计的问题,提出了一种用于双目视觉伺服控制的模型,该模型不存在未知物点的深度信息,避免了深度值的测量与估计,从而提高了系统的控制性能。通过对该模型进行误差分析,求出了影响特征点深度信息的因素。基于深度无关的立体视觉伺服模型,针对双目手眼机器人控制系统的定位任务,设计了两种控制器。首先,在摄像机内外参数已知的情况下,利用一般模型法及最优控制方法设计直角坐标空间中机器人的运动指令,给出了摄像机的平移和旋转速度,实现了定位任务,本方案无需知道系统的几何模型,通过选择合适的参数来调整系统的暂态过渡过程,从而调节输出跟踪预定轨迹的时间。其次,考虑不确定性对系统所产生的影响,建立了系统的状态方程,利用γ?耗散和L2性能准则定义,得出了系统全局稳定的充分必要条件,该条件与摄像机的内外参数无关;根据引理得出系统具有小于或等于γ的L2增益,即系统具有L2性能,对系统中存在的不确定,尤其是摄像机内参数的变化具有鲁棒性。在以MOTOMAN-UP6机器人为被控对象的机器人视觉伺服系统的硬件和操作平台的基础上,采用VC软件编程,通过调用MOTOMAN-32所提供的机器人函数,搭建了视觉伺服的实验平台,编制了图像采集与处理程序、机器人运动与控制程序、控制算法程序。对深度无关立体视觉模型进行了实验验证和误差分析,实验结果表明该模型的有效性和实用性。