随着软硬件技术和控制技术的发展,移动机器人已在军事、农业、工业、服务等领域得到了广泛应用。而各应用领域中,路径跟踪控制是重点和难点技术之一,该技术并非局限于移动机器人,还可用于裁床系统、数控切割、3D打印机、轮船和航空航天等领域。因此,深入研究路径跟踪控制技术,不仅可以丰富控制理论成果,促进移动机器人的发展,还为更多领域的运动控制技术提供方案,满足各领域对路径跟踪控制技术的高要求,具有重要的现实意义和应用价值。通过引入视觉传感器增强移动机器人预测跟踪控制时的环境感知能力,可以使移动机器人快速有效的适应特定的作业环境。与此同时,图像处理技术难度大,复杂背景下容易丢失目标和受光线影响等问题,给移动机器人路径跟踪控制技术的发展带来新挑战。本文分别针对Eye-in-hand框架和Eye-to-hand框架中存在的问题,研究了基于模型预测控制的跟踪算法,并分别完成仿真与实验。主要工作如下:1、在Eye-in-hand框架下,研究了基于在线学习分类自适应追踪特征物的移动机器人路径跟踪预测控制问题。首先,提出了一种基于光流追踪、学习和分类的自适应图像处理算法,使得特征物能被准确稳定的识别与追踪,解决了复杂背景下特征物容易丢失的问题。进而,基于追踪到的特征物设计了像素层面的移动机器人预测跟踪控制器,并结合李雅普诺夫稳定性理论分析了闭环系统的渐近稳定性。2、在Eye-to-hand框架下,提出了一种新的参数化路径预测跟踪控制方法,解决了移动机器人路径跟踪过程中实际速度与设定速度无法快速匹配的问题。首先,为了提高速度的快速匹配,提出了一种新的路径更新方程,并将路径参数引入到预测性能指标中,以提高跟踪精度。进而,基于所提出的路径参数化方法,采用有效集法求解约束条件下的预测控制量,完成圆形路径仿真,验证算法的有效性。3、分别设计Eye-in-hand和Eye-to-hand框架下的实验平台。首先,完成在线分类学习自适应识别并追踪特征物的图像处理算法,编写移动机器人上位机,具有追踪效果显示、实时移动机器人运行参数显示、绘制路径等功能。其次,完成多目固定摄像头与移动机器人的无线通讯系统,编写服务端上位机和客户端上位机,具有数据通信编解码、发送机器人控制指令、实时运行状态监测、绘制误差波形图以及绘制路径等功能。最后,基于模型预测控制算法,分别完成预测跟踪控制实验,验证算法有效性。