机器人作为一种先进的光、机、电一体化产品,其感觉功能和控制智能化研究已成为人们所关注的首要和核心问题。视觉信息是最重要的感观信息。视觉传感器具有快速获取大量信息、易于自动处理且精度高、易于同设计信息以及加工控制信息集成、非接触式感知环境等特点。因此,机器人视觉系统在智能机器人的研究和应用中占有十分重要的地位。本论文主要针对当前机器人视觉伺服控制系统中存在的若干问题,从摄像机的标定、图像的边缘检测、图像目标的识别、视觉控制器的设计等方面进行进一步的探讨。其主要研究结果如下：1、利用人工神经网络的学习能力、自适应能力和非线性函数的逼近能力,完成基于神经网络的摄像机标定。与传统标定方法相比,提高了标定的精度及标定的鲁棒性。2、针对机器人视觉伺服系统大部分工作于复杂的工作环境,将信息融合和模糊边缘检测相结合,提出了一种高噪图像的有效的模糊边缘检测算法。与传统的和单纯基于图像增强技术的模糊边缘检测算法相比,此算法采用像素点的多种信息作为边缘检测的特征信息,利用模糊逻辑对这些信息进行综合,使边缘检测器输出的边缘信息更加完善且有效。通过实验对比,应用该方法对高噪图像的检测效果明显优于常规的边缘检测。3、利用光学小波变换的快速性与小波多尺度积的抗噪能力,将光学小波变换与多尺度积相结合,提高视觉伺服中图像处理的实时性和鲁棒性。4、基于不变矩特征及BP/ART-2神经网络,实现了图像的模式识别。与传统的模式识别方法相比,神经网络模式识别具有较强的容错性及自适应能力,且采用并行工作方式,识别速度快。5、针对目前视觉伺服系统仅在局部较小范围内收敛等问题,根据混合动态系统理论,建立了基于单应性矩阵分解和仿射控制器的机器人视觉伺服切换系统模型,并通过仿真验证了该模型的有效性,为进一步改善视觉控制器的设计提出了新的思路。