随着科学技术的发展，人类对于机器人的研究不断深入，而视觉机器人逐渐以其信息量大、准确度高等优点，从其他类传感器机器人中脱颖而出，成为机器人研究的一个热点。但是在视觉伺服的研究成果中，多数都直接或间接地假设机器人关节速度是已知的，而在实际中，机器人关节速度往往需要通过速度传感器来获得，这一方面增加了实际应用的商业成本，另一方面传感器的使用可能会引入噪声，影响控制精度。针对这一问题，本文将学习设计I&I观测器来对机器人关节速度进行估计，同时综合考虑视觉伺服中常见的摄像机参数未知的问题，设计控制算法。另外，将有限时间控制理论引入到视觉伺服机器人中来，充分利用了有限时间控制的抗干扰性，增强了系统的鲁棒性。具体工作如下：首先，通过学习了解了机器人视觉伺服的国内外研究现状以及视觉伺服中的基本理论知识如机器人动力学、机器人运动学、坐标系之间的变换等，以及系统浸入流形不变(System Immersion and Manifold Invariance, I&I)的基本理论。其次，针对当前研究现状，提出机器人关节速度未知情况下的机器人视觉伺服问题。为此，基于I&I基本思想，学习设计I&I观测器对机器人速度进行估计，相对于其他已有观测器，这种观测器设计方法可以实现系统的全局渐进稳定。同时，结合观测器的设计，提出了一个基于图像的PD-like视觉伺服控制算法，并进行了稳定性分析及仿真验证。再次，在上述工作中，虽然考虑了机器人关节速度未知的情况，却没有考虑摄像机参数未知或者摄像机未标定的情况，因此我们进一步假设摄像机参数未知，并通过depth-independent matrix(深度无关交互矩阵)将未知参数从图像雅克比矩阵中线性化出来，在此基础上设计自适应控制算法来实现视觉伺服控制，最后进行Lyapunov稳定性分析及仿真验证。最后，针对当前视觉伺服研究中绝大部分研究成果都没有考虑有限时间控制方法，而有限时间控制是一种具有很强的鲁棒性的非线性控制方法，在机器人控制领域已经出现了较好的有限时间控制的成果。针对视觉伺服机器人系统这样一个典型的复杂非线性系统，本文提出了一种基于终端滑模的有限时间控制方法，仿真结果证明该方法具有较强的的抗干扰性和鲁棒性。