基于图像的无标定视觉伺服(Image-Based Visual Servoing,IBVS)因其精度高、鲁棒性强,在机器人领域具有广泛的应用。准确地求取表述视觉信息与机械臂运动映射关系的图像雅克比矩阵是IBVS的关键问题。本文围绕着图像雅克比矩阵的表征和求取问题,针对特征选择和图像雅克比矩阵在线估计过程进行研究,主要工作如下:首先,本文采用光度矩(Photometric Moment)作为视觉图像特征,避免了伺服过程中由于目标点缺失造成的图像雅克比矩阵不满秩问题。在获得全局光度矩的基础上使用二维高斯函数对初始光度矩进行叠加,降低噪声对图像特征的干扰。针对IBVS系统位置控制和姿态控制耦合的问题,以目标的中心距表征X、Y轴平移运动,以几何矩表征Z轴平移运动,以旋转不变矩表征Z轴旋转运动,设计了一组图像特征对图像雅克比矩阵中平移和旋转分量进行解耦。其次,对标准容积卡尔曼滤波(Cubature Kalman Filtering,CKF)进行改进,应用于图像雅克比矩阵估计过程中。针对视觉伺服中由于误差逐渐累积导致协方差矩阵非正定的问题,在时间更新和测量更新中对协方差矩阵进行奇异值分解(Singular Value Decomposition,SVD),避免了矩阵无法进行Cholesky分解造成的伺服失败。针对环境突变和噪声问题,在预测协方差矩阵中引入渐消因子,实时调整预测协方差,增强系统对目标的跟踪估计效果。设计了一种基于Improved-CKF的在线估计器对图像雅克比矩阵进行实时估计。最后,在Matlab仿真实验平台上,以Robotics和Vision工具箱为基础设计仿真实验。以基于光度矩的图像特征作为观测向量,采用Improved-CKF算法对图像雅克比矩阵进行在线估计,建立了基于光度矩的无标定视觉伺服Simulink模型。分别对三自由度和四自由度的眼在手构型系统进行仿真实验,并测试了目标遮挡,环境噪声情况下算法的性能。仿真实验证明,本文设计的基于图像光度矩的IBVS系统具有较强的鲁棒性和解耦特性,能够在一定范围内消除姿态与位置的耦合,对无标定视觉伺服的发展具有一定推动作用。