智能机器人视觉伺服控制是实时图像处理、机器人运动学、控制理论、计算机技术以及实时计算等领域的融合，是计算机视觉研究前沿的一个重要分支。 本文主要针对智能机器人视觉伺服系统中的摄像机标定方法、图像识别和基于图像反馈的机器人视觉伺服控制等方面进行了研究。 首先介绍了摄像机模型及其成像原理，并对传统摄像机标定方法进行了研究，在此基础之上提出了一种新的基于径向基函数神经网络的摄像机标定方法。该方法比传统的标定方法在精度和鲁棒性方面有所提高，并且在标定过程中不需要取得摄像机的某些物理参数，具有较强的适用性。 分析了实际的机器人视觉系统中目标物体以及环境的图像特征，提出基于图像分割与角点检测的物体识别方法，通过图像分割将整幅图像分割为一个个的单一物体区域，分别利用角点检测，找出与模板角点信息相匹配的区域，然后利用基于模糊自适应操作算子遗传算法的图像匹配方法寻求最优匹配。图像实验表明了这种方法能有效减小搜索空间，加快搜索速度。西安理工大学硕士学位论文 研究了基于图像的视觉伺服控制方法。以Motolnan一SV3机器人为对象，建立了机器人仿真模型，并采用该模型进行了机器人平面定位和平面跟踪仿真实验，结果验证了方法的有效性。