随着机器人的应用范围不断扩展、任务复杂度不断增加,多机器人系统已经成为学术界非常活跃的一个研究课题,并在诸多领域有着重要的实用价值。与单机器人相比,多机器人系统具有其特殊的控制要求:其一,系统中的每个跟随者都需要根据其它机器人的实时状态信息来规划自己的运行轨迹,从而实现运动行为的协调一致性,并避免在运动过程中的相互碰撞;其二,多机器人系统是一个复杂的非线性系统,并且由于系统建模不精确、参数摄动和外部扰动等不确定性因素的影响,对控制系统的设计提出了更高的要求;此外,跟随者自身的位置信息和运动速度往往作为反馈量作用于控制器中,然而为每个跟随者同时配备两个传感器势必会增加系统的控制成本,而且传感器易受环境因素的影响,降低了系统的可靠性。本文以多机器人系统的协调跟踪控制为研究主题,采用双目视觉系统作为传感设备为跟随者提供实时状态信息,分别针对具有静态领导者和动态领导者的多机器人系统分布式包含控制问题,以及多机器人系统的动态跟随控制问题进行了较深入的研究。本文的主要研究工作具体如下:针对图像雅克比矩阵的建立问题,提出一种基于深度信息灵敏度的双目视觉模型,使得图像雅克比矩阵能够通过目标点的像平面坐标值实时计算求得,避免了对深度信息的估计;在跟随者仅能获取部分领导者信息甚至个别跟随者无法直接获取领导者信息的情况下,将该双目视觉模型与图论中的有向图相结合,并根据包含控制和编队控制的任务要求,基于邻居机器人的实时图像信息进行引导系统设计,进而为跟随者规划出虚拟目标点作为实际的跟踪对象来引导其运动。针对具有静态领导者的多机器人系统分布式包含控制问题,考虑跟随者最终运动速度为零的特点,1)通过预反馈建立了跟随机器人系统的耗散Hamilton模型,采用非线性干扰观测器对模型中总的不确定项进行动态观测,并将输出的观测值及观测误差的上界自适应估计值引入设计的耗散Hamilton跟踪控制器中进行补偿,有效地增强了系统的鲁棒稳定性和跟踪控制精度。2)进行跟随机器人系统全维状态观测器的设计,并将跟随机器人关节角的观测值引入设计的反馈耗散Hamilton控制器中,进而完成了系统的无位置传感器控制,降低了控制系统的设备成本,且实现了跟随机器人对虚拟目标点的有效跟踪控制。针对具有动态领导者的多机器人系统分布式包含控制问题,1)考虑跟随机器人系统中存在不确定性参数,所设计的滑模自适应控制器能够驱使跟随者跟踪其虚拟目标点运动,并实现了对不确定性参数的自适应估计,增强了系统的抗干扰能力。2)考虑跟随机器人系统中同时存在不确定性参数和外部扰动,采用径向基函数神经网络对系统的总和不确定项进行整体逼近,并将其逼近值及逼近误差的鲁棒抑制项引入设计的滑模控制器中进行补偿,有效地提高了系统的跟踪控制精度。针对多机器人系统的动态跟随控制问题,1)为了提高系统的全局收敛速度,基于双幂次趋近律和非奇异终端滑模完成了跟随机器人系统跟踪控制器的设计,并选用径向基函数神经网络对系统中的外扰不确定项进行了逼近估计。2)为了提高系统在整个全局过程中的鲁棒稳定性和控制精度,将系统中的复杂项和未知扰动项看成总和外扰,通过构造状态观测器对其进行动态观测,并将输出的观测值及观测误差的上界自适应估计值引入全局滑模控制器中补偿,有效地削弱了系统抖振,实现了跟随机器人对特定队形的跟随控制。