视觉是机器人获取外部环境信息的重要手段，在机器人领域已经得到了广泛应用。利用视觉引导机器人完成操作任务对于提高机器人的环境适应性和智能水平具有重要意义。抓取操作是机器人的一项常见任务，无论是对于结构化环境中的工业机器人，还是能够融入人类生活环境的服务机器人，研究机器人抓取操作的视觉控制方法都具有广泛的应用价值。在利用视觉信息对机器人进行控制时，通常需要对视觉系统进行标定，这对视觉系统的推广和应用带来了不便。因此实现基于自标定和无标定摄像机的视觉测量与机器人控制，对于提高视觉控制机器人系统的适用性具有重要意义。本文对机器人手眼系统的自标定、视觉测量与控制问题进行了研究。主要研究内容及结果如下：　　 ⑴提出了一种矩形目标特征提取方法，将Hough变换和最小二乘方法结合进行直线拟合，并设计了基于ROI窗口的特征跟踪方法，有效提高了特征提取的精度和鲁棒性。　　 ⑵分别针对单摄像机和双目立体视觉系统，对视觉传感器的测量精度和测量范围进行了分析，讨论了图像噪声和摄像机畸变对视觉系统测量精度的影响，为视觉系统的配置和参数选择提供了理论参考；提出使用误差比例系数和等效旋转矩阵来描述视觉系统的标定误差；针对3自由度视觉控制，根据李亚普洛夫稳定性理论，利用劳斯判据分析了系统的稳定性条件和稳定边界。　　 ⑶提出了一种基于主动视觉的机器人手眼标定方法，利用机器人的3次平移运动，实现对机器人手眼关系中旋转部分的标定，该方法不需要预先标定摄像机内参数，且计算简单，便于机器人实现自动标定。误差分析和实验结果表明，标定精度能够满足视觉控制的要求，适合于机器人的视觉控制。　　 ⑷根据机器人趋近运动的特点，给出了一种适合于趋近控制的立体视觉测量模型和相应的视觉系统参数估计模型；利用机器人的2次移动完成立体视觉系统参数的在线标定，实现对机器人和目标之间相对位置的测量；通过定义置信度函数提高了标定和测量的精度和鲁棒性。　　 ⑸提出了一种基于位置和基于图像的混合视觉控制方法，利用在线标定视觉系统实现对机器人趋近运动的视觉引导，与传统视觉控制方法比较，该方法提高了系统对视觉系统参数的适应性，使得机器人具有较好的移动轨迹和运动效率。　　 ⑹针对工业环境抓取任务，提出了一种ETH/EIH结合的视觉控制方法，提高了视觉定位的精度和鲁棒性；设计了层次化视觉控制系统框架，利用此框架结构实现了工业机器人抓取作业系统。　　 ⑺针对仿人形机器人，提出了一种混合视觉控制方法，将手臂的视觉控制分为深度方向基于位置的控制和平面方向基于图像的控制；并设计了参考图像坐标的自适应估计方法，实现了仿人形机器人的3自由度抓取操作。　　 ⑻对所取得的研究成果进行了总结，并指出需要继续开展的工作。