本文以柔性机械臂(Flexible Manipulator)为研究对象,轨迹跟踪估计为研究内容,针对柔性机械臂的难以精确建模得到运动估计的特点,提出了基于双目立体相机视觉测程法的运动轨迹估计方法。该方法侦测双目相机采样图像的SURF(Speeded-up Robust Features)特征点,在特征匹配和特征跟踪后,利用RANSAC(Random Sample Consensus)算法获得刚体运动方程参数。与传统的柔性机械臂运动轨迹跟踪方法相比,本文提出的方法有效利用视觉信息,提高了轨迹跟踪精度并且节约了计算开销。实验的结果证明了上述方法的高精度和高可用性。本文的主要工作分述如下：(1)详细描述了柔性机械臂运动轨迹跟踪问题,分析了柔性机械臂的运动轨迹跟踪和视觉运动轨迹跟踪的研究意义,介绍了当今柔性机械臂的运动轨迹跟踪的难点和现状,提出了基于双目视觉测程法的运动轨迹跟踪方法,讨论了该方法当前的研究现状。(2)研究了视觉测程法的三个关键技术,图像特征点提取、特征点匹配、运动关系模型。对于现阶段流行的特征点提取算法,着重研究了SURF特征点提取算法以及分析了SURF特征点相对于其他特征点的优势。针对SURF特征点匹配的基本方法,分析了SURF匹配算法存在的问题。针对这一问题,提出了分离特征点描述算子的向量维数和利用关联规则的支持度判定策略,并给出了仿真结果。仿真实验表明,与SURF算法相比,本文算法的图像匹配正确率有明显提高。针对建立运动关系模型,研究了基于最小二乘的刚体运动方程的求解办法,但由于没有排除样本集中的错误点,所以精度不高。针对这一问题,本文结合RANSAC求解方法,剔除样本集中的错误数据,迭代取得全局最小值,提高了计算精度。(3)开发了视觉软件测程计,在真实的柔性机械臂实验平台上设计二组实验,通过对比本文计算结果和标准设备获得的实验数据,验证了本文方法的可行性和精确性。