随着人工智能和大数据的发展,机器人替代重复的人工劳动已经成为一种趋势。工业机器人正向着汽车装配、工厂流水线作业、医疗设施等对精度要求更高的方向发展,因而对工业机器人的精度也有了更严格的要求,除了满足基本的定位精度,还要针对不同环境作出不同的应对方法。利用标定的方法来提高机器人精度是目前普遍采取的方法,但机器人标定是一个繁琐且易出错的过程,传统标定方法对测量仪器的精度要求高,自标定方法精度不高、鲁棒性不足,导致基于标定提高精度的机器人视觉控制方法受到了限制。所以本文研究一种与标定无关的视觉伺服控制方法,通过设计控制律在图像平面中减小误差,驱动机械臂运动,将整个系统的误差控制在满足任务的范围内。首先,建立机器人运动学模型,针对标准和改进的两种易混用的D-H建模方法作出区分,总结出分辨两种模型的方法。通过建立视觉系统模型,研究摄像机的标定方法,推导出图像平面中像素的运动速度与相机运动速度之间的关系,在此基础上得到图像平面内特征变化和机械臂坐标系之间关系的非线性矩阵,也就是图像雅可比矩阵。其次,研究经典视觉伺服控制中的速度控制器,通过编写相应程序在Matlab平台下进行稳定性分析,得到目标特征应满足的必要条件,以及控制过程中应避免陷入局部极小值的情况。接着,针对手眼伺服控制系统运动过程中特征易丢失的问题,提出了一种新的基于图像的视觉伺服方案,通过将相机的视场约束转换为等效的误差函数模型进行简化计算,使得控制系统在满足图像特征坐标误差下实现规定的瞬态和稳态性能,并保证目标特征始终在相机视场中。通过实际模型获取参数在Matlab平台下进行仿真,验证了所提出的基于规定性能的函数模型在局部误差与全局误差中的收敛稳定性,为后续的研究提供了有效的控制方案。然后,研究了图像特征提取的相关算法,从基本几何特征开始,到目标物体的实时跟踪。基本几何图形中,主要研究角点、直线特征的典型提取算法,并通过实验检测提取效果;对于圆特征的提取,提出了两种快速求解圆心坐标算法。目标跟踪算法主要研究相关滤波类的主流跟踪算法,同时将KCF跟踪算法应用于ROS系统下的Kinect相机上,实现目标跟踪。最后,在上述研究的基础上搭建实验平台,确定控制方案,分别通过VISP平台研究不同控制律下误差收敛的情况,在Gazebo平台下研究流水线作业中对运动目标的特征提取并进行吸取,接着在UR5实物机械臂上进行了无标定视觉伺服控制跟踪实验,将图像平面内的误差控制在15个像素以内,验证了整个控制系统的可行性。