随着机器人技术和计算机视觉的蓬勃发展,视觉伺服系统已成为机器人控制领域研究热点之一。视觉伺服系统在机器人控制过程中通过摄像机获得视觉图像信息,使机器人具有从外界直观获取信息的能力,对提高机器人适应环境能力和自主控制能力具有重要意义。本文主要对基于模型预测控制的机器人视觉伺服所涉及的图像特征点提取、图像雅克比矩阵辨识以及鲁棒模型预测控制器的设计等关键问题进行了深入研究。主要研究内容包括以下几方面:首先,根据机器人视觉伺服理论建立了系统坐标系,推导了机器人视觉伺服系统中各坐标系之间相互变换的通式。利用系统坐标系变换矩阵,建立了机器人视觉成像模型和机器人运动模型;对摄像机内外参数进行了标定,建立了机器人视觉伺服系统“手-眼”模型框架。其次,通过图像预处理、图像边缘检测和图像特征点提取方法对摄像机采集的图像进行了处理和分析。分别采用高斯滤波算法对图像噪声进行预处理,得到了峰值信噪比较大、平均绝对值差较小的图像;Canny算法对图像边缘进行检测,得到了完整且清晰的图像边缘信息;曲率尺度空间方法对图像特征点进行提取,得到了图像的角点坐标及角点曲率。再次,研究了图像雅克比矩阵的辨识方法,给出了基于自适应卡尔曼滤波补偿算法的图像雅克比矩阵估计方法,采用图像雅克比矩阵逆的视觉伺服控制方法,实现了机器人末端执行器对目标物体的跟踪,仿真实验结果证明了自适应卡尔曼滤波补偿算法估计图像雅克比矩阵的准确性与可行性。最后,针对视觉伺服系统的时滞问题,建立了视觉伺服系统时滞模型,通过将极小极大优化问题转化为求代价函数最小上界的优化问题,研究了基于鲁棒模型预测理论的机器人视觉伺服控制方法。采用线性矩阵不等式分析代价函数的单调性,证明了伺服控制系统的稳定性。仿真实验结果证明了该算法解决视觉伺服系统存在的时滞问题的有效性。