随着科技的进步以及产业的进一步升级,具有视觉感知的机械臂也一直是机器人领域中的研究热点。本文针对视觉引导的机械臂控制系统展开研究,利用相机采集到的图像特征信息对机械臂运动实现反馈控制,着重研究了雅可比矩阵在线估计方法及关节控制方法,论文的主要工作及创新点可总结为以下几个部分:1.系统性阐述了雅可比矩阵在线估计方法及关节控制方法发展状况,对各视觉控制方式存在的优缺点进行了探讨,研究机械臂在空间中的位姿表述及坐标变换方法,在此基础上建立机械臂运动学模型,并进行正逆运动学推导分析,通过仿真求解程序验证模型准确性。2.针对视觉系统中图像预处理问题,提出一种低照度环境下的基于改进对数图像处理模型的图像增强算法,并与单尺度及多尺度Retinex图像增强算法进行对比,利用SIFT算法进行特征识别匹配。基于小孔成像原理,建立起相机模型,详细分析了相机运动与图像特征变化的关系,构建起图像特征变化与机械臂关节角变化之间的映射关系。3.将象征目标图像特征与机械臂关节空间映射关系的雅可比矩阵各元素作为系统状态,建立状态方程。针对卡尔曼滤波算法在图像雅可比矩阵参数在线估计中存在的图像噪声,噪声会对估计精度产生较大影响,提出多新息卡尔曼滤波算法。通过将单新息扩展为多新息以增加新息量,相应扩展卡尔曼增益,并基于此提出更加合理的加权多新息卡尔曼滤波算法,进一步提高了雅可比矩阵的估计精度。4.针对关节控制中建模误差及外部扰动对控制精度的影响,传统滑模控制带来抖振现象等问题,提出在传统滑模控制基础上引入反馈线性化方法及模糊控制系统,建立新的控制律,利用模糊控制自适应调整滑模控制律切换部分,通过李雅普诺夫稳定性分析可知,当存在系统建模误差及外界扰动时,所设计的控制系统渐进稳定。所提方法有效减轻了系统的抖振现象,且跟踪性能良好。