目前，基于图像的机器人视觉伺服控制的研究已成为机器人的一个研究热点问题。本文主要对基于图像的机器人视觉伺服系统所涉及的运动目标跟踪定位算法、雅克比矩阵在线辨识算法以及H∞鲁棒控制器的构造与实现等关键问题进行了深入研究，具体工作如下:　　 (1)针对基于粒子滤波的运动目标跟踪定位算法存在的粒子匮乏、计算量大，运行周期长，不能满足机器人视觉伺服实时性要求等不足，本文结合运动目标的运动信息，将纯方位跟踪技术—转换瑞利滤波技术引入到粒子滤波器中，提出了基于转换瑞利的粒子滤波跟踪定位算法。该算法首先利用转换瑞利滤波器来跟踪运动目标的轨迹，再结合目标的颜色图像特征，然后利用粒子滤波器准确跟踪目标。这样既克服了转换瑞利滤波器仅考虑运动信息的不足又解决了粒子滤波器粒子匮乏和计算量大的问题。　　 (2)针对基于粒子滤波的雅克比矩阵在线辨识，其建议分布大多采用次优的由系统方程获得的先验概率密度，未能考虑到最新的观测信息，严重依赖于系统模型，如果系统模型或者观测噪声存在不确定性，这种分布很难有效反映真实分布。鉴于此，本文充分考虑雅克比矩阵模型和外界干扰存在的不确定性，将系统的非线性因素（未建模因素）和由于系统参数或系统结构导致的动态特征处理成系统的有色噪声，把对有色噪声具有很好处理能力的H∞鲁棒滤波器引入到粒子滤波器中，提出了基于H∞的粒子滤波估计算法。该算法利用H∞鲁棒滤波器对雅克比矩阵作粗略估计，并利用其设计有效的建议分布函数，使采样的粒子尽可能接近在真实的目标，提高了粒子滤波算法采样效率，减小了递推估计的计算量。　　 (3)针对机器人视觉伺服系统模型的不确定性和外部扰动的不确定性，提出了一种基于状态空间方程的H∞鲁棒控制策略，建立了机器人视觉伺服系统的状态空间模型，并设计了H∞鲁棒控制器。　　 本文采用上面提到的方法对二自由度机器人视觉伺服系统进行了定位任务仿真实验，实验结果表明该方法的有效性。