装配任务是工业生产制造的主要环节,装配质量的好坏往往直接决定了最终产品质量的优劣,定位作为装配的重要基础,其精度及效率直接影响装配的最终质量。采用工业机器人可以代替人类更加精确高效地完成装配工作,并且在一些恶劣的环境下,采用机器人实现自动定位是当前的发展趋势。目前,工业机器人在完成装配任务时主要依靠离线编程、示教或使用激光跟踪仪的方式进行定位。离线编程和示教编程都存在通用性差、没有感知能力、精度受到装夹精度影响等问题;使用激光跟踪仪灵活性差、价格昂贵且信号连续性易受影响。基于视觉伺服的机器人定位由于其灵活性好、视觉信息连续、通用性强、成本低等优点,提供了一种可行思路。相比于基于位置的视觉伺服,基于图像的视觉伺服在机器人定位任务中具有很大优势:无需进行复杂的特征提取和三维重建,对计算能力要求较低;对于机器人模型误差、标定误差等干扰因素鲁棒性较高。因此,本文主要针对基于图像的视觉伺服,从误差收敛结构、自适应增益以及图像特征及其误差度量三个角度对其进行了深入的研究,提高了装配中视觉伺服定位的效率及鲁棒性:（1）视觉伺服定位系统搭建。搭建了视觉伺服定位系统的实验平台并介绍其软硬件组成、相机模型及机器人模型。针对视觉伺服定位系统的实际部署遇到的两个难题:大数据量的计算对计算机性能要求较高、实际装配场景中非结构化的杂乱环境影响视觉伺服的效果,提出了包括云计算、位姿复制在内的部署策略。（2）新型快速视觉伺服误差收敛结构设计。提出一种新的误差收敛结构,并设计控制器。与二阶控制器和经典的一阶控制器进行了定量的对比实验,分别从收敛速率、对深度值的鲁棒性能以及速度波动三个方面进行了对比分析。相较于传统的一阶控制器,定位速度提升至少40%并且对深度值得鲁棒性上保持优越性能。（3）基于NTD及自适应增益的速度抖动抑制。采用非线性微分-跟踪器对离散的速度信号进行了光顺处理,弥补了所设计的新型控制器在速度波动上的不足,完善了控制器的性能。提出使用PD控制器代替静态增益,使系统在误差较小的阶段也能够以较高的效率接近期望位置;提出基于误差稳态的增益衰退保证期望位置能够保持稳定。并且在视觉伺服定位系统的仿真-实体实验平台上验证速度光顺处理及自适应增益能够有效地抑制速度地抖动。（4）基于余弦距离误差度量的视觉伺服。使用直方图特征作为图像的全局特征,提出使用直方图特征的余弦距离作为实时获取的图像与期望图像之间的误差度量,推导出相应的相互作用矩阵并使用图像划分的方法实现对相机六维速度的控制。相较于使用马氏距离作为误差度量,定位速度提升至少30%。在珞石机器人实验平台上验证了所提出的方法在平面场景,非平面场景的有效性,进一步验证对于深度及部分遮挡的鲁棒性。