随着计算机视觉、机器人控制技术的快速发展,使得机器人视觉伺服在各个领域得到了广泛的应用。本文以手眼结构固定的机器人为研究对象,采用基于位置的视觉伺服方法。并且为使机器人末端执行器能够快速、准确的运动,采用神经网络来构建视觉伺服系统控制策略,最终完成设定的任务。主要开展并完成的内容如下:(1)视觉伺服系统需要通过机器人视觉系统来检测目标,从而获得机器人控制系统的期望状态。本文采用基于颜色特征的图像分割方法并结合检测运动目标的ViBe算法,对这些方法进行实验,取得了预期的实验结果。(2)在应用神经网络进行机器人的逆运动学计算时,机器人关节冗余会导致神经网络结构复杂,进而带来难以收敛、泛化性能差等问题影响控制性能。为解决该问题,本文提出将多输出神经网络控制器按一定规则分为多个子网络的方案,并基于Skeletonization算法对子网络结构进行剪枝,利用多个子网络的有序组合控制机器人末端执行器。通过实验结果表明,该算法能够有效地实现机器人运动控制并且性能良好。(3)针对移动目标跟踪以及抓取的问题,提出一种基于ReLU网络模型的单目视觉伺服系统。利用ReLU神经网络对机器人的逆运动学进行学习,并用训练后网络模型构建视觉伺服系统的控制策略。再结合上述机器人视觉系统应用到NAO机器人实验平台,实现了对NAO机器人右臂的伺服控制。实验结果证明,此方法在实验室环境下能够有效地完成所设定任务。