机器人视觉伺服具有广阔的发展前景。由于摄像头畸变等因素的影响,基于系统标定的视觉伺服系统有很大的局限性,人们开展了无标定视觉伺服的研究。而在实际的视觉伺服系统中,由于多数摄像机的采样率较低、摄像机到图像处理设备的图像传输存在延迟、以及图像处理本身会占用较多的时间,人们无法及时获得摄像机所拍摄到的图像信息(通常指图像中的目标特征信息),也就是说视觉信息的获取会产生时延,这对视觉伺服控制任务会造成较大的影响,甚至造成伺服任务的失败。因此,如何解决时延补偿问题显得尤其重要。论文在对无标定视觉伺服和时延补偿概述的基础上,研究了无标定视觉伺服系统下解决时延补偿问题的两种方法。即：多项式拟合补偿法和卡尔曼滤波补偿法。在多项式拟合补偿法中,论文基于多项式拟合原理利用测到的机械手末端执行器在任务空间中的位置向量历史值,估计出图像雅可比矩阵中每个元素对应的多项式的拟合系数,进一步实时预测出图像雅可比矩阵中的相应元素,最终得到当前时刻的图像雅可比矩阵。此方法在线更新多项式的拟合系数,能提高噪声影响下雅可比矩阵估计的准确性。在此基础上,提出基于图像特征误差的反馈控制策略,并通过对运动目标进行跟踪的仿真实验验证时延补偿方法的可行性。关于卡尔曼滤波补偿法,首先基于图像雅可比矩阵建立系统的状态方程和观测方程,根据卡尔曼滤波基本方程估计当前时刻的图像雅可比矩阵,进而预测目标特征；然后设计一个带有时延补偿的控制方案。最后通过仿真示例验证卡尔曼滤波补偿法的有效性。