由于外界干扰、目标操作物特性变化、手眼未标定或标定不精确以及机械磨损等原因,机器人视觉伺服系统中存在着很多不确定性。不确定性会降低系统的控制性能,甚至让系统无法满足控制要求。对此,论文在基于图像的视觉伺服框架下,借助机器人的动力学模型设计了相应的自适应控制器,使得机器人能够实现不确定性环境中的定点控制。论文的研究内容包括如下几方面：(1)对于摄像机未标定、机器人关节摩擦力未知的视觉伺服系统,通过合理选取可线性化的摄像机参数和摩擦力参数,将摄像机未标定和关节摩擦力未知情况下的不确定性转化为所选取的线性化参数的不确定性。在此基础上,设计参数自适应更新律对摄像机参数和摩擦力参数进行实时在线估计,并使用所得到的不确定性参数的估计值进行控制器设计。特别地,在控制器的设计中,论文使用特征点的图像偏差作为系统的输出反馈、机器人的关节速度作为系统的状态反馈,设计了基于机器人动力学模型的关节力矩控制器。(2)对于摄像机未标定、机器人动力学模型具有不确定性的机器人视觉伺服系统,通过合理选取一组可线性化的机器人动力学参数,将非线性动力学模型的不确定性转化为该组线性化参数的不确定性。然后,设计参数自适应更新律对摄像机参数和机器人动力学参数进行实时在线估计,并使用参数的估计值、特征点的图像信息、以及机器人的关节变量信息设计关节力矩控制器,直接驱动机器人完成定点控制任务。(3)对于摄像机未标定、机器人动力学模型具有不确定性的系统,将(2)中基于单特征点的视觉伺服设计方法推广到基于多特征点的情况,即使用多个特征点的信息进行参数自适应更新律和关节力矩控制器的设计。伺服过程中多特征点的使用增加了冗余图像特征,在一定程度上避免了伺服过程中因特征点被遮挡或跑出像机视野造成的伺服失败等不良影响,同时也提高了控制系统的鲁棒性。(4)为了验证(1)、(2)、(3)中所设计控制方案的可行性和有效性,论文对一个三自由度的机械臂进行了运动学和动力学建模,并进行了MATLAB仿真实验。仿真结果表明,机器人在具有不确定性的环境中能够满意完成控制任务,上述方案具有良好的控制效果。