本文重点研究了一种新的基于图像的机器人视觉伺服方法——极线几何伺服方法，它不需要进行复杂的3D建模，直接使用的是图像特征来控制机器人的运动，也无需估计图像的深度信息，因此对其的研究已经成为国内外机器人研究学者关注的问题。该伺服方法研究的主要内容包括:图像特征检测、基础矩阵估计以及视觉伺服控制器的设计。检测到的图像特征信息会影响图像的匹配效果，进而影响基础矩阵的估计精度，而基础矩阵的估计精度又会影响极线几何机器人视觉伺服的控制精度，因此，对于图像特征的检测与匹配以及基础矩阵的估计精度的研究至关重要。本文主要是在基本粒子群算法的基础上提出了一种改进算法，并将其应用于基础矩阵估计中。　　基本PSO是一种高效、动态的优化算法，该算法比较容易实现，也无需调整太多的参数;然而算法后期收敛速度慢，最主要的是易陷入局部极值，为了改善这些缺点，学者们纷纷提出了许多改进的算法，并将其已经应用于科学和工程等多个领域。本文主要是在基本PSO的基础上进行改进，提出了一种新的改进算法。最后通过仿真实验，结果表明:改进后的算法收敛精度比较高。　　针对基础矩阵估计的精度问题，本文提出了一种新的估计基础矩阵的鲁棒算法——基于粒子群算法的最小平方中值法(PSO-LMedS)。该方法是将最小平方中值法(LMedS)与粒子群算法(PSO)相结合，将LMedS方法得到的匹配点对作为PSO的初始种群，利用PSO的全局优化特性，通过不断寻优过程，估计得到最佳基础矩阵，以此来提高基础矩阵估计精度。最后通过仿真实例证明了该方法具有较高的鲁棒性和精确性。