视觉传感器是智能机器人系统中最重要的“感官”之一，它的引入改变了机器人对操作对象及环境必须精确建模的要求。机器人视觉伺服控制是将视觉信息作为反馈环节，与机器人运动控制相结合的闭环控制，是智能机器人领域内一个具有挑战性的研究方向，它的研究对于开发手眼协调的机器人应用在工业生产、航空航天等方面有着极其重要的意义。 本文以江苏省自然科学基金项目《视觉伺服机械手捕捉运动目标关键技术研究》 (项目编号BK2002405)为背景，建立了机器人视觉伺服系统，并围绕提高系统精度、动态特性以及实时性等目标，对相关问题进行了深入的研究，具体工作包括以下几方面： 在机器人视觉伺服系统中，有两种基本的控制方法，即基于位置的视觉伺服和基于图像的视觉伺服。对于任一种方法，都需要进行摄像机内部参数的标定，以及摄像机坐标系与机器人坐标系之间变换关系的标定，即摄像机外部参数的标定，摄像机内外参数的标定是系统能否获得高精度反馈信息的关键，是机器人视觉伺服系统一个基本的、重要的问题。但是，传统的离线标定方法需要耗费大量的时间和精力，甚至在某些情况下不可能完成。因此，为了避免繁冗和困难的标定工作，对于摄像机固定安装的机器人系统，本文研究了三种动态标定的视觉伺服控制方法： 提出了基于位置的机器人自适应标定与控制算法，实现了平面机器人的理想轨迹控制。通过建立视觉模型，分析未知标定参数与已知参数的关系，设计了基于逆动力学控制方法的机器人控制器，提出了一个用于在线估计未知旋转矩阵的自适应更新律。在提出的算法中，相对于视觉坐标系测量所得到的末端执行器的位置误差是通过估计的旋转矩阵被反馈到机器人控制器中的。通过李亚谱诺夫方法及仿真证明，在考虑系统动态特性的情况下，应用所设计的控制器及自适应更新律，能够使机器人末端执行器的位置跟踪误差收敛并接近零，同时，被估计的未知参数，也就是视觉系统的待标定参数收敛于真值。 提出了基于图像的机器人自适应标定与控制算法，实现了机器人的定点控制。首先在末端执行器上选择一组特征点，推导了包含特征点图像信息以及未标定的摄像机内外参数的图像雅可比矩阵。其次，设计了基于机器人逆动力学控制算法的机器人控制器，通过将包含图像雅可比矩阵的变换关系表示成一个包含图像信息的已知矩阵和所有未知参数向量的乘积，提出了一个用于估计未知参数的自适应更新律。通过李亚谱诺夫方法及仿真证明，在考虑系统动态特性的情况下，应用所设计的控制器及自适应更新律，能够使末端执行器经过初始的自适应过程后收敛于理想位置，同时，被估计的未知参数，也就是视觉系统的待标定参数收敛。 提出了摄像机同时观察机器人末端执行器以及运动目标情况下的无标定平面运动目标跟踪方法，这是基于位置的视觉伺服控制中的一种动态算法。在每一个视觉周期，利用机器人末端执行器在机器人坐标系中的位置已知这一条件，经过公式推导，计算出每一时刻运动目标的位置，通过逆动力学控制算法，实现无标定的平面运动目标跟踪。通过仿真证明了该算法的有效性。该算法在应用时计算过程简捷，可以应用于摄像机在平面内移动的情况下，以避免视野范视觉系统的噪声及时延的存在影响了机器人视觉伺服控制的实时性，针对这一问题，本文采用Kalman预测器，根据运动目标的图像信息预测其在机器人操作空间的位置、速度等运动参数，以补偿时延的影响。在这一运动估计算法中，通过分析几种运动情况的特点，分别建立了匀速直线运动模型、匀加速度运动模型以及匀角速度圆周运动模型，通过仿真比较，证明所建立的模型具有更广的适用性和更好的预测效果。另外，针对目标的复杂运动情况，本文尝试将匀速直线运动与匀速圆周运动模型相结合，建立混合模型，在预测过程中，根据预测误差切换模型，以达到更好的跟踪预测效果。 针对视觉伺服机器人对运动目标实施打击操作这一问题，本文进行了具体的实验研究。在硬件组成方面，建立了一种基于PC的开放式视觉伺服机器人系统，在论文中对实验平台的总体结构进行了分析，并介绍了各子系统的具体实现方式；在软件结构方面，建立了以黑板模型为核心的多智能体推理结构，可以完成自动推理，最终实现视觉伺服机器人的实时运动控制。在对打击运动目标这一操作分析的基础上，建立了碰撞模型，实现了对打击时间、打击位置以及打击速度的运动规划，完成了打击运动目标的实验，实验结果证明了系统的有效性。