在机器人手眼协调中，无标定机器人克服了基于标定方法在实际应用中的缺陷和困难，因此成为研究学者们的研究热点。本文以六自由度机器人为研究对象，针对机器人无标定手眼协调中的运动跟踪控制问题，分别用状态估计的UPF粒子滤波的方法以及模型预测控制的方法进行了研究，主要研究内容如下：
　　①首先为了后续对机器人手眼协调中的运动跟踪控制问题进行研究，对型号为UR5的六自由度工业机器人进行了运动学建模，对于机器人正向运动学以及逆向运动学进行了分析与求解推导，并对于正逆向运动学进行了实验仿真。
　　②其次针对机器人无标定手眼协调，采用无迹粒子滤波进行雅可比矩阵的在线估计问题，给出了总雅可比矩阵的定义，并将总雅可比矩阵的在线估计问题转化为贝叶斯滤波框架。然后，提出用无迹粒子滤波器估计总雅可比矩阵。利用无迹卡尔曼滤波方程对每个粒子进行传播和更新，该方法能充分利用当前图像特征量的观测结果，进而产生可达到的估计结果。在六自由度机器人平台上的仿真结果表明，该方法在二维运动跟踪以及三维运动跟踪任务中比常用的PF、UKF提高了跟踪效果，降低了跟踪误差。
　　③最后针对UPF在线估计总雅可比矩阵只能适用于眼在手上的局限，运用了可以统一两种摄像机构型的透视投影模型，研究了摄像机内外参数未标定和特征在三维空间位置参数未知的情况下的无标定手眼协调。基于模型预测控制方法，显式考虑机器人系统的约束，比如可见性约束。大多数IBVS控制器采用传统的图像雅可比矩阵，本文提出的IBVS方案是利用深度独立的交互矩阵来实现的。未知参数在预测模型中可以线性出现，利用辨识算法可以有效地对未知参数进行估计。此外，模型预测控制确定最优控制输入，并与预测模型一起更新估计参数。该方法能同时处理系统约束、未知摄像机参数和深度参数。而且，运动跟踪任务都能达到较好的性能。最后用6自由度机器人分别在眼在手上和固定眼构型进行了二维运动以及三维运动仿真，结果验证了新的基于IBVS的方法可以同时用在眼在手上和固定眼两种摄像机构型中，而且相比UPF的状态估计方法而言能提高运动跟踪控制的精度，减少运动跟踪控制的运动跟踪误差。