由于深度信息的缺失以及非完整约束的存在，移动机器人视觉镇定问题一直是机器人与自动控制领域的一个难题。迄今，在视觉镇定这一研究领域已取得一些研究成果，但是，现有的视觉镇定控制器在设计上仍然存在一些有待解决的关键问题，如初始时刻的速度和力矩容易发生突变、伺服效率低、难以使目标特征在视觉镇定过程中始终保持可见以及模型参数不确定性等。这些问题能否合理解决影响着视觉镇定的性能。本文以带有单目摄像机的移动机器人为对象，对其视觉镇定控制器设计中存在的上述关键问题进行深入研究，主要内容如下：1、针对深度信息缺失及初始速度和力矩突变问题，设计一种自适应、滑模和神经动力学相结合的视觉镇定控制器。利用自适应方法对未知的深度信息进行在线估计，并基于Lyapunov理论和滑模思想分别设计速度和力矩控制器，再将神经动力学模型嵌入到控制器中以解决速度和力矩突变问题。2、针对伺服效率低问题，设计一种极线几何和三焦距张量相结合的分步切换视觉镇定控制规律。采用三步切换控制策略，将极线几何和三焦距张量相结合基于Lyapunov理论设计力矩切换控制规律，实现移动机器人的最短路径镇定。3、针对摄像机视野约束问题，研究一种基于预测控制的视觉镇定方法。考虑系统中存在的速度和力矩约束以及摄像机的可见性约束，采用非线性模型预测控制策略来设计速度和力矩控制器，在镇定过程中保证目标特征点始终可见。4、针对机器人运动学和动力学模型以及电机动力学模型的参数不确定性问题，研究一种动态面控制技术与Backstepping及自适应相结合的视觉镇定方法。控制器的设计基于Backstepping思想，并用自适应方法对未知参数进行在线修正。同时，利用动态面控制技术，在Backstepping设计过程中引入一阶滤波器来避免虚拟控制律的反复求导。