基于极线几何的机器人视觉伺服方法是一种新的基于图像的视觉伺服方法，这种伺服方法避免了复杂的3D建模，而是将图像特征作为控制量实现机器人动作，且该方法能大幅减小图像噪声及标定误差所造成的干扰，此外，其最大优点是无需估计图像的深度信息，因此，成为国内外机器人研究学者研究的重点问题。基于极线几何的机器人视觉伺服方法所研究的内容通常分为：图像特征的选择、基本矩阵的估计以及伺服系统控制器的设计，论文主要针对基本矩阵的估计和视觉控制器的设计这两个方面做了具体的研究。　　 针对基本矩阵的估计问题，为了消除异常数据(outliers)对计算的影响，本论文提出了一种新的估计基本矩阵的鲁棒算法——基于遗传算法的最小平方中值算法，该算法是在最小平方中值算法中引入了遗传算法，克服传统鲁棒算法中对内点集的数据等同处理的问题，利用遗传算法的全局优化特性，通过遗传算法对最小平方中值算法所得到的内点集合进行筛选，选取最优的8个匹配点对，估计出更优的基本矩阵。通过实例仿真，可以看出，该方法具有更好的鲁棒性和精确性。　　 为了进一步提高机器人视觉伺服控制系统的性能和抗干扰能力，本论文采用了一种智能控制算法——自适应模糊滑模控制，这种控制方法保持常规滑模控制的优点，即不依赖系统的模型，且采用模糊逻辑系统来削弱滑模控制中由于不连续切换引起的抖振。此外，给出相应的自适应算法，调节模糊滑模控制的输出，提高系统的快速性和精确性。仿真结果表明了这种控制方法的有效性和可行性。