近年来,机器人技术己成为高技术领域内具有代表性的战略性技术之一,它使得传统的工业生产方式发生根本性的变化,对人类社会的发展产生深远的影响。随着计算机视觉和计算机硬件技术的快速发展,将视觉信息同机器人控制相结合形成视觉伺服系统,使机器人具有同外部环境进行智能交互的能力,是当今机器人发展的一个主要方向。可以预见,具有视觉的智能机器人将得到越来越广泛的应用。传统的机器人视觉伺服控制系统是基于标定技术的,整个伺服系统控制精度在很大程度上依赖于标定的精度。然而,在实际中,由于种种原因,这种基于标定的机器人视觉伺服方法受到了很大限制。无标定视觉伺服开始成为机器人视觉伺服控制领域的一个研究热点,所谓“无标定”视觉伺服是指在不预先标定摄像机和机器人参数的情况下,直接通过图像上的系统状态误差来设计控制律,驱动机器人运动,使系统误差收敛到一个容许的误差内。本文就是针对近年来在机器人视觉伺服技术领域新发展起来尚处于探索阶段,还未形成统一的理论体系的“无标定”方法展开研究的。本文对无标定视觉伺服中的目标特征点的提取方法进行了研究。采用了区域颜色和边缘信息相融合的方法,对图像进行较为稳定的分割,然后提取质心。该方法充分利用了小波多分辨率分析的特性,进行图像的边缘检测。在应用传统的小波技术对图像进行边缘检测时,需要采用阈值对模非极大值抑制后的候选边缘点进行筛选,求取边缘。目前阈值的求取是凭借人们的经验人为的设定,需要反复的试凑比较才能得出最后结果,另外,当前的单阈值自动求取方法还无法实现精确的边缘检测,这些缺陷限制了小波边缘检测技术在实际中的应用。针对这一问题,论文提出基于类内方差最小化原理自适应的求取双阈值的算法,不需要人为的设定任何系数和参数。这种自适应计算阈值的方法对各种基于梯度的边缘检测技术同样适用。采用自选定区域进行颜色分割和边缘检测信息融合的图像分割技术,实现了较为稳定的分割,较为精确的提取目标质心,必免了颜色分割存在的跳变现象以及边缘检测无法识别感兴趣目标的问题。本文提出了一种动态无标定的视觉伺服控制方法,对系统的动态残差项进行了估计。当前的无标定视觉伺服控制技术或者只能针对静态的目标,或者针对动态目标但无法摆脱系统动态残差项的影响。因此,论文基于非线性方差最小化法控制机器人跟踪运动目标,利用动态拟牛顿法估计图像雅克比矩阵,采用迭代最小二乘法提高系统的稳定性,提出对动态系统的动态残差项的估计方法,实现了机器人对运动目标的跟踪。研究了能应用于“眼在手上”视觉伺服控制结构的动态无标定的视觉伺服控制算法。当前“眼在手上”系统的无标定算法中,没有考虑到随着摄像机的运动,系统的复合雅克比矩阵会在每个时间增量时发生变化。提出了对每一时间增量时刻的图像雅克比矩阵的变化做出估计的方法。通过将非线性目标函数最小化,以视觉信息跟踪动态图像。最后,利用相关硬件组建了一套无标定视觉伺服实验系统。通过多组实验测量了系统的性能指标,并取得了预期的效果,验证了算法的有效性。