无标定视觉伺服根据目标特征在图像空间内的误差信息,通过视觉映射模型将平面图像误差映射到三维空间,引导机械臂实现空间定位。无标定视觉伺服在不确定的工作场景和执行较为复杂的工作任务时具有很强的适应性。本文通过分析无标定视觉伺服控制系统目前存在的问题,设计了基于粒子群遗传算法优化BP神经网络(PSO-GA-BP)的视觉伺服控制系统。本文对所采集图像进行了图像预处理,使用Canny算子检测特征边缘,并运用特征弦约束的随机Hough变换(RHT)椭圆检测算法提取了图像定位特征,在边界拟合前利用椭圆幂约束检测圆形特征中心的有效性,减少了投票累计次数,提高了特征检测效率和准确度。构建了Eye-in-hand结构的机器人视觉伺服方案,分析并推导了图像雅可比矩阵,建立了机械手运动空间和图像特征空间之间的微分映射关系。针对BP神经网络存在的收敛速度慢、训练时间长和易陷入局部极值等问题,运用本文提出的PSO-GA算法优化了BP神经网络的初始权值和阈值,在粒子群迭代时对粒子进行交叉和变异运算,保持了种群多样性,防止种群陷入局部极值,提高了种群的搜索能力。本文设计并建立了基于PSO-GA-BP神经网络视觉伺服控制器,实验结果表明,优化后的算法运算效率高,相比于传统使用雅克比矩阵控制算法,能使机器人末端执行器在更短的时间内达到预期位置,控制系统具有良好的收敛速度和控制精度且稳定有效。