视觉机器人伺服是一种控制系统,它使用收集的图像信息作为反馈信号来引导机器人执行任务。在基于图像的视觉伺服系统中,图像特征变化与机器人关节角变化之间的关系是非线性的,传统的标定方法在实际的生产生活中尤其是面临较为复杂的现场环境时往往难以取得较好的标定效果进而影响视觉伺服的精度和任务完成的速度。无标定技术自被提出以来就受到了广泛的关注,基于无标定技术的视觉伺服在未知的工作条件和较为复杂的工作任务时具有较强的适应性。本文以三菱机械臂为研究对象,设计了基于无标定技术的视觉伺服控制系统。首先对采集到的图像信息进行图像滤波、增强等预处理,利用Canny等算子对处理后的图像进行阈值分割,获取目标的轮廓信息,利用基于图像矩的改进模板匹配算法对目标图像进行识别工作;其次构建了基于反向传播神经网络和遗传算法(GA-BP)混合优化的视觉伺服控制器,利用遗传算法优化神经网络初始权重和阈值,加快了图像处理的速度和精度;最后提出了一种基于极限学习机和粒子群优化遗传算法(ELMPSO-GA)的机械臂逆解算法,结合了遗传算法全局搜索能力强和粒子群算法局部搜索能力强的特点,提高了机械臂逆解精度,实现了对机械臂的精密控制。本文设计并建立了基于无标定技术的视觉伺服控制系统,实验结果表明,所提控制器相较于传统控制方法而言具有更好控制效果,可以使末端执行机构以更快的速度完成更高精度的任务,实现了对其进行精密控制的功能,为机器人控制提供了一种有效的控制方法。