随着科技进步和社会生活的需求,机器人被广泛的应用于工业生产,越来越多应用于人类活动的其他各个领域,这必然会使机器人承担比工业生产更为复杂的操作任务,面临更加复杂的工作环境。因此需要机器人具备更强的从外界获取信息的能力和反应能力,于是视觉伺服系统应运而生。位姿估计是视觉伺服领域的一个重要的研究方向,也是机器人定位与导航、目标跟踪与识别、虚拟现实和运动估计等许多理论研究与实践所要解决的核心问题。本文首先介绍了的视觉伺服系统中的摄相机的数学模型及其几何映射关系,以及机械臂的正逆运动学分析与建模,并对基于位置的机器臂视觉伺服系统进行整体的建模与仿真。其次,本论文对基于机器臂视觉伺服的位姿估计方法进行研究,介绍了基于卡尔曼滤波的位姿估计算法,接着使用一种新的基于平滑变结构滤波(SVSF)的算法用于位姿估计,它在不确定性和噪声的环境下具有很好的鲁棒性,能够显著改进估计过程的鲁棒性。同时考虑到卡尔曼滤波的准确性与平滑变结构滤波的鲁棒性的优点,使用一种新的基于卡尔曼滤波与平滑变结构滤波相结合的(EK/UK-SVSF)位姿估计算法,使之具备两者的优点。然后,针对传统基于单眼视觉的位姿估计方法容易受到相机校正误差、图像噪声和部分遮挡影响的问题,本文给出了一种多相机传感器融合方法,能够有效提高机器人位姿计算的精度和可靠性。基于有序加权平均算子方法与卡尔曼平滑变结构滤波位姿估计方法,采用分布式数据融合结构对图像采集信息进行数据融合,并提出面向多相机数据融合的机械臂位姿方法。该方法不受机器人数量的限制,扩展性强的特点。仿真表明,本论文所述方法具有较高位姿计算精度。