近年来，视觉伺服控制系统一直是机器人研究领域的热点课题。它广泛应用在机械零件的自动检测，生产线的自动监控，运动目标的自动跟踪与识别，自治战车导航，登月舱的自动着陆以及空间机器人的视觉控制等。视觉伺服是利用视觉传感器得到的图像作为反馈信息，构造机器人的位置闭环反馈。从利用信息方式的不同，可以将视觉伺服系统分为两类：一是基于位置的视觉伺服系统(Position-Based Visual Servo system，PBVS)，一种是基于图像的视觉伺服系统(Image-Based Visual Servo system，IBVS)。根据摄像机位置的不同，视觉伺服可以分成全局视觉和局部视觉(eye-in-hand)两种。全局视觉的优点是视野较宽，缺点是存在分辨率低和目标遮挡问题；而局部视觉的特征与全局视觉恰好相反。因此，有人提出全局视觉和局部视觉相结合的视觉伺服控制方法。视觉伺服控制的性能与摄像机和机器人的标定误差紧密相关，而模型的准确标定是一项复杂的工作。因此视觉伺服控制的无标定模型引起了广泛关注。其主要优点是不需要知道机器人模型和标定摄像机参数，具有自适应能力，能够在线估计雅可比矩阵。　　 本文研究了两种主要的视觉伺服控制模型：标定模型和无标定模型。首先介绍了视觉伺服系统的特点和研究现状。由于标定模型需要对摄像机参数进行标定，因此本文也介绍了标定原理。然后分别详细的讨论了两种模型的控制原理，由于伺服系统需要对图像进行处理，因而本文也讨论了视觉伺服系统中图像处理技术。接着介绍了实验环境，设计了采用两种模型分别跟踪一静止目标和运动目标的实验，给出了具体的实验步骤。最后给出了实验结论和分析。实验结果表明两种模型都是有效的，都能够很好的跟踪静态目标；标定模型由于事先已经完成了模型标定，因而跟踪时计算机任务少，时间短，效果好，而无标定模型不需要标定，具有自适应能力，能够在线估计雅可比矩阵，由于在每一次的循环控制中都需要进行计算调整，因而计算机任务大，处理时间长。