将视觉传感器得到的图像信息作为反馈信息同机器人控制相结合，从而形成视觉伺服控制系统，是当前机器人发展的一个主要方向。为了提高视觉伺服系统的控制精度和使用范围，本文对图像预处理技术、目标特征提取、伺服控制器的设计及摄像机标定这四方面进行了研究。首先，针对去噪、增强和边缘检测等问题在图像预处理技术中的重要作用，提出基于同态滤波的图像增强方法和基于Radon变换的软阈值边缘检测方法。在此基础上，针对目前动态图像序列跟踪中存在的问题，提出了一种基于图像序列的逼近式相关跟踪算法。在一定的误差范围内，该法往往一次就能准确定位，大大提高了跟踪效率，实时性很强，缺点就是有精度要求，存在稳态误差。为进一步提高精度，又给出一种基于图像矩的子像素特征提取跟踪方法，该法仅计算四个一阶矩就能较为准确的提取到目标特征，计算简单，鲁棒性强，具有很好的实时性。随后就图像反馈在进行控制器设计时存在的问题，结合Kalman滤波器提出了两种视觉伺服控制器设计方法。一种是鲁棒自适应估计算法，将目标跟踪的问题表述为对一非线性系统的最优状态的估计问题，采用扩展Kalman滤波器和递归最小二乘法在计算量与性能指标之间寻求一种均衡，使得系统在跟踪过程中处于最优或次优状态。另一方法是基于图像Jacobian阵的视觉伺服控制方法，结合Kalman滤波器对系统状态参数进行预估计，在一定的误差范围内得到较为理想的控制量，改善了对动态目标的跟踪能力。最后，根据本文所研究对象的特点，仅研究了单摄像机绝对定位的标定问题，提出一种改进的摄像机标定方法。在Tsai两步(Two—stage)标定法的基础上结合传统的线性化摄像机模型，提出一种改进的摄像机标定方法。相对于传统的标定方法，标定过程简单、标定参数准确，具有一定的鲁棒性。