将视觉信息同机器人控制相结合形成视觉伺服系统,使机器人具有同外部环境进行智能交互的能力,是当今机器人发展的一个主要方向。视觉伺服系统一般由图像预处理、特征提取、摄像机标定、伺服控制器设计和机器人控制这五部分组成。为了提高视觉伺服系统的控制精度和使用范围,本文对摄像机标定、特征提取和伺服控制器的设计这三方面进行了深入地研究。第二章介绍了视觉伺服系统的相关基础知识,其中包括坐标变换、摄像机投影模型和机器人控制等相关理论。依据视觉反馈信号表示的是3D空间坐标值还是图像特征,视觉伺服系统的控制结构可以分为基于位置的控制方式和基于图像的控制方式,本文对这两种控制方式进行了分析,并给出了这两种控制方式的优缺点。第三章进行了摄像机标定方法的研究。摄像机标定参数的准确性直接影响着机器人视觉伺服系统的控制精度,因此研究了一种高精度的摄像机标定方法。该标定方法内部参数的优化使用遗传算法,外部参数的优化使用梯度下降法,它具有原理简单、不需要估计初始值、鲁棒性强、标定参数更准确的优点。第四章对特征提取的方法进行了研究,空间矩能够很好地描述图像的边缘特征,利用它能够进行亚象素边缘提取,并且具有很好的旋转不变性。本文通过分析角特征模型和空间矩函数,推导出空间矩多项式对角特征象素点的判别准则。为了提高抗噪声,根据角特征不仅灰度变化是不连续的,且相对周围其他点的梯度方向也是不连续的,提出利用梯度角变化和梯度幅值作为角特征检测的另一个准则。利用这两个准则能够检测到角特征,但不能准确确定角顶点,因此必须利用非最大值压缩技术剔除虚假点,进行准确定位。特征提取的精度对目标跟踪、位置估计和摄像机标定等任务都具有很大的影响,因此必需进行亚象素角特征提取,为此本文利用双线性插值法和牛顿迭代法进行亚象素角特征提取。在进行角特征理论推导时,发现Lyvers算法对角点附近的边缘象素进行亚象素边缘提取时,具有原理误差,因此对Lyvers算法的检测原理进行了改进。另外,为了提高Lyvers算法的实时性,提出首先利用Sobel算法进行边缘提取,然后利用Lyvers算法进行亚象素边缘提取。依据空间矩对边缘特征的描述,提出一种改进的亚象素Hough变换方