视觉伺服是近些年来逐渐发展起来的机器人研究领域的热点学科,吸引了越来越多的学者的研究。视觉伺服是一门交叉性的混合学科,涉及到了大量的其他学科内容。基于图像的视觉伺服控制方法是视觉伺服控制的关键组成成分之一,并且由于其无需进行复杂的二维到三维的重建,而是通过利用相机获取的无需进行任何处理的像素信息设计相应算法使得机器人工作,是相关领域研究的重点。本论文着重于对基于图像的视觉伺服的相关算法、模型等做了较为详尽的研究。首先,第1章介绍了视觉伺服技术在近些年来的发展以及目前取得的一些研究的成果。第2章介绍了视觉伺服的基础知识。第3章为了避免复杂的相机标定过程进而达到简化工作量并且提升控制效果的目的,采用了无标定视觉伺服方法。利用卡尔曼滤波的方法实现对图像雅可比矩阵的估计,并且为了避免相机旋转运动与相机平移运动的相互耦合作用,对相机速度进行了解耦控制。一般来讲,采用点作为目标的情况下有时会引入矩阵的奇异性问题。并且,如果进行相机标定则有可能会引入标定误差。第4章设计了一种极限学习机估计器来实现对机械臂末端执行器的速度进行估计,并且为了使系统收敛速度更快而又不至于由于过大的速度导致系统不稳定,利用模糊推理理论设计了一种比例系数能够随系统改变的控制器。为了验证所设计的极限学习机的可行性与有效性,将其应用到了由Logitech C310网络摄像头、DENSOVP-6242M型六自由度机械臂、Windows7 64位电脑以及Quanser控制箱组成的视觉伺服实物控制系统中,事实证明所设计的算法在实物中也能得到很好的效果。