机器人视觉伺服控制中如何提高机器人的灵活性和对环境的适应能力一直是人们研究的热点问题。其关键技术就是图像特征的快速提取和机器人控制器的设计。图像特征的选取通常采用物体的几何特征,如拐点、边(直线、圆弧)、区域面积等。在一些应用场合,这类方法不能取得好的效果,必须利用更多的约束条件及其他检测方法。在伺服过程中目标图像特征被遮盖,现有的全局特征提取方法,在视频图像序列中进行特征提取时帧间稳定性较差。而关于机器人视觉伺服控制方法的研究,大部分都是基于图像雅克比矩阵模型来描述机器人的手眼映射关系,若在伺服过程中陷入图像雅克比矩阵的奇异点,容易导致系统不稳定。　　本文提出了一种基于SURF的目标跟踪算法,将经典的局部特征提取算法SURF算法应用于图像序列,并使用了简便有效地感兴趣区域的预测方法预测目标位置,实验证明该算法在背景复杂、目标旋转、遮挡、目标视角及大小变化、环境光照突然变化以及动态背景的情况下均能实现准确的跟踪。这种算法计算简单,在硬件加速的条件下处理速度能达到实时,能够在视频序列中准确地获得目标位置,对于不同目标具有通用性,在工业系统中有一定的应用价值。　　本文在机器人视觉定位系统中采用了基于图像的直接视觉伺服控制方法,不需要三维重建,不利用图像雅可比矩阵,直接由特征点的图像坐标控制机器人的关节运动。系统中使用BP神经网络来拟合非线性的机器人手眼映射关系,不需要复杂的公式和推导,就可以达到很好的映射效果。　　本文使用VC++编程,将基于神经网络的机器人视觉定位系统在MOTOMAN机器人上进行了实验,实验结果显示这类视觉伺服控制方法在粗定位时能够取得较好效果,适用于摄像机与机器人的位置相对固定的工作场合。