基于机器视觉的机械手运动控制是一种利用视觉信息对机械手运动实施反馈控制的重要方法，其学术基础涵盖了机器视觉、图像处理、机器人运动学、机器人动力学、控制理论等研究领域。本文首先综述了机器视觉发展现状，并详细分析研究了摄像机标定算法，论述了视觉伺服方法中最基本的动力学建模方法，利用机器人动力学研究了护理机器人的轨迹跟踪，提高了其灵活性、效率、精度和速度。通过对摄像机成像原理的分析和理解，结合当前的摄像机内外参数以及畸变系数的标定模型和方法，为了使模型图像坐标和实际图像坐标残差减到最小，在最新理论的基础上，提出了基于改进粒子群优化的摄像机标定算法，简化了机械手摄像机的非线性标定过程，并通过实验验证了该方法的可行性。从保证机械手系统渐近稳定性的角度出发设计一种基于RBF神经网络的自适应控制器的轨迹跟踪算法，考虑到其工作环境的外部干扰因素对系统控制造成的影响，进行了护理机器人机械手的轨迹跟踪算法研究。在控制系统中加入RBF神经网络自适应补偿算法的控制器，RBF神经网络在一定程度上消除不确定因素对系统控制造成的影响，自适应估算不确定性和神经网络的重构误差。从而提高系统的抗干扰能力、定位精度和系统鲁棒性，利用加权矩阵生成的李雅普诺夫函数证明渐近稳定。使其能准确地跟踪轨迹，通过动力学建模，利用Matlab仿真验证其轨迹跟踪效果。用数据拟合出的运动轨迹曲线结果得出误差，提高了跟踪精度，无论是超调量还是稳态误差都有明显的改善。并进了系统硬件选型与实现。对洗头部分机械手导入提出的标定算法和轨迹跟踪算法进行控制，使顶棚式头罩在护理过程中实现高速、高精度的跟踪人的头部，利用MFC完成人机交互界面设计，保证整个运动控制系统安全稳定运行，简单易操作。