视觉伺服技术在机器人控制领域中的应用日益广泛,其目标是利用各类视觉传感器提供的图像信息辅助机器人完成在不同应用场景下的任务。从图像当中直接提取或者计算而来的数据会被用在闭环控制系统当中,完成诸如定位或者目标跟踪等视觉伺服任务。然而,对于传统视觉伺服控制的一个主要问题是机械臂的运动没有任何系统约束和限制。视觉伺服系统控制律中存在的耦合性会导致特征点在机械臂运动时超越图像边界,因而视觉伺服控制器存在一个重大缺点就是不能保证系统的全局稳定。总体而言,制约着视觉伺服控制性能的几个不足之处主要表现在:（1）执行任务距离较远时存在的不稳定性;（2）交互矩阵可能存在奇异;（3）系统可能陷入局部极小值;（4）围绕相机光轴的纯旋转运动存在相机退化现象;（5）图像特征点和机器人的运动轨迹不可控;（6）图像特征点可能离开相机视野。于是,本文首先从视觉伺服闭环控制系统的状态响应,以及控制能量消耗等性能指标出发,针对传统的视觉伺服控制效果进行全面改善和优化,提出了一个基于LQR最优控制方法设计的模糊控制器。为了解决系统非线性对控制器中矩阵变量求解带来的阻碍,于是选用模糊逼近的方法对闭环控制系统中的非线性部分进行了线性化处理。最终构建出一个线性目标最小化问题模型,并借助于LMI工具实现对此最优控制问题的求解。通过多组仿真实验,充分证明了该控制方案相比传统的控制方法对于全面提升控制效果,综合优化控制性能的确具有明显优势。然后,本文为了能够实时地且更加具有目的性地优化控制性能,所以特别针对在传统IBVS控制器下目标点的运动轨迹存在冗余等情况,再提出一种具有速度方向控制能力的视觉伺服跟踪控制方法。该控制策略通过优化一个关于调整图像平面速度方向的多目标函数,实现了图像运动轨迹的实时调节。多组仿真实验结果表明,与传统的控制方法相比,通过应用最优化参数构造的控制器,可以实现更少的冗余运动,使目标点的运动轨迹更接近于直线,显著提高收敛速度。同时,它还有益于降低目标离开视觉区域的风险并且保持了对未知深度和相机内部参数的鲁棒性。最后,文章为了证明所提出的具有实时速度方向控制的视觉伺服跟踪控制方法的有效性和可行性,在拥有六自由度的Denso工业机械臂视觉伺服实验平台上进行了多组验证性实验,并根据实验结果说明了该方法在实际视觉伺服应用中的可靠性。