视觉伺服(visual servoing)是将视觉传感器得到的图像信息作为反馈，组成机器人的闭环控制系统。近年来，随着科学技术突飞猛进的发展，机器人在工业生产中的应用发挥出越来越重要的作用。为了进一步提高机器人的环境适应能力和智能化程度，关于机器人视觉伺服系统的研究课题越来越受到重视。本文针对具有深度信息的双目立体视觉模型，研究了基于图像的机器人视觉伺服控制。机器人系统可实现对静止的目标物的定位任务。主要研究工作概括如下：首先，针对双目手眼机器人建立了系统的视觉模型、运动学模型和动力学模型，通过建立各个模型的过程，理解机器人视觉伺服控制的相关理念，为进行研究做好准备。其次，研究了无标定的视觉伺服系统，在摄像机的内部和外部参数未知或部分未知的情况下，提出了一种新的自适应控制器，并且使用李亚普诺夫稳定性定理证明了此系统的渐进稳定性，其主要采用Slotine-Li与在线误差最小化相结合的自适应算法在线估计未知参数，从而驱动机器人快、稳、准地完成定位任务。再次，将PID神经元网络引入机器人控制当中，提出了一种将PI控制器和PID神经元网络控制器相结合的控制器，图像特征误差作为PI控制器的控制输入，来计算期望的机器人关节速度，然后通过积分得到期望的关节角度，再通过PID神经元网络控制器得到关节力矩，从而驱动机器人运动并最终到达期望位姿，完成定位控制。最后，应用MATLAB/Simulink仿真软件分别对所设计的控制器进行了定位仿真实验，并客观的分析了仿真结果，论述了所设计的控制器的有效性。