在无标定的视觉伺服系统中,用图像雅可比矩阵来表征图像特征变化与机器人位姿变化之间的映射关系。图像雅可比矩阵要求在伺服过程中动态更新,其值可以通过对相机与机器人的标定得到。但在工程中往往难以实现对系统精确的标定。因此,在线估计图像雅可比矩阵成为机器人视觉伺服领域的一个热点方向。无标定视觉伺服无需对系统参数进行标定,使得其工程应用前景广阔,具有重要的研究意义。本文应用智能搜索和卡尔曼滤波两种不同的技术,对机器人无标定视觉伺服中图像雅可比矩阵的在线估计方法进行了理论与实验研究。主要工作包括:（1）针对无标定视觉伺服问题中雅可比在线估计问题,提出了一种基于粒子群搜索算法的在线估计方法,该方法利用机器人在伺服迭代过程中的三个已知量:上一时刻的雅可比矩阵、关节角增量、当前时刻的图像误差,构建了关于当前时刻雅可比矩阵的目标函数,进而将雅可比矩阵的迭代估计转换成了对目标函数的极值优化问题,并引入粒子群搜索算法PSO来求解该极值问题。以此实现了用智能搜索算法来在线估计图像雅可比矩阵。（2）为提高传统卡尔曼滤波在在线估计图像雅可比矩阵时的跟踪精度,提出了一种卡尔曼滤波法与Broyden法相结合的图像雅可比矩阵在线估计方法。该方法通过将图像雅可比矩阵的元素作为该系统的状态向量,利用卡尔曼滤波器对系统状态向量进行在线迭代估计,同时,在卡尔曼滤波算法迭代的过程中加入Broyden法的雅可比迭代,从而实现了在线动态估计。提高了卡尔曼滤波算法在雅可比估计中的精度。（3）搭建了机器人视觉伺服系统实验平台。基于REBot-V-6R型工业机器人、MV-CE060-10UC型工业相机等搭建了手眼构型的机器人视觉伺服系统的实验平台,使用C#语言在Window环境下,开发了软件平台。软件功能包括:工业相机的图像采集以及处理、机器人控制、人机控制交互界面等模块。在该平台上对本文提出的基于PSO的雅可比估计方法进行了实验验证,实验结果验证了该方法的有效性。