随着计算机视觉和计算机硬件技术的快速发展,将视觉信息同机器人控制相结合形成视觉伺服系统,使机器人具有同外部环境进行智能交互的能力,是当今机器人发展的一个主要方向。机器人视觉伺服系统通过检测图像中的目标物体,可以获得视觉信息来控制机器人的运动。基于位置的视觉伺服方法首先根据机器人的模型、可到达的工作空间以及目标物体来估计目标物体在直角坐标空间中相对于摄像机的位置。在计算机图像处理中以动态图像的分析和理解为基础的视觉跟踪成为研究的热点。由于视觉跟踪技术可以应用在许多领域,而且重要性日益增强,图像处理面临着复杂化和高速化的挑战,并行处理技术在这其中扮演了极其重要的角色。论文介绍了机器人视觉伺服系统研究内容、伺服方法以及存在的问题;综述了机器视觉的发展历程和目标提取方法,分析了立体视觉系统的研究概况,指出机器视觉相关研究存在的问题与发展趋势,同时阐述了图像并行处理系统的种类以及性能评价指标,并给出论文的主要研究内容。建立了机器人立体视觉伺服系统的数学模型,通过分层设计的方法实现了基于并行处理的视觉伺服控制策略。根据图像处理层、并行处理层和操作控制层的视觉伺服控制策略,建立了机器人视觉伺服系统结构,并把系统分为:左、右摄像机图像采集及目标识别子系统、图像匹配及预测子系统和主控系统四部分。同时研究直角坐标系之间的坐标变换关系,标定了机器人坐标系和世界坐标系之间的变换矩阵。此外,研究立体视觉平台结构,建立了立体视觉运动学模型,设计了应用于机器人视觉伺服系统的立体视觉平台。根据摄像机成像模型,研究摄像机参数的标定方法,完成了摄像机标定。对基于机器人视觉伺服的目标检测与定位方法进行详细研究。根据不同的伺服任务确定相应的目标检测方法。提出可调节的图像处理策略实现了在计算速度、计算精度和图像处理的鲁棒性之间的优化。针对两幅图像当前目标检测结果以及前一时刻的目标检测结果,运用提出的两阶段的立体匹配算法确定最佳立体匹配集合。根据双目立体视觉测距的数学模型和匹配点选择方案计算目标当前时刻和前一时刻之间的奇次变换关系。为以后的目标预测和机器人轨迹规划提供计算数据。研究在自然环境中运动目标跟踪和预测的方法,并设计了一种机器人轨迹规划策略。在运动目标预测过程中,采用带多重观测滞后系统稳态卡尔曼估计器模型中卡尔曼预报的方法实现了运动目标的状态估计,并根据预测结果设计了双目平台控制策略和机器人轨迹规划策略。分析了单摄像机跟踪控制原理,并在此基础上提出一种双目协调控制策略,实现了双目平台对运动目标的跟踪。同时给出一种控制双目平台的安全保护方案,实现了双目平台快速、可靠、安全的跟踪运动目标的方法。此外介绍了一种机器人路径规划方法,实现机器人的路径实时修正。针对在不降低伺服周期的前提下提高定位精度和识别率的目的,提出了一种机器人立体视觉伺服系统中图像处理的并行化策略。根据并行处理的设计步骤,通过对串行程序的分析和并行层次划分原理,设置了一种并行划分规则。同时设计了一种自适应负载平衡算法(ALCB),通过使用LC测度来进行处理器参数的调整,建立一组适当的目标检测和定位参数的组合,实现了各个处理器QoS的优化,满足了机器人视觉伺服系统在伺服周期、伺服精度和鲁棒性之间的平衡。在系统通讯中,采用编码组合方法解决图像传输中的乱序的现象,提高了系统的鲁棒性。此外,从运行时间、加速比和并行效率方面分析了本文建立的并行化策略的性能。同时对系统的可扩展性进行分析,并给出了处理措施。最后,利用相关硬件组建了一套跟踪实验系统。通过多组实验测量了系统的性能指标,并取得了预期的效果,验证了算法的有效性和实时性。