随着机器人技术的发展,越来越多的领域如工业、服务业、医疗、家庭都使用了轮式移动机器人来完成各种任务。轮式移动机器人由于受到非完整约束,为其控制器设计带来了一定的难度和挑战。近年来,利用视觉信息控制机器人运动,即视觉伺服,以其成本低、使用灵活、无需直接接触环境等优点而成为机器人控制领域的发展热点。移动机器人的视觉伺服轨迹跟踪控制可以使机器人沿指定参考轨迹运动至目标位姿处,可便于与轨迹规划、避障、特征保持可见等其他方法相结合。虽然,对于视觉伺服轨迹跟踪任务,已经存在了许多科研成果。但是由于摄像机成像原理造成的场景深度信息缺失、摄像机内外参数无法准确标定等难点缺陷,使视觉伺服轨迹跟踪的实际应用存在一定问题。本文针对移动机器人视觉伺服轨迹跟踪任务设计了相关控制策略,具体如下。(1)针对移动机器人视觉伺服轨迹跟踪任务,提出了一种能同时辨识出场景深度信息的控制策略。由于摄像机成像原理的固有性质,无法从图像信息中恢复出场景的深度信息,本部分研究如何从二维图像信息中获得场景三维信息,以完成场景三维信息的重建。在本方法中,使用并发学习框架,通过一系列历史和当前图像数据,利用所设计的自适应更新律在机器人运行过程中恢复深度信息。相比传统的视觉伺服轨迹跟踪方法,该方法克服了深度信息缺失的缺陷。使用李雅普诺夫方法,证明轨迹跟踪控制模块和深度辨识模块组成的系统具有整体稳定的性质。仿真和实验结果均证明了该方法的有效性。(2)提出一种在摄像机和机器人之间的平移外参数未知的情况下的视觉伺服轨迹跟踪控制器。首先,确定当视觉伺服系统中摄像机和机器人之间存在平移外参数时的系统运动学模型。然后,通过分解单应矩阵得到相应的摄像机位姿信息并设计跟踪误差,使用自适应控制律为未知的深度信息和外参数信息进行补偿,进而设计自适应控制器完成轨迹跟踪任务。李雅普诺夫方法证明了该控制策略的稳定性。进行仿真和实验验证了该方法的有效性。(3)提出一种用于移动机人轨迹跟踪任务的摄像机内参数无标定方法。该方法在轨迹跟踪任务场景下,首先任给定一个焦距的初始估计值,利用焦距初始估计值计算期望和当前两个射影单应矩阵,并分解射影单应矩阵得到特征点平面法向量的坐标分量,进而根据有关性质得到与代价函数相关的非线性方程,求解该非线性方程即得到内参数矩阵中的焦距。在主点坐标与真值存在一定误差的情况下,得出所算焦距在可接受误差范围内。仿真结果证明了该方法实用有效。