机器人视觉伺服控制是一个具有重要理论研究意义和广阔工业应用前景的基础性研究课题。本文首先提出了一种基于优化的RBF-DDA神经网络摄像机标定技术,优化的RBF-DDA神经网络能够自适应的确定隐层节点数和高斯函数的中心值,克服了原算法中过多依赖先验知识设计参数的弊病,将此优化神经网络应用于摄像机标定中算法简单灵活,具有较高的精度。其次针对手眼机器人视觉伺服系统,采用局部特征,即特征点作为图像特征信息,实现了基于图像的视觉定位。文中设计了两种基于图像的控制方式,一种是利用变结构控制的方法设计视觉伺服控制器,它给出了摄像机的平移和旋转速度,并且利用自适应更新律的方法给出深度变化趋势,使得系统具有大范围内的渐近稳定性。另一种是在不需要机器人视觉伺服系统的系统参数和动态结构的先验知识的无定标情况下,雅可比矩阵利用最小二乘估计,并从控制的角度出发设计了变结构控制器,使图像特征收敛到期望值。最后基于MOTOMAN_UP6型机器人搭建了视觉伺服控制系统的硬件平台,为视觉伺服控制系统的理论研究和模拟实验创造了硬件环境。利用此实验装置进行了基于优化的RBF-DDA神经网络摄像机标定,实验结果证明了该方法的准确性和快速性。同时在此硬件基础上开发了远程操作平台,进行了基于图像的闭环视觉定位实验,实现了视觉定位,并分析了系统中存在的问题,为机器人视觉伺服系统的进一步开发打下了基础。