迄今为止,将视觉技术融入机器人系统的案例越来越多。本文以机器人系统为背景,针对视觉处理与机器人融合领域展开研究,通过建立机器人视觉伺服系统模型、构建高速视觉系统的硬件平台、设计机器人视觉伺服控制算法,开发了一套完整的基于高速图像反馈的机器人视觉伺服系统。首先,分析并且建立系统模型。本系统采用实验室的六轴埃夫特工业机器人作为研究平台,利用基于指数积公式的运动学建模方法建立机器人正运动学模型,然后利用运动旋量和位姿矩阵的关系,导出机器人的的雅克比矩阵以及机器人末端和相机速度关系。再结合相机的数学模型,选取适当的图像特征,建立基于位置和基于图像的机器人视觉伺服系统的模型。由此,可以建立图像中的特征速度与机器人末端相机速度之间的关系。通过微分运动学与速度转换关系,得到视觉伺服系统中的各个坐标系之间的关系,从而将机械臂末端的相机坐标系中的速度转换为机器人各个关节的运动速度。其次,对机器人视觉伺服高速图像系统进行搭建。选用Eo Sens MC1362高速工业相机、Xilinx Kinte X Ultra Scale+系列的高性能FPGA开发卡搭建图像处理系统,用Camera Link协议的Full模式进行图像数据的传输。基于SDSo C进行图像处理的硬件加速,通过HLS提供的Pipeline、Unroll和Dataflow等指令将任务进行流水线展开,利用行缓存和窗口缓存策略,实现对图像处理中的卷积运算的加速。用Ar Uco标记作为目标图像,通过四\八邻域混合的轮廓跟踪方式,找出Ar Uco标记的外轮廓;通过轮廓角度的变化,找出外轮廓的四个角点;利用外轮廓的四个角点,给出一种易于在FPGA中实现的位姿估计算法,得出理论误差为0的相位位姿。此外,提出一种基于历史信息的外轮廓检测方式,实现图像处理的加速。最后,分析视觉伺服系统,设计视觉伺服控制器。通过分析基于位置的视觉伺服系统和基于图像的视觉伺服系统,设计高速图像反馈下的视觉伺服控制器,并利用Lyapunov函数分析了经典控制算法的稳定性。通过仿真验证经典算法的不足,结合高速图像反馈的特点,对相机运动进行速度前馈补偿,仿真验证了该方法的优越性。对视觉伺服系统图像特征信息反馈时延进行分析,给出时延的计算方式,对目标定位和目标跟踪控制中时延问题进行研究,给出对视觉特征的估计补偿方法,仿真验证该方法能提升时延下视觉伺服系统的性能。最终,经过C60机器人的视觉伺服定位实验,验证了方法的正确性。