随着计算机技术、自动化技术、机器视觉技术和人工智能技术的快速发展,机器人技术作为上述多种技术的综合体相应地同步快速发展,并且在工业生产、生活服务、科学实验、抢险救灾和太空探索等领域广泛应用且发挥着非常重要的作用。由于单臂机器人受环境和自身条件的制约,很多工作任务都难以完成。于此同时,人们希望机器人能够更加的类人化,能够一起协同安全高效地完成工作任务。在这样的背景下,双臂机器人应运而生,双臂机器人不是单臂机器人在数量上的简单叠加,而是通过有效的协同控制机制去共同完成工作任务。为了使机器人能够在不确定动态环境下工作,增强机器人的自适应能力,人们给机器人加装了视觉传感器—相机。双臂机器人系统是一个复杂的多输入多输出系统,具有非常强的时变性、耦合性和非线性等特征。同时,相机成像丢失了环境的深度信息,且成像过程对噪声敏感,容易受到干扰。因此,为了实现图像平面空间和内应力空间上的控制任务,或者是目标对象空间和内应力空间上的控制任务,面向双臂机器人系统的视觉伺服控制研究要面对很多困难和挑战。所以,本课题的选取具有极强的现实意义和理论价值。本文的结构安排如下:第一章阐述相关的研究背景及研究意义。第二章概述开展研究工作需要的背景知识,包括双臂机器人运动学建模、动力学建模、相机模型、模糊逻辑系统。第三章研究了基于相机参数自适应估计的轨迹跟踪控制方法。第四章研究了基于运动学自适应和动力学模糊逼近的轨迹跟踪控制方法。第五章研究了基于视觉速度观测器的轨迹跟踪控制方法。第六章研究了基于图像的笛卡尔空间轨迹跟踪控制方法。针对双臂机器人系统,本文主要研究了如何实现关于目标对象的视觉伺服控制任务和内应力控制任务。主要的研究内容如下:(1)基于相机参数自适应估计的轨迹跟踪控制方法。在相机参数未知的情况下,利用运动学已知条件,将特征点在图像平面上的投影与利用相机估计参数计算得到的投影之间的误差最小化,并结合Slotine-Li自适应方法实现相机参数的自适应估计。然后利用基于图像的视觉伺服方法,实现了关于特征点在图像平面上的投影的轨迹跟踪控制任务,同时利用位置/力混合控制方法,实现了关于双臂作用在目标对象上的内应力的跟踪控制任务。(2)基于运动学自适应和动力学模糊逼近的轨迹跟踪控制方法。考虑目标对象与末端执行器之间的不确定相对位姿引起的运动学和动力学不确定性,会影响双臂系统在运动学和动力学方面的协同控制。为此,引入运动学自适应方法解决特征点在图像平面上的投影点的速度信息映射到关节空间的问题,同时,引入模糊逻辑系统逼近系统的真实动力学特征。然后使用基于图像的视觉伺服方法实现了图像平面上的轨迹跟踪控制任务,同时利用位置/力混合控制方法,实现了内应力空间上的轨迹跟踪控制任务。(3)基于视觉速度观测器的轨迹跟踪控制方法。在视觉伺服控制中,视觉速度误差是重要的误差量,对控制精度具有重要影响。但是相机成像是一个电流信号的产生和处理过程,中间过程极易受到各种噪声的干扰,而视觉速度又是采用经过噪声干扰的图像通过差分计算得到,因此,视觉速度的精度很难得到保证。为此引入视觉速度观测器,利用观测值进行控制设计。然后使用基于图像的视觉伺服方法实现了双目视觉轨迹跟踪控制任务,同时,根据位置/力混合控制方法,实现了关于双臂施加在目标对象上的内应力的轨迹跟踪控制任务。(4)基于图像的笛卡尔空间轨迹跟踪控制方法。传统的基于位置的视觉伺服方法需要已知相机参数和目标对象几何模型,同时由于相机的图像空间不在控制环内,在控制过程中目标对象有可能超出相机的视域范围。针对上述问题,本文引入标定过的双目视觉系统,将目标对象空间中的轨迹跟踪任务映射到双目视觉系统的图像平面空间上,然后结合研究内容(2)中的方法实现映射后的图像平面上的轨迹跟踪控制任务。根据双目视觉模型可以证明,在图像平面上的映射任务的实现等价于在目标对象空间中的原轨迹跟踪任务的实现。同时,采用位置/力混合控制方法,实现了内应力空间上的轨迹跟踪控制任务。