视觉跟踪是实施空间典型操作任务的关键技术之一,无标定技术不需要预先已知精确的摄像机的内、外参数,而是通过调整视觉伺服系统参数使其获得良好的控制性能。因而在面对不确定的工作环境和复杂的工作任务时具有更大的优势。本课题主要围绕机械臂无标定视觉跟踪涉及的参数在线更新、图像空间误差和关节空间误差的控制、目标观测器设计、轨迹跟踪实验等内容进行了研究。本文首先对机械臂视觉伺服系统进行了建模分析。通过MOTOMAN-SDA5F机器人的关节构型分析建立了运动学模型;对机器人伺服系统的动力学进行了建模和分析;基于针孔摄像模型,求解了视觉伺服系统的投影矩阵,得到了基坐标系下的特征点坐标与图像平面内的特征点坐标之间的映射关系。其次,针对机械臂跟踪已知轨迹时的跟踪误差控制问题和摄像机参数不确定问题,研究了一种参数自适应无标定伺服控制方法。利用图像交互雅可比矩阵关联图像空间和关节空间的速度映射,通过分离深度信息建立深度独立雅可比矩阵,使摄像机参数得以线性化;然后基于系统模型误差对视觉系统的未知参数进行在线估计;根据自适应更新律,设计了视觉伺服系统控制器,实现对已知轨迹的无标定跟踪。然后,未解决具有非合作特性的目标运动状态估计问题,设计了自适应衰减卡尔曼滤波观测器。通过在卡尔曼滤波方法中添加衰减因子,利用衰减因子自适应更新调节观测数据的权值,并研究了一种计算衰减因子的新方法,用以加强新观测信息在运动轨迹估计中的作用。在目标观测值可获取时,能够较为准确地估计目标的未知运动状态;当目标发生遮挡时,在假设估计误差协方差不变的条件下,利用原有的观测数据实现对目标的未知运动状态的有效预测。最后,为验证本文所设计的无标定视觉跟踪方法和目标运动状态观测器的可行性,进行了目标运动轨迹已知和未知的无标定视觉跟踪仿真和实验研究。实验结果证明了本文中所提出的算法可以完成基于图像的无标定视觉跟踪任务且具有对目标运动状态的估计能力。