人类大脑从外部世界获得的信息主要来自视觉感知,在人工智能化日益发展的大趋势下,机器人技术中强化视觉是非常重要的。现在日新月异发展的机器人视觉伺服技术,不同于传统机器人控制技术,通过将视觉信息引入并将其反馈至机器人控制系统中,用于控制机器人的运动,使其提高环境适应性。而无标定视觉伺服由其良好的适应性,越来越受到人们的关注研究。本文以PUMA560机械臂作为机器人伺服运动系统的本体,使用TMS320DM6437为处理器,这也是TI公司专门为视觉处理开发的达芬奇平台,通过对所采集的视觉信息的有效处理,构建了无标定视觉伺服控制系统,将机器人运动与视觉感知很好地结合。在机械臂关节运动控制部分,首先建立了PUMA560机械臂的关节模型,并对其建立了速度与位置的双闭环控制,通过仿真进行验证。然后根据连杆坐标系及改进的D-H方法建立机械臂运动学模型。在视觉处理部分,本文所采用的处理平台是达芬奇DM6437,对采集的图像进行了采集、灰度化等预处理操作,在此基础上,经过大量仿真比对,最后使用霍夫变换对运动目标进行特征提取和中心定位。同时,通过对程序的研究,对源代码,主要以C语言编写,进行优化,并通过编译设置的优化,极大缩短了算法对每一帧图像的处理时间,提高了系统的实时性。最后,在无标定视觉伺服控制系统的设计中,先在图像空间中进行轨迹规划,然后通过可变步长的BP神经网络的学习训练,最后可以将所估下一时刻目标速度值映射到机械臂末端,通过对机械臂的仿真,可以达到驱动机械臂按照目标物体的轨迹实现跟踪任务的目的。