视觉伺服是机器视觉研究中的重要内容之一。它在国防、航天、和工业自动化等领域中具有非常重要的应用意义，如自动导航、目标跟踪、自动监控、机器人手－眼系统等都或多或少地与视觉伺服相关。尤其在机器人手－眼系统中，对静止或移动目标进行实时视觉伺服研究可解决移动机器人的自动避障、机器人对环境自适应、及在未知环境中对机器人进行控制等问题。 论文研究一种新的基于图像的视觉伺服(IBVS)控制方法。传统的IBVS方法需要根据图像特征求取图像雅可比矩阵(即，反映三维空间中摄像机运动与二维平面上图像特征运动之间映射关系的矩阵)。多数IBVS系统采用图像的局部特征，如角点、线段、边缘等，以简化图像雅可比阵。然而，局部图像特征的可靠抽取在很大程度上依赖于物体形状及其周围环境。此外，采用局部图像特征必须进行图像特征匹配。全局图像特征由于需要考虑图像上所有数据，因此对图像噪声有很强的鲁棒性。并且，当图像上只有一个具明显几何形状的物体时，采用全局图像特征无需进行图像特征匹配。论文基于二值目标图像的零阶和一阶矩特征(一种比较简单的全局图像特征)，研究静止目标和三维平动目标的视觉伺服问题。其中，运动目标的视觉伺服问题又称为视觉跟踪问题。 论文首先限定以下条件：①目标为一始终垂直于摄像机光轴的平面刚体；②摄像机只能在三维笛卡儿空间中平动。然后，根据摄像机透视投影公式，论文推导出图像运动仿射模型。基于限定条件和图像运动模型，论文研究了目标深度与二值目标图像的零阶图像矩之间的数学关系。接着，在此数学关系的基础上，论文提出以二值目标图像的零阶和一阶图像矩作为视觉伺服系统的图像特征。最后，论文提出一种新的基于图像的视觉伺服控制方法。该方法的基本思想是，将深度轴上的摄像机平动速度(Tz)从摄像机线速度(v=[Tx，Ty，Tz]T)中分离出来，对它进行单独控制。在研究视觉伺服控制方法时，论文先考虑目标静止的情况，提出静止目标视觉伺服控制算法。然后就如何利用模糊控制和PI控制算法改进静止目标视觉伺服控制算法，使之用于三维平动目标的跟踪，论文展开深入研究。论文所提出的视觉伺服方法完全基于图像矩，并且无需估算目标深度。因此，该方法对图像噪声不敏感，简单实用，实时性较强。 论文的创新成果主要包括： 1.根据图像运动模型推导出引理1(即，当目标为一始终垂直于摄像机光轴的平面刚体时，目标深度与其二值图像的零阶图像矩的开方成反比)，并以实验证明之。基于引理1，选择二值目标图像的零阶和一阶图像矩作为视觉伺服系统的图像特征，并提出一种迭代计算零阶和一阶图像矩的快速算法。 2.论文提出新的基于图像的视觉伺服控制策略，并基于此策略设计出视觉伺服控制结构和基于图像矩的静止目标视觉伺服算法。为进行系统仿真，论文还研究了视觉伺服系统中受控对象的数学模型，并用实验加以验证。与传统的IBVS控制方法不同，我们的IBVS控制方法用两个控制器来实现视觉伺服：①目标深度控制器，基于与零阶图像矩相关的系统误差控制目标深度逐渐趋于理想目标深度；②图像特征点位置控制器，基于目标中心的投影位置误差(由目标图像的零阶和一阶图像矩估算)，在Tz已知的情况下，控制目标中心投影位置逐步逼近图像中央。根据引理1，论文以二值目标图像的零阶图像矩的开方(√M00)作为反映目标深度的图像特征，并基于此图像特征的偏差(即(√(M00)d-√M00))，设计简单的P控制律作为目标深度控制算法。仿真结果表明，当目标静止时，该算法能有效地控制目标深度收敛于理想目标深度。同时，为使目标逐渐成像于图像中央，论文基于图像雅可比阵和Lyapunov函数设计图像特征点位置控制算法。仿真实验表明，当目标静止时，我们的视觉伺服方法完全能满足视觉伺服要求，对摄像机的焦距和比例因子误差有较强的鲁棒性。 3.对于三维平动目标的视觉跟踪，论文提出将跟踪前的初始状态分为四种情况，并针对每种情况设计合适的PI控制算法。此外，论文还提出了初始状态的判别方法。三维平动目标视觉跟踪研究实际上是静止目标视觉伺服研究的延续，两者的前提条件和控制要求均相同，只要将视觉伺服算法改进为视觉跟踪控制算法，原有的视觉伺服系统就可成为视觉跟踪系统。无论是对于目标深度控制算法还是对于图像特征点位置控制算法，其改进主要体现在两方面：①加入积分控制和限幅控制，形成受限“P+PI”控制算法或受限PI控制算法；②将跟踪前的初始状态分为A、B、C、D四种情况，根据初始状态的情况以决定是否引入模糊控制，即根据初始状态的不同情况分别采用固定参数PI控制律和参数模糊自调节PI控制律。仿真结果表明论文提出的视觉跟踪控制算法简单可行，当目标在三维笛卡儿空间平动时，该算法可将目标深度误差控制在1毫米以内，特征点位置误差控制在1个像素以内，从而满足视觉跟踪要求。