(浙江工业大学 信息工程学院，杭州 310023)

0 引言

视觉传感器作为移动机器人的眼睛，被应用于视觉伺服、视觉导航及视觉定位等场合，是移动机器人领域运用最为广泛的传感器。因此，移动机器人的视觉伺服控制一直是移动机器人研究领域的热点。按照建模方法的不同，视觉伺服可分为基于图像的视觉伺服(Image-Based Visual Servoing，IBVS)[1]、基于位置的视觉伺服(Position-Based Visual Servoing，PBVS)[2]以及混合视觉伺服(Hybrid Visual Servoing，HVS)[3]。PBVS主要思想是利用传感器去估计机器人的位姿信息，并与给定的位姿信号进行比较得到误差量来设计反馈控制律以实现机器人的控制，其缺点在于PBVS的伺服效率取决于估计姿态的准确性。IBVS主要思想是直接在图像层对机器人进行控制，将视觉传感器获得的图像与参考图像进行对比得到图像误差来设计反馈控制率。HVS误差模型同时取决于图像特征以及相机的姿态，其通过模板图像得到期望的图像特征信息，并将图像的特征信息做差来计算单应性矩阵。但在实际中，混合视觉伺服无法保证图像始终在视野范围内，并且仍受到相机标定精度和图像质量的影响。

IBVS相比于PBVS和HVS，对相机的标定及模型误差具有鲁棒性，且不需要三维坐标，计算速度更快。因此，IBVS受到了更多学者的关注。根据相机安装的位置不同，IBVS有两种不同的模型，分别为眼到手模型和眼在手模型。根据眼在手和眼到手模型的控制方法不同，可分为自适应控制，PID控制，智能控制及预测控制等。在眼在手模型中，文献[4]提出了一种基于图像的自适应视觉伺服算法，并引入李雅普诺夫函数保证相机参数未知的情况下，系统是稳定的，移动机器人轨迹跟踪误差能够收敛到零。……