目前，機器人視覺伺服控制系統(tǒng)有以下幾種分類方式：按照攝像機的數目的不同，可分為單目視覺伺服系統(tǒng)、雙目視覺伺服系統(tǒng)以及多目視覺伺服系統(tǒng)。 　　單目視覺系統(tǒng)只能得到二維平面圖像，無法直接得到目標的深度信息;多目視覺伺服系統(tǒng)可以獲取目標多方向的圖像，得到的信息豐富，但圖像的信息處理量大，且攝像機越多越難以保證系統(tǒng)的穩(wěn)定性。當前的視覺伺服系統(tǒng)主要采用雙目視覺。按照攝像機放置位置的不同，可以分為手眼系統(tǒng)（eye in hand）和固定攝像機系統(tǒng)（eye to hand或stand alone） 　　在理論上手眼系統(tǒng)能夠實現精確控制，但對系統(tǒng)的標定誤差和機器人運動誤差敏感;固定攝像機系統(tǒng)對機器人的運動學誤差不敏感，但同等情況下得到的目標位姿信息的精度不如手眼系統(tǒng)，所以控制精度相對也低。 　　按照機器人的空間位置或圖像特征，視覺伺服系統(tǒng)分為基于位置的視覺伺服系統(tǒng)和基于圖像的視覺伺服系統(tǒng)在基于位置的視覺伺服系統(tǒng)中，對圖像進行處理后計算出目標相對于攝像機和機器人的位姿，所以這就要求對攝像機、目標和機器人的模型進行校準，校準精度影響控制精度，這是這種方法的難點?？刂茣r將需要變化的位姿轉化成機器人關節(jié)轉動的角度，由關節(jié)控制器來控制機器人關節(jié)轉動。 在基于圖像的視覺伺服系統(tǒng)中，控制誤差信息來自于目標圖像特征與期望圖像特征之間的差異。對于這種控制方法，關鍵的問題是如何建立反映圖像差異變化與機器手位姿速度變化之間關系的圖像雅可比矩陣；另外一個問題是，圖像是二維的，計算圖像雅可比矩陣需要估計目標深度（三維信息），而深度估計一直是計算機視覺中的難點。 　　雅可比矩陣的計算方法有公式推導法、標定法、估計方法以及學習方法等，前者可以根據模型推導或標定得到，后者可以在線估計，學習方法主要利用神經網絡方法。按照采用閉環(huán)關節(jié)控制器的機器人，視覺伺服系統(tǒng)分為動態(tài)觀察-移動系統(tǒng)和直接視覺伺服 前者采用機器人關節(jié)反饋內環(huán)穩(wěn)定機械臂，由圖像處理模塊計算出攝像機應具有的速度或位置增量，反饋至機器人關節(jié)控制器；后者則由圖像處理模塊直接計算機器人手臂各關節(jié)運動的控制量。 視覺伺服所面臨的主要問題。視覺伺服的研究到目前已有近20年的歷史，但是由于視覺伺服所涉及的學科眾多，所以其發(fā)展有賴于這些學科的發(fā)展，目前在視覺伺服的研究中仍然有很多問題沒有很好地解決。圖像處理的方法在理論和實際計算處理速度上都是圖像伺服最大的難點；在圖像處理完成后，圖像特征與機器人關節(jié)運動之間模型的建立是圖像伺服的另一難點；目前的許多控制方法都不能保證系統(tǒng)在工作時是大范圍穩(wěn)定的，所以對有關控制方法的研究也是必要的。 未經授權不得轉載、摘編。已經本網授權使用的，應注明“來源： 中國傳動網”。違反上述聲明者，本網將追究其相關法律責任。