目前，機器人視覺伺服控制系統有以下幾種分類方式：
       按照攝像機的數目的不同，可分為單目視覺檢測伺服系統、雙目視覺檢測伺服系統以及多目視覺檢測伺服系統。

       單目視覺系統只能得到二維平面圖像，無法直接得到目標的深度信息;多目視覺檢測伺服系統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的穩定性。當前的視覺檢測伺服系統主要采用雙目視覺。
       按照攝像機放置位置的不同，可以分為手眼系統(eyeinhand)和固定攝像機系統(eyetohand或standalone)。
       在理論上手眼系統能夠實現精確控制，但對系統的標定誤差和機器人運動誤差敏感;固定攝像機系統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，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，視覺檢測伺服系統分為基于位置的視覺檢測伺服系統和基于圖像的視覺檢測伺服系統。
       在基于位置的視覺檢測伺服系統中，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。控制時將需要變化的位姿轉化成機器人關節轉動的角度，由關節控制器來控制機器人關節轉動。
       在基于圖像的視覺檢測伺服系統中，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。
       按照采用閉環關節控制器的機器人，視覺檢測伺服系統分為動態觀察-移動系統和直接視覺伺服。
       前者采用機器人關節反饋內環穩定機械臂，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運動的控制量。

返回列表