在机器人系统中引入视觉反馈控制，有利于增加机器人的灵活性，提高控制精度。通过“示教”方法实现眼在手的视觉伺服是机器人研究领域的一个热点问题。本文针对自标定方法在机器人视觉定位中的应用研究，进行如下几个方面的工作：1通过对Mendonca-Cipolla和G．Chesi自标定算法的分析，提出了一种改进的基于自适应遗传算法(AGA)的自标定位置视觉伺服算法。首先对本质矩阵进行奇异值分解，依据3个奇异值的特性在线生成目标函数，在进行动态自标定的同时，完成视觉伺服过程。采用AGA动态优化摄像机内参数，克服了G．chesi方法中要求摄像机内参数不可变的限制，通过设置参数范围可精确逼近5个内参数。另外算法不需要物体精确的3维模型，仅仅只需8个空间固定点坐标信息。仿真结果表明，该算法应用于基于位置的视觉伺服时比G．chesi方法运算速度更快，同时鲁棒性更强。2针对自适应遗传算法算法中存在的内参数分布区间大，编码时间长，不利于实时控制的不足，将改进后的变尺度混沌优化算法用于优化动态生成的目标函数，以提高运算速度。先把混沌变量映射到待寻优的5个内参数区间，通过设置内外两层循环，内循环进行混沌搜索，外循环负责缩小内参数搜索区间，避免了混沌优化在内参数区间的盲目重复搜索，提高了搜索效率。3以MOTOMAN-SV3XL型工业机器人为实验对象，首先采用Harris角点检测算法提取角点。为获得高精度的基本矩阵，进一步采用互相关对称性匹配，建立两个视角间的对应关系并做标记。最后加上视差梯度约束，最后获得准确匹配的对应点。在此基础上设计基于位置的视觉伺服控制律，摄像机视场中角点的运动轨迹表明，各角点均达到期望位姿，证明了算法的有效性。