1.一种面向模具保护的基于回声状态网络估计图像雅克比矩阵的无标定视觉伺服控制方法，其特征在于：所述方法包括以下步骤：

1)、建立模具的图像索引区域及目标图像样本库；

2)、特征提取及降维；

3)、采用多项式插值的方法进行空间约束条件下的逆运动学规划；

4)、实现基于回声状态网络估计雅克比伪逆矩阵，包括以下步骤：

Step4.1：让机械手在起始位置做小幅度随机运动，机械手摆动角度不超过30度，记录连续n个周期的k维图像特征差分矢量(df1,df2,…dfk)，和m维机械手末端位置差分矢量(dr1,dr2,…drm)，图像差分矢量指前后两个采样点的图像灰度值之差，机械手末端位置差分矢量指前后两个采样点机械手末端位置的之差，则得到图像特征差分矢量矩阵和末端位置差分矢量矩阵，两者通过反除法得出图像雅可比逆矩阵的起始位置估计值Step4.2：通过规划关节空间的轨迹来控制机械臂的运动，离线训练中θd的轨迹根据实际需要给出，尽量覆盖机械臂在抓取过程中可能移动到的工作空间。记录100对以上的k维图像特征差分矢量(df1,df2,…dfk)和m维机械手末端位置差分矢量(dr1,dr2,…drm)数据对。

Step4.3：将数据划分为训练样本和测试样本,k维图像特征差分矢量(df1,df2,…dfk)和初始雅可比逆矩阵 的输出作为回声状态网络的输入，m维机械手末端位置差分矢量(dr1,dr2,…drm)作为回声状态网络的输出。

2.如权利要求1所述的无标定视觉伺服控制方法，其特征在于：所述步骤1)中，通过固定视觉引导机械手到达抓取目标区域，因此在离线状态下，让机械手运动到各个索引区域上方，保证目标出现在手眼视觉范围内，然后通过固定视觉采集对应的图像存为目标图像样本。

3.如权利要求2所述的无标定视觉伺服控制方法，其特征在于：所述步骤1)中，通过手眼视觉引导机械手靠近并对准目标，实现抓取在某一有产品的区域上，让机械手停靠在产品正上方，即可抓取到目标的地方，通过手眼视觉采集对应的图像存为目标图像样本。

4.如权利要求1所述的无标定视觉伺服控制方法，其特征在于：所述步骤3)中，多项式插值的方法包括以下步骤：Step3.1：通过机械臂的逆运动学模型得到逆运动学等式；

Step3.2：根据逆运动学等式构造基础方程；

Step3.3：通过矢量运算和符号运算对方程降阶；

Step3.4：根据实际工作情况确定插值的样条曲线，将约束条件和起始位置代入并计算得到曲线参数；

Step3.5：若存在多重解，则用欧氏距离作为比较准则，选择与当前位置最接近的一组解。