1.一种机器人视觉特征规划轨迹的伺服跟踪加速收敛方法，其特征在于，包括以下步骤：

S101，建立视觉特征轨迹规划模型，获得特定规划轨迹；

包括建立机器人末端相机运动的笛卡尔路径，并沿相机运动的笛卡尔路径投射目标物获得目标视觉特征的规划轨迹，具体包括如下步骤：S201，设置一个描述多条路径/轨迹的统一参变量ω∈R，R为实数集；依据相机的起始位姿和期望位姿建立相机运动的笛卡尔路径为统一参变量ω的多项式模型{r(ω,M),d

3 3

(ω,N)}，其中r(ω,M)∈R包含了相机绕x、y和z轴的旋转量，d(ω,N)∈R包含了相机沿x、y和z轴的位移量，M、N为相机运动的笛卡尔路径中的系数变量；

S202，根据目标物的位置信息Op、模型参数Om及其所选视觉特征，将目标物沿S201中的相机运动的笛卡尔路径投射到内部参数为K的相机中，获得以ω为参变量的多个视觉特征组合向量轨迹模型：

s(ω,M,N)＝f(K,Op,Om,r(ω,M),d(ω,N),ω)S203，优化模型变量M、N，得到可满足工作空间和成像面对视觉特征的约束条件的相机规划轨迹的位姿{rp(ω),dp(ω)}及其相应特征规划轨迹sp(ω)；

S102，均匀分割上述参变量，进行分段视觉伺服跟踪；

包括均匀分割S202中的参变量ω，获得规划轨迹的中间插入值，进行分段视觉伺服跟踪，具体包括如下步骤：

S301，设置分割段数λsection≥1，λsection∈N,N为自然数集；取轨迹规划参变量ω以1/λsection为间隔，从ω1＝1/λsection到 均匀取值，获得λsection组特征向量其中包括了规划轨迹最末端的期望特征值；

S302，将S301中间插入值得到的特征向量 作为轨迹跟踪的中间期望特征值，利用视觉伺服控制器对这些中间期望特征值进行分段跟踪：当t＝0时，s(t)为规划轨迹起始端的特征向量值，以缩小实时特征向量值s(t)与中间期望特征值 的误差为目标，通过与特征组合相关的转换矩阵L与伺服跟踪增益λibvs＞0生成相机的运动速率向量Tc， 表示对L的估计值求违逆，并按照单位时间计算相机运动的步进位移量和旋转角，指导相机从起始位姿沿规划轨迹逐步趋近中间期望特征值最大特征误差值 逐步缩小至特征误差收敛阈值ethreshold以下，并循环往复直至最终趋近于最后一个期望特征值；

S303，记跟踪收敛总时长为time，它与伺服控制的步进次数成正比；当Δt＝1s时，将跟踪收敛总时长time视同于视觉伺服控制器的总迭代次数；记录伺服控制每经过单位时间引导相机运动到达的位姿为{ribvs_k,dibvs_k}，k＝1,…,time；

S103，定义跟踪产生的最大位移误差与最大旋转误差；

包括依据跟踪收敛总时长，计算每次步进或每经过单位时间对应的相机运动的笛卡尔路径规划值，并据此定义伺服跟踪误差，具体包括如下步骤：S401，根据S303中统计的跟踪收敛总时长，将轨迹规划参变量ω，按照1/time等间隔分割，得到ωk，k＝1,…,time，其中ω1＝1/time；计算对应的规划相机位姿{rp(ωk),dp(ωk)}；

S402，根据规划相机位姿和S303中记录的伺服跟踪经过的相机位姿{ribvs_k,dibvs_k}，定义最大伺服跟踪误差的计算方法为：

其中，dnorm为最大位移误差，rnorm为最大旋转角误差；

S104，最大位移误差约束下，最小化跟踪收敛总时长；

包括在最大位移误差的上限约束值约束下，分割段数、伺服跟踪增益与特征误差收敛阈值为变量，最小化跟踪整条规划轨迹的步进次数，具体包括如下步骤：S501，设置伺服跟踪误差约束为dnorm≤dlimit，rnorm≤rlimit；将S301中设置的分割段数λsection、S302中设置的伺服跟踪增益λibvs、特征误差收敛阈值ethreshold作为统一变量v，代入跟踪收敛总时长time的最小化计算中：S502，将得到的变量解拆分为 与 代入视觉伺服控制器中，并根据机器人视觉伺服系统实际应用中实时读取的瞬时特征向量值s(t)，指导机器人末端相机的运动。