随着科学技术的迅猛发展,计算机立体视觉正广泛应用于电子、医学、航空航天等领域当中。摄像机的双目视觉系统模仿人类的双眼,使计算机具有视觉认知功能从而利用图像获取信息。摄像机的标定技术是一切计算机视觉研究的前提,精准的标定结果为空间物体的立体重建等研究打下良好基础,因此对立体视觉标定的研究具有很大的实际意义。由于群智能优化算法的良好寻优性在近年来已有研究人员将其应用到摄像机的标定过程,用来提高标定结果的准确性。但是该类优化算法本身存在一定问题,例如种群迭代过程中陷入局部最优等,因而标定的方法还有改进的可能和空间。为提高摄像机标定的准确率,本文利用教与学优化算法收敛精度高、鲁棒性强等优点将其应用到标定优化之中。但是该算法也存在所有群智能优化算法共有的缺陷:迭代时可能陷入局部极值。因此本文先提出一种基于混合学习策略的改进算法,并将其应用到标定优化模型中,从而在保证标定稳定的同时提高标定的准确度。本文研究的具体内容如下:首先,针对基本教与学优化算法可能出现陷入局部最优等问题,提出一种基于混合学习策略的教与学优化算法(Difference-disturbance Strategy Teaching-learning-based Optimization,DSTLBO)。算法融合差分进化算法并加入扰动策略,在提高算法的收敛性能的同时,减小学员在算法后期陷入局部最优的可能,保证算法种群多样性和全局最优性。其次,针对现有标定方法中准确性有很大提升空间、对摄像机的初始值依赖程度大的问题,本文将改进的DSTLBO算法应用于立体视觉摄像机标定,并采用一种改进的对称算子角点检测方法(SS),提出基于改进教与学优化的双目摄像机标定。实验结果表明,本文算法可以在不限制图像数量和拍摄角度的情况下,有效降低标定的误差,标定精度较高,从而为物体的三维重建打下良好基础。