定位技术是物流运输、自动驾驶、物联网等领域的关键技术。而在一些场景下,GPS等卫星定位技术效果较差,需要其他定位技术进行辅助。目前,图像处理技术高速发展,基于计算机视觉的定位技术由于相比于其他传统定位技术拥有稳定性高、铺设成本低、使用范围广等优点受到越来越多的关注,成为定位技术的重点研究方向。摄像机标定技术是视觉定位中的关键技术,但是目前的摄像机标定方法都具有一定的局限性:传统的摄像机标定算法依赖标定板才能完成标定,摄像机自标定方法则需要特定的标志物或者需要约束目标沿直线行驶。针对这些问题,本文对现有的行人追踪算法进行了改进,并提出了基于车辆和行人两种摄像机自标定方法。本文的主要研究内容和创新成果如下:(1)提出了一种基于车辆三维建模和关键点检测的消失点估计方法。首先使用Deep MANTA网络对图片中的车辆目标进行检测并结合车辆3D模板数据库进行车辆三维建模。之后根据车辆三维模型估计消失点,并运用随机抽样一致算法和均值聚类漂移算法进行异常值和噪声的处理以提高消失点估计的准确性,进而完成摄像机标定。(2)提出了一种融合外观特征和运动特征的行人追踪策略,并在此基础上提出了一种基于行人追踪的摄像机标定技术。首先使用YOLO检测器从图片中检测出行人目标并提取目标的深度特征。接下来将包含目标位置和速度的运动特征与融合了颜色和深度信息的外观特征联合起来,用于前后帧相同目标的匹配,完成目标的追踪。根据行人目标高度不变这一条件进行消失点估计,并利用均值漂移聚类算法和随机抽样一致算法进行噪声和异常值的处理,最终完成摄像机的标定。(3)提出了一种基于最小重投影误差的摄像机参数优化方法。为了解除摄像机标定过程中对参数的限制,本文放宽了参数的范围,引入了分布估计算法,利用迭代的方法筛选出重投影误差最小的参数组合,以提高摄像机标定的精确度。在不同数据集上的测试结果证实了相较于现有的摄像机自动标定方法,本文提出的两种相机标定方法具有更高的准确性、鲁棒性和普适性。