摄像机标定是计算机视觉领域中从二维图像获取三维空间信息必不可少的步骤，被广泛用于三维重建、导航、视觉监控等领域，因此其相关理论研究目前已成为计算机视觉领域的研究热点之一。摄像机自标定技术通过图像本身的特征求解摄像机内参数，传统的摄像机标定技术是离线的，而摄像机自标定技术是在线的，因此摄像机自标定技术具有相当大的理论价值和实用价值。 本文充分利用摄像机不同运动下获取的数据信息，使用合理的最优化准则，借鉴各种先进的算法，进行不同的摄像机运动下的自标定及三维重建理论研究。主要内容包括：吴福朝—胡占义摄像机线性自标定及三维重建算法与新摄像机线性自标定及三维重建算法研究及其性能分析；从一运动组下的双正交平面进行摄像机自标定及三维重建三种算法研究及其性能比较；基于模型用单视图进行摄像机自标定及三维重建算法研究。并行于这些算法，我们进行了有效的改进，不但减低了最小实现条件，而且计算大幅简化、性能也有较明显的提高。 本文中假设摄像机模型为经典的针孔模型，即摄像机内参数矩阵为五参数模型。吴福朝—胡占义的算法是利用每组运动下的匹配点对集合计算其极点与基本矩阵，在此基础上最优估计两运动组下的单应性矩阵，再求解内参数阵，并进而进行三维重建。新算法同时利用单应性矩阵和极点提供的信息，仅利用一运动组求解摄像机内参数并进行三维重建。新算法较吴福朝、胡占义算法有明显改善，算法较简单，运行时间大大缩短，更适合在线标定的场合。同时，对这两种算法进行了真实图像实验，结果也证明新算法性能较好。从一运动组下的双正交平面进行摄像机自标定及三维重建算法，是利用运动组下两正交平面上的点对集合最优估计有限远平面单应性矩阵和极点，在此基础上计算无穷远平面单应性矩阵，从而求解内参数阵，并进行三维重建。根据求解极点的方法不同，分为三种不同算法，仿真实验数据表明这三种算法的性能相差不大。基于模型用单视图进行摄像机自标定及三维重建算法是在已知单视图数字特征点与对应模型位置的条件下，求解其单应性矩阵和内参数阵，最后进行三维重建。该算法的仿真实验结果较前面的算法好，所需时间最短。应当指出的是，该算法是完全新的。它是传统的用已标定单视图的基于模型的三维重建算法的推广。 本文对摄像机自标定及三维重建几种算法及其最小实现条件进行了研究和实验，新算法和基于模型算法的实验结果较为理想，因此本文具有理论意义和实用价值。但是，由于计算误差的影响，各种算法在噪声较小的情况下均受到很大影响，值得进一步研究。