求解摄像机内外参数是计算机视觉应用中的关键步骤。尤其是位姿估计,三维重构,智能导航等领域。在不同的场景下一个合适的标定方法能取得事半功倍的效果。在现实世界中二次曲线比一般的代数曲线更容易被检测和提取,因此它更具有一般性和实用性。相对于点或线,二次曲线在部分遮挡的情况下,依旧能得到较好的标定结果。大多数以二次曲线作为模板进行摄像机标定的方法都是利用广义特征值分解两条二次曲线的像的系数矩阵来恢复消失线向量的坐标。对二次曲线最基本的几何性质没有过多的关注,而且需要至少两条二次曲线为模板才能完成标定。本文发现二次曲线的两条渐近线交于二次曲线的中心,且分别与无穷远直线相交于两个绝对点。根据射影不变性可知,一旦获得渐近线的像就能恢复消失线。考虑两种标定模板:二次曲线、主轴已知的二次曲线。当标定模板为二次曲线时,根据离心率未知,已知和离心率为零分为三种情况。分别求解正交消失点,单应矩阵和圆环点的像,并恢复绝对二次曲线的像。当标定模板为主轴已知的二次曲线时,其特殊情况有直径已知的圆和共焦二次曲线。分别求解正交消失点和圆环点的像,并恢复绝对二次曲线的像。摄像机内参数获得后,根据张氏标定法,结合不同的场景条件,获得摄像机外参数。求解渐近线的像时,利用了机器学习和半解析法确定唯一的初值。在实际拍摄中,摄像机可以自由移动,因此考虑成像旋转角对标定结果的影响。动态照明条件下,在校准刻度上调整灯光的强度并不容易,因此考虑过度曝光下对标定结果的影响。从仿真实验和真实实验的结果可以证明该算法的有效性和鲁棒性。