机器视觉测量技术以其高精度、高效率、非接触等优势,在医疗、工业、航空航天等诸多领域取得了较为广泛的应用。相机的标定是视觉测量的重要基础,标定的精度以及标定方法的可行性将直接影响着视觉测量系统的精度与应用性。相机的自标定方法以其操作简便、灵活性强、实时在线标定的优点,已经成为近年来相机标定领域的研究热点且在实际中得到了广泛应用。但目前针对相机自标定方法的研究,还普遍存在着标定精度低、鲁棒性差、对噪声和初值敏感的问题。通过对比研究现状,分析制约着相机自标定方法中的各个环节的影响因素,本文将从基础矩阵的求解、Kruppa方程的内参数标定以及系统外参数标定三个方面展开研究,主要的研究内容如下所示:(1)针对传统双目视觉测量系统中匹配点的对极距离约束不能完全求解出正确基础矩阵的问题,通过引入第三个视图所附加的额外的约束条件,将判定准则由双目系统中“点—线”的对极距离,转化为“点—点”的两极线交点与待匹配点坐标重合度误差,从而提高基础矩阵的求解精度。实验结果表明:该方法将原来X方向的误差由十几个像素误差缩减到1个像素以内,Y方向误差由原来的2个像素误差缩减到0.5个像素以内,并且数据的稳定性得到了显著提高。(2)针对传统的基于Kruppa方程的相机内参数求解非线性优化容易陷入局部最优解的问题,提出了相机内参数分离标定的方法。首先利用变焦距的方法获取左右相机的主点坐标,在主点坐标已知的情况下通过简化形式的Kruppa方程求得该幅图像下的相机归一化焦距。将此时求得的值作为初始值,代入到由Kruppa方程诱导出的优化目标函数中作进一步优化。该方法可有效避免传统的Kruppa方程优化所导致的局部最优解的问题,且只需要左右相机的共拍摄六张图片即可进行相机内参数的标定。(3)针对由本征矩阵进行外参数分解过程中存在着多组解的歧义性,以及只能恢复相似结构需要求解尺度因子的问题,提出了基于坐标转换的系统外参数标定方法。通过建立中间转换坐标系,将两个相机之间外参数的求解转化为两个相机坐标系分别对中间转换坐标系的求解,从而完成系统外参数标定工作,解决了由本质矩阵分解带来的外参数多组解的歧义性以及需要求解平移向量的尺度因子的问题。