计算机视觉是一个相当新且发展十分迅速的研究领域，已成为智能自动化科学的重要研究领域之一，它的研究目标是使计算机具有通过一幅或多幅图像认识周围环境信息的能力，这种能力将不仅使机器能感知环境中物体的几何信息，包括它的形状、位置、姿态和运动等，而且能对它们进行描述、存储、识别和理解。 本文首先介绍了计算机视觉中所用到的射影几何、仿射几何、度量几何和欧氏几何等各类几何学的基本概念和相关特性；概述了摄像机模型及成像原理；回顾了近年来摄像机定标方法的发展，对存在的各种摄像机定标方法进行了分析、比较和总结；最后，重点阐述了变内部参数摄像机线性自定标、平面型场景图像的透视校正、四种非线性状态估计滤波器(EKF1、EKF2、DD1和DD2)及基于单目视觉的位姿和运动估计的研究方法。 ◆变内部参数摄像机线性自定标。在某些视觉系统中(例如机器人视觉系统、主动视觉系统)需要经常改变摄像机的位置或调整摄像机光学系统(如光圈与焦距)，在每次调整以后，都需要对摄像机重新定标。针对这种情况，本文提出了一种可处理畸变因子和主点已知但其它内部参数发生变化时的摄像机自定标方法，该方法先计算图像间的基本矩阵，在计算基本矩阵后得到射影重建的基础上，用线性方法恢复同形矩阵，再利用同形矩阵计算摄像机内部参数。 ◆基于场景几何知识的三维度量重建。三维场景图像的度量重建一般是针对图像序列的，所使用的层次化度量重建方法都是首先得到图像序列的射影重建。如果三维物体表面都是平面(这种情况是比较常见的)，则在平面型场景图像三维度量重建的基础上，基于场景几何知识，对平面型场景图像和常规的三维场景图像的度量重建进行了回顾，然后在此基础上提出了一种不必进行射影重建且只须单幅图像的三维度量重建方法。 ◆四种非线性状态估计滤波器(EKF1、EKF2、DD1和DD2)。对于某些系统不能用简单的线性模型来描述，因此必须发展非线性的滤波算法，在线性卡尔曼滤波的基础上，用一阶和二阶Taylor级数来近似非线性动态方程和测量方程，分别得到了EKF1(基于一阶Taylor近似)和EKF2(基于二阶Taylor近似)滤波器，但是使用EKF1和EKF2滤波器要求非线性动态方程和测量方程相应的一阶和二阶微分存在，在非线性动态方程和测量方程的一阶和二阶微分不存在时，用不需要计算微分的Stirling插值近似代替Taylor近似得出了另外两种新的滤波器，即DD1滤波器(基于一阶Stirling插值近似)和DD2滤波器(基于二阶Stirling插值近似)。 ◆基于单目视觉的位姿和运动估计。随着计算机视觉这门新兴学科的出现，计算机视觉中摄像机定标及位姿和运动估计方法的研究不需要物体接触或人工干预，估计两参考坐标系之间的相对三维位姿和运动对机器人导航、装配及测量、跟踪、目标识别和摄像机定标来说也是一个非常重要的研究问题。利用单摄像机所获取的二维图像序列来估计两坐标系之间的相对位姿和运动在实际应用中是可取的，其难点是从物体的三维特征投影到二维图像特征的过程是一个非线性变换，本文研究了在运动物体尺寸和形状己知的情况下，三维坐标变换用八元数表示，用单摄像机获取运动物体的图像，以线特征作为测量输入，建立了位姿和运动估计系统的非线性模型，分别用IEKFI、IEKFZ、DDI和DDZ四种滤波器进行了仿真比较，得出了位姿和运动估计结果。关键词:变内部参数摄像机自定标;度量重建;Taylor近似;stirling插值近似;滤波器;位姿和运动估计