鱼眼镜头是一种超广角摄像头,其拍摄图像相对于一般图像具有大视角的特点,使得鱼眼图像拥有较多的信息,因此能够用更少的带有鱼眼镜头的采集设备获得更大范围的景物,从而可以简化图像采集过程,也可减少硬件的资源浪费。由于以上特点,鱼眼镜头在视频会议、安防监视、智能交通、天文观测、医疗检测等领域具有广泛的应用,但是鱼眼镜头拥有超大视角的同时也存在严重的畸变,这使得人眼观察图像的效果比较差,因此降低了鱼眼镜头的实用性。本文以鱼眼相机为基础出发,首先通过基于标定棋盘格的标定方法,该方法是通过采集不同角度的棋盘格进行角点标定,最后得到鱼眼相机的参数,该方法灵活易实现,不依赖复杂标定物且标定精度高。其次,由于拍摄角度、光线明暗的不同,鱼眼图像会产生扭曲、旋转、被污损的情况下,现存的矫正方法不容易获得比较满意的图像矫正效果,因此本文提出了一种基于最近临插值和变换不变低秩纹理(Transform Invariant Low-rank Texture,TILT)结合的方法对鱼眼图像进行矫正,该方法既能很好的矫正鱼眼图像又能实现图像目标角度的矫正,且具有矫正精度高、实现简单的特点,具有良好的实用价值。然后,以YOLOv3检测算法为基础,分别对矫正前和矫正后图像进行目标检测,并通过实验进行对比,实验结果表明矫正后的鱼眼图像识别精度更高。为了进一步提高算法对鱼眼图像畸变目标的检测能力,本文对YOLOv3算法结合深度网络的特征提取能力进行改进,改进后的算法对同一类畸变目标特征具有更高的分辨率,能刻画更准确的位置信息。对改进的算法在数据集上训练和测试实验,结果表明改进后的算法在识别精度上有明显提升,也可满足实际应用的需求。最后,本文将相机标定、图像矫正和目标识别进行系统的集成,设计了一个实时的可视化检测界面,将整个系统的控制集中于该界面上,检验其可行性。该系统实现了鱼眼视觉在线实时目标检测,并且操作简单便捷,最后对整个系统进行联合调试,达到了实验设计的预期效果。