摄像机标定是计算机视觉中三维重建技术的第一步也是必不可少的一步,被应用于很多领域,如导航、虚拟游戏、医学检测和军事等领域。其中摄像机自标定技术比传统的摄像机标定技术更灵活,计算过程更简单,更符合实际需求。所以摄像机自标定技术应用前景更好。本文针对目前的摄像机自标定方法存在的问题进行了改进,从而获得更精确的摄像机相关参数。本文主要将摄像机的自标定方法分为两类:摄像机内参数固定不变的自标定和摄像机内参数不同的自标定。主要工作如下:(1)在基于摄像机内参数固定不变的前提下,提出了一种基于改进遗传算法的摄像机自标定方法。首先,该方法对遗传算法进行了3处改进:第一,通过结合精英保留策略和随机联赛选择算法作为初始化种群的方法;第二,改进轮盘赌选择方法;第三,采用自适应杂交概率和变异概率方法对遗传算法进行改进。然后,将Hartley定义的简化Kruppa方程转化为目标函数,采用改进的遗传算法搜索目标函数的最优值。实验结果表明,该方法解决了传统的遗传算法在摄像机自标定参数优化过程中易出现过早收敛、停滞现象和解易陷入局部最优的问题,提高了自标定的精度。(2)在摄像机内参数不同的情况下,提出了一种改进的自标定方法。针对Bouchra Boudine等人提出的基于等腰三角形的摄像机自标定方法,为获得更加准确有效的标定结果,本文对它在基于确定场景等腰三角形中两点及其投影之间关系建立的非线性成本函数进行了改进。该方法首先通过三维场景的两个点在图像平面上的投影与基本矩阵一起确定投影矩阵。然后,确定场景两点与其在图像平面上的投影关系,建立非线性代价函数的公式。场景两点与其在图像平面上的投影关系是一个矩阵,本方法在建立非线性代价函数时,不仅考虑了两点矩阵之间的关系,还考虑了矩阵自身内部性质。实验结果证明了,该方法的准确性。