基于计算机视觉的图像测量技术作为一种先进的测量技术，具有效率高、成本低、精度高等诸多方面的优点，有着非常广泛的应用前景。立体视觉是计算机视觉中的一个重要的分支，由于图像测量具有一定的三维测量精度和测量的实时性，且花费代价较其他方法要小，所以，立体视觉在测量方面应用广泛。除了对实际物体的测量之外，在其他领域的应用也取得快速发展。本文作为一种三维测量技术，是一种以车身为基准的测量技术，依据摄像机标定全过程，对如何提高标定精度这一关键问题进行了重点的研究。目前国内已经存在的测量方式为双目摄像机对一个标定靶，本文将标定靶进行刚性拉伸，将一个标定物变为由刚体连接的两个标定靶，由双目对单靶变为两个单目标定场景，适用于标定物之间有遮挡情况下的标定。本文对张正友标定方法进行改进,将方格换成圆,提取圆心坐标标定，对采集图像应用差影法，有效滤除背景干扰。本文根据四轮定位参数的数学模型，采用双摄像机结合四个标定盘，每个车轮轮胎上各有一个标定盘，通过摄像机采集随车轮运动的圆形目标盘的序列图像，通过车轮运动从多角度拍摄多幅圆形序列图像，对其进行特征点检测，而后通过计算特征点图像坐标与世界坐标的关系进行摄像机标定，以标定结果作为初值进行非线性优化算法的改进，采用改进粒子群优化算法对摄像机参数进行优化，考虑了种群大小等因素，选取合适惯性权重和学习因子参数，达到较好的收敛效果，并且与其他优化算法进行了比较。本文研究单摄像机对多个标定靶如何同时进行标定，标定过程中同时标定前靶和后靶，对标定过程如何对焦进行深入研究，提出对图像分区处理的思想，通过建立粗调评价函数和细调评价函数找到最佳象距位置，在最佳象距下能同时使标定前靶与后靶成像清晰，得到的标定参数既考虑前靶又考虑后靶。经验证，通过采用非线性优化算法对标定结果进行优化，得到了较高精度的标定参数，适用于标定物体之间有遮挡物场景下的现场标定。通过找到最佳象距位置解决了单目对多靶标定，在一定程度上保证了测量精度，具有良好应用价值。