摄像机标定是计算机视觉领域中从二维图像获取三维空间信息必不可少的步骤,被广泛用于三维重建、导航、视觉监控等领域,因此其相关理论研究目前已成为计算机视觉领域的研究热点之一。摄像机自标定技术通过图像本身的特征求解摄像机内、外参数，传统的摄像机标定技术是离线的，而摄像机自标定是在线的，因此摄像机自标定技术具有相当大的理论价值和实用价值。 本文是在假设摄像机模型为经典的针孔模型，即摄像机内参数矩阵为五参数模型基础上，开展对摄像机自标定方面研究。目前，摄像机自标定方法大多需要求解一个多元高维的非线性方程组，因此求解过程非常困难；为此本文提出一种基于遗传算法的摄像机自标定方法，该方法是通过二幅或多幅图像的多个对应匹配特征点，利用二个视图之间的极几何关系,建立某些相关约束,最后得到一个代价函数。然后，通过使用matlab遗传算法工具箱来求解该函数的最小值，进而一次性得出摄像机所有内、外参数。因为该方法不必用到摄像机的外部信息，所以可推广到序列图像中的变参数情况下的摄像机标定。实验表明，该方法简单、有效、快速，可用于摄像机的自标定。 另外，鉴于大多数自定标研究还集中在摄像机内部参数固定不变的情况，当内部参数发生变化时，这些方法就不能适用。为了解决这个问题，本文提出利用模的约束来得到内参数可变的摄像机内参数。该方法通过摄像机作一次平移运动，虽然摄像机内参数此时发生了变化，但我们可以利用这种特殊的运动，建立关于主点的方程，再通过最小二乘法即可线性地解出摄像机的主点。当已知摄像机的主点的情况下，我们再利用模的约束来求得前后二个摄像机的焦距。文中最后，研究了一种退化情况下的内参数可变情况下的摄像机自标定，即假设相机在拍摄的过程中是变焦的、主点已知、不考虑畸变的情况下自标定。本文研究的内参数可变的摄像机自标定新方法具有一定的参考价值，为今后进一步研究摄像机内参数可变的标定打下一定的基础。