由于成像过程中存在种种非线性因素,如径向畸变与切向畸变,摄像机的最终成像模型为非线性模型。为了更好的实现物点与像点间的非线性映射关系,神经网络技术被引入了摄像机标定工作中。本文重点对基于神经网络技术的摄像机标定方法进行了深入的研究。目前利用神经网络进行摄像机标定的研究,只能实现单个位置上或小范围空间的标定精度要求。当标定空间扩大到一定范围,标定精度和标定速度的冲突便不可调节。本文分别介绍了摄像机标定与神经网络这两个学科各自具有的特点。在此基础上,本文重新定位了二者间的结合点,提出一种新的标定方法,使神经网络专注于非线性因素的计算。本文从摄像机针孔模型出发,推导了摄像机的成像原理;证明物点分别沿世界坐标系三个坐标轴(XW轴、YW轴和ZW轴)方向运动时存在截然不同的成像规律,提出一种新的并行标定方法,对物点的三维信息(XW、YW和ZW)的标定工作进行并行处理;提出了一种新的归一化算法,进一步提高了XW和YW的标定精度。对于文中提出的标定方法,本文进行了摄像机标定实验以及相应的实验分析。通过误差分析,本文指出了提高标定精度的可能途径。实验结果表明:本文的标定方法可以在保证标定精度与标定速度的同时扩大摄像机标定空间;本文提出的归一化算法能够进一步提高XW和YW的标定精度;ZW标定是整个大范围标定的关键,其重构标准差大于XW和YW的重构标准差。提高ZW轴标定精度,将是下一步工作的重点。