摄像机标定即确定摄像机的参数,是计算机视觉研究中由二维图像获取三维信息不可或缺的重要步骤,对于计算机视觉的许多领域具有重要的意义。新近出现摄像机一维标定方法可以克服标定物的自身遮挡问题,且标定物制作简单,便于携带,特别适合多摄像机系统标定,因而成为目前摄像机标定研究的热点。随着计算机视觉应用的发展,各种计算机视觉系统对摄像机标定精度的要求越来越高。但是现有的一维标定方法易受图像噪声影响,使得测量矩阵的条件数较大,进而导致标定精度较差。并且在标定过程中未考虑各个约束方程的特性,同等对待所有的约束也使得一维标定精度较低。此外,现有的一维标定方法大多属于局部优化算法,受噪声影响容易陷入局部极值难以得到全局最优解,有时甚至出现标定失败的情况。针对这些存在的问题本文在提高摄像机一维标定精度方面主要做了以下研究:首先对摄像机标定的基础知识进行了介绍,介绍了摄像机的数学模型,并且分析了现有的几种典型的摄像机一维标定方法,即Zhang的标定方法、Franca的归一化标定方法和加权标定方法。通过对现有一维标定方法的分析以及对相关算法的实验仿真,给出了一维标定的模型。然后通过分析发现在标定过程中未考虑各个约束方程的特性同等对待所有的约束方程使得一维标定精度较低。为此,本文在现有一维标定方法的基础上做出了改进,给出了一种自适应加权摄像机一维标定算法。该算法一方面是运用数据归一化提高了一维标定物上标记点的相对深度的估计精度,另一方面自适应地给每个标定约束方程分配一个加权系数,对不同的约束方程根据其特性区别对待,从而提高一维标定精度。通过仿真数据实验和真实图像实验分别对提出的算法进行了验证,并与其他一维标定算法进行了对比,验证了算法的有效性。最后提出了一种基于线性矩阵不等式全局优化算法的摄像机一维标定方法,首先利用标记点的相对深度及标定物特点构造关于绝对二次曲线的多项式代价函数;其次运用基于线性矩阵不等式的方法最小化代价函数,得到全局最优解;进而求解出全局最优意义下的摄像机内部参数矩阵。与现有方法相比,本文的方法可以改善一维标定的精度,且不受初始值影响更容易全局收敛。仿真数据和真实图像实验验证了本文方法的正确性和可行性。