计算机视觉测量技术是实现工业生产自动化、智能化的一种重要技术手段。而相机标定是计算机视觉测量技术的首要环节,标定的准确度对整个测量系统的精度有着至关重要的影响。因此简单而准确的标定方法对提升测量系统的整体性能具有重要意义。传统的相机标定方法主要利用标定模板与拍摄图像上特征点对之间的对应关系来建立包含相机参数的线性方程组,从而求解出相机的内外参数。这类方法的主要缺点在于：(1)需要在图像上检测出相应的特征点,这使得标定方法的精度严重依赖于特征检测的精度,由于在实际应用中存在噪声等多种因素的影响,特征检测方法往往不够准确,这使得传统标定方法在实际应用中受到很大限制；(2)操作繁复,为了减少特征检测精度不高带来的影响,传统方法通常需要进行多次多幅的标定测量,有时甚至需要一定程度的人工干预,这使得传统标定方法难于实现自动化,尤其不适用于一些需要动态实时标定测量的场合。针对传统方法的不足,本文提出了一种简便灵活的相机标定方法,该方法只需利用一幅具有旋转对称特征的图形作为标靶图案,即可完成相机的标定。其主要原理在于,具有旋转对称特点的图像经过径向展开变换(Frieze-Expansion Transform)后,可以转换为具有平移对称性的图像,而平移对称性的强弱可以借助于图像灰度矩阵的秩来衡量。根据这一原理,本文方法首先建立了相机参数与模板图像对称性之间的正向关系模型,然后通过低秩优化方法,对其反问题进行求解,从而解析出需要的相机内外参数。由于本文方法将标定问题直接与图像整体的对称性建立了联系,不需要对特征点进行提取,避免了传统方法对特征检测与提取的依赖,因此本文方法操作简单,特别适用于一些需要动态实时标定的场合。在上述基本模型的基础上,根据实际应用场合中的不同要求,本文提出了两种具体的标定方案：方案一直接建立相机参数与图像对称性之间的关系模型,该方案的优点是参数物理意义明确,计算速度快,但由于相机内参与外参的量纲不同,造成本方案在同时计算内外参时稳定度较差。因此比较适合一些内参已定,需要实时监测外参变化的标定场合。方案二建立了单应矩阵(Homography)与图像对称性之间的关系模型,然后利用灭点原理从已求出的单应矩阵中解析出相机内外参数。该方案避免了方案一中直接使用内外参进行优化时所带来的数值不稳定性问题,但由于需要从单应阵中间接求取内外参,因此计算复杂,速度较慢,适合于对实时要求不高,希望同时获取相机内外参数的标定场合。两种方案的标定过程不需要人工干预,因此本文的方法非常适合非视觉专业的人员使用。模拟和真实图像实验表明,该方法精度较高,鲁棒性较强,具有一定的实用性。