提高摄像机标定精度，一直都是机器视觉在实际应用中最为关心的问题。高精度工业测量和新兴的3D打印技术等，对不可接触物体的精确建模提出了更高的要求，而摄像机标定的结果直接影响视觉测量的精确性。为了避免非线性优化算法易陷入局部最优解的缺点，提高标定精度，从而引入遗传算法用于优化摄像机标定结果。　　摄像机标定技术中的优化目标函数参数多、搜索范围大，非常适合使用遗传算法进行优化。遗传算法几乎不需要所求问题的任何信息而仅需要目标函数的信息，不受搜索空间是否连续或可微的限制就可找到最优解。遗传算法执行的过程中，参数本身并不参与操作，处理的是经过某种算法编码过的个体，并且使用多个个体同时参与处理的方式，使得优化结果陷入局部最优解的风险大大减小。本文重点对基于遗传算法优化摄像机内部参数的方法进行了深入的研究。　　由于传统的标定方法大都利用线性模型估计畸变参数，不能可靠地实现初始化估计，且传统非线性优化算法容易陷入局部最优解，会影响标定的精度。针对上述问题，本文提出了一种新的基于遗传算法的摄像机内部参数标定优化方法。首先，利用张正友的标定法计算出标定模型的内部和外部参数，作为遗传算法优化的初始值;然后，固定该组参数中的外部参数，并将内部参数在合理范围内进行扩展，组成遗传算法中各参数的区间;最后，在此区间内使用遗传算法对内参进行再优化，最终获得优化后的内部参数。该方法是对张正友标定法得到的内参的一次再修正，能够矫正不可靠的初始化所带来的部分精度损失，避免在优化中出现局部最优解，提高了标定精度。　　本文在分析了目标函数的具体特点的基础上，结合遗传算法的操作要求，给出了适合本文算法的合理方案。对遗传算法基因编码、适应度函数和各遗传算子做出了选择，并制定了相应的实施方案，以确定遗传算法的种群大小、基因长度、交叉和变异概率等控制参数。实验结果表明，本文提出的内部参数优化方法精度较高，操作简单能够准确地标定摄像机内部参数，具有一定的实际应用价值。