随着科技的进步,越来越多的无人自主控制系统被开发出来,用来辅助人类完成特定的任务,如自动驾驶汽车,移动机器人和飞行器等。基于多个相机的多目视觉系统被广泛应用于这类自主系统中来实现导航、定位和避障等功能。在多目视觉系统中,相机的内参(相机的基本参数)和外参(相机之间的相对位置参数)的精确性往往决定了系统的精度。为了提高多目相机的内外参标定的精确性和标定的方便性,本文提出了一种基于自然场景的多相机内外参自动标定方法,可以有效解决目前多相机系统只能在安装标定布或专门标定场等特定场景下进行标定所带来的使用不便问题,同时也可以解决相机之间重合区域太小带来的外参标定精度下降或标定失效的问题。本文研究主要包括以下几个方面:首先,分析了自然场景下内外参自动标定问题的特殊需求,明确了标定方法的输入条件并设计了标定数据的采集流程。然后,根据数据处理和参数优化的需要,给出了自动标定方法的整体框架,确定了后续需要设计的点云重建、多相机内参同时标定及多相机外参标定三个基本算法。其次,设计了点云重建算法。基于增量式三维重建的思想,通过匹配多个相机不同时刻采集的图像特征点来实现自然场景中的点云重建,同时计算出各帧对应的位姿作为后续的标定点使用。在此基础上,进一步设计了初始点云地图构建算法。然后,构建了点云及位姿的优化问题来迭代更新点云和位姿。最后,通过实验验证了标定点云重建算法的正确性。再次,设计了基于点云地图的多相机内参同时标定算法。考虑到自然场景下内参标定的特殊问题,为保证内参的标定精度,分析并给出了满足精度要求的点云判定条件。在此基础上,将相机内参标定问题转化为多参数优化问题,并设计了基于Eigen的优化算法。最后,利用自然场景下的实验数据验证了所提相机内参优化算法的有效性和准确性。然后,设计了基于点云地图的多相机外参标定算法。为消除点云重建过程产生的累计误差对外参标定精度的影响,设计了一种针对点云重建位姿和地图点的预处理算法,为提升外参标定精度奠定了基础。然后,利用相机采集图片及其对应时间关系构建了外参优化问题并设计了相应求解算法。最后,又进一步提出了一种标定结果的评价算法,能够有效评估外参标定结果的优劣。最后,将该所提方法应用于某车载四目鱼眼相机视觉里程计中,将车辆在自然场景下的内外参标定结果与传统用棋盘格标定的内参和用标定布标定的外参进行了对比验证。实验结果表明,与传统方法相比,用本文提出的方法标定得到的相机内外参计算出的里程误差更小,这充分说明了所提标定方法的准确性和优越性。