计算机视觉作为当今世界最为热门的研究领域之一，已被广泛的应用医学、航空航天、工业测量等领域。摄像机标定技术是计算视觉的主要研究内容之一，是计算机视觉进行其他研究的基础。本文的主要任务是对摄像机标定技术进行研究分析，以求获得更高的标定精度。本文主要研究内容包括摄像机模型的建立，传统摄像机标定方法、角点检测算法、基于BP神经网络的标定方法、物体的位姿测量。首先，建立了摄像机模型，对传统摄像机标定方法中张正友的标定方法进行了研究；采用了一种专门针对X型角点的角点检测方法，相较于传统的Harris角点检测算法具有更高的检测速度，并具有较高的标定精度。然后，对神经网络进行了研究，分析神经网络和摄像机标定的共同特性。设计基于BP神经网络的摄像机标定方法，对设计思想和网络结构进行详细论述。通过仿真实验和实物实验证明了基于BP神经网络方法具有较好的鲁棒性和更高的精度。最后，对单目视觉原理进行了理论研究；通过对PnP问题的总结，确定了采用基于四个共面特征点位姿测量方案；进行基于Halcon物体位姿测量实验。