本文从计算机视觉中的多视图几何理论出发，主要讨论摄像机内参数估计技术，包括基本矩阵、摄像机自标定等问题的算法与实验。主要工作如下： (1)基本矩阵的鲁棒算法，它是摄像机标定的基础。首先介绍了几种常见的求基本矩阵的线性算法；然后给出基本矩阵的6点随机抽样一致算法—Random Sample Consensus(RANSAC)。 (2)基于SVD分解的摄像机自标定。给出了基于基本矩阵SVD分解(Singular Value Decomposition—奇异值分解)的摄像机自标定技术，首先介绍了通过对基本矩阵进行SVD分解所推出的Kruppa方程的简化形式，并将摄像机内参数的估计变成一个非线性优化问题，简化过程中无需用到绝对二次曲线，然后利用共轭梯度法来迭代得到的代价函数，最终求得摄像机内参数。 (3)运动参数约束下的摄像机自标定，也即人们所说的基于主动视觉的标定。首先介绍了一种基于极点信息的摄像机自标定方法，然后给出一种新的运动参数约束下的摄像机自定标方法，该方法的主要特点是可以唯一线性求解摄像机的5个内参数。最后给出实验结果，并验证了摄像机在纯平移运动下求解基本矩阵的2点算法的稳定性。