近年来,三维重建迅速成长为计算机视觉应用领域一个研究热点,大型游戏、影视作品和文物考古等方面都有用到3D模型。而要得到高精度的三维模型,摄像机标定参数起着至关重要的作用。即使很小的一点精度提升也可能会给三维重建带来非常可观的效果。　　本文设计了一种全新的方便识别的圆形和环形标定模板,我们的算法能自动匹配模板上的图像定位点和世界坐标点,省去使用普通棋盘格有时需手动提取角点的步骤,在一定程度上提高了标定的灵活性。此种模板主要识别和标定步骤为:对原始图像进行平滑处理并提取轮廓图像,用椭圆拟合、图像校正、曲线拟合与无限接近等方法提取轮廓中心,根据四点一线、交比等几何特征获取满足要求的中心点,四点打包成一组并进行相对位置的辨识,相对大小的比较,根据相对位置及相对大小确定唯一的二进制编码,再利用唯一的二进制编码跟四点之间的相对位置关系即可与世界坐标建立一一对应的关系,最后利用张正友的标定方法完成标定过程。对于普通的棋盘格标定模板,本文采用鲁棒性较高的Harris棋盘角点提取算法提供初始点,并进一步采用Forstner算子迭代求精。Forstner算子点定位精度高,但是因为其复杂度也比较高,使用Harris角点提取算法提供初始点之后能大大降低运算过程。　　对于圆形和环形标定模版,本文建立了3DMax模型来模拟整个标定和重建过程,比较了求得的摄像机外参与真实值的误差(因为3DMax中相机的位置是可以随意设置并已知的),重投影误差以及Visual Hull效果。实物数据则比较了重投影误差和Visual Hull效果。对于传统的棋盘格模版,使用Forstner算子在Harris角点检测算子的基础上迭代求精,得到了比只使用Harris算子更好的精度。所有实验结果表明:本文研究开发的手持相机多视图立体视觉标定算法具有较好的灵活性和准确性,其中椭圆拟合方法配合环形模版具有非常好的精度和鲁棒性。