随着国内汽车保有量的不断提升,行车安全问题越来越受到社会各界的广泛关注。车载全景视觉系统是一种有效缓解行车安全问题的辅助手段。而相机标定作为其中关键的第一步,具有极为重要的研究意义。简而言之,相机标定是估计三维空间物体经相机到其二维图像的变换关系的过程。现有的相机标定方法,是通过检测图像中标定物的图像局部特征,如点、边缘、平面等,与真实世界中物体的位置、形状等已知信息建立对应关系,来估计描述相机成像过程的各种参数。但是,这类局部特征通常存在检测过程较为复杂,鲁棒性不够强等缺点。并且,现有的标定方法通常依赖具有特定形状或规则的标定物。这些原因使得现有的标定方法存在操作过程较为复杂、适用场景受限、鲁棒性不强等问题。变换不变低秩纹理(Transform Invariant Low-rank Textures,TILT)作为一种全新的全局图像特征,它可以充分利用图像的全局信息,不依赖特征点、边缘等局部信息,使得它更加精确且鲁棒性更高。TILT通过提取图像中的“低秩纹理”,并不依赖任何特定的形状或规则。本文利用TILT这一图像特征,提出一种全新的图像矫正方法和一种相机标定方法。并且基于这些方法,提出了一套完整的车载全景视觉系统的解决方案。本文的主要研究工作和创新点如下:1)现有的两种基于TILT的图像矫正方法,均存在对图像中噪声和遮挡的鲁棒性不高的问题。本文基于稀疏贝叶斯学习理论,提出一种新的TILT图像矫正方法。实验表明,本文提出的方法具有鲁棒性更强,矫正精度更高等优点。2)本文基于TILT这一图像特征,提出一种新的鱼眼相机标定方法。传统的标定方法一般通过检测图像中特定形状标定物的局部特征,来完成相机的标定。本文提出的标定方法不依赖于任何特定的标定物,并且借助TILT这一全局特征,只需要提取图像中的低秩纹理就可以完成标定。因此,本文提出的方法具有操作方法简便,适用场景广泛、鲁棒性高等优点。3)基于本文之前介绍的内容,在文章的最后本文实现了一个车载全景视觉系统的实例。该系统利用安装在车身上的四个鱼眼摄像头,对汽车周边场景构建出实时的3D全景影像。然后,在这样一个实例中分析本文提出的相机标定方法的优点和存在的问题,并提出一些可行的改进方案。