摄像机标定是从物体的二维平面图像中获取三维信息的关键步骤，并且也是摄影测量和计算机视觉的经典问题，摄像机标定结果的好坏直接决定着三维重建结果的好坏。所以，研究摄像机的标定算法具有重要的理论意义和实用价值。 摄像机标定方法根据标定方式的不同可分为传统标定方法，基于主动视觉的标定方法和自标定方法。传统标定方法是利用已知标定物的结构信息，通过计算三维空间点与二维图像点之间的对应关系进行标定；基于主动视觉的标定方法是已知摄像机的某些运动信息；自标定方法是不需要标定物，仅依靠多幅图像之间的对应关系进行标定。 摄像机模型分为线性模型和非线性模型，在非线性模型中存在着镜头畸变。这两种模型的成像过程中用到了四种参考坐标系，它们是定量描述摄像机成像过程的基础。计算机视觉在发展过程中出现了多种摄像机标定技术，在总结、分析这些技术的基础上，介绍了一种新的非常高效的摄像机标定算法——摄像机标定多视点校正算法。 摄像机标定多视点校正算法利用一种规则的黑白棋盘状网格作为标定物，从任意的视点对其进行亚像素级特征提取，并将这些特征映射到无畸变和校正图像的相应点来估计摄像机的内部参数和外部参数，而这些无畸变和校正图像是由一个与该摄像机具有相同焦距、无任何镜头畸变和角度偏差的理想摄像机产生的。多视点校正算法作为一个非线性最小二乘优化问题，它的二次成本函数表示了剩余登记误差降低到最小程度。多视点校正算法的计算精度，是利用带有镜头畸变的摄像机拍摄的一组不同视点的实际图像和由这些实际图像的合成图像两个方面进行实验测试的，最后通过比较Bouguet图像获得的投影误差与合成图像获得的剩余登记误差的结果，证实了多视点校正算法有较高的精度和鲁棒性。 摄像机标定多视点校正算法利用图像校正来计算所有内部参数和外部参数的理念比较先进，同时每个视点的外部参数和摄像机焦距都是从相关的矩阵系数中计算出来的，并且计算得到的像素宽高比作为建立三维旋转角度上的零交叉，这一过程在计算机视觉领域是非常具有吸引力。