1、近些年來，隨著計算機技術(shù)和數(shù)字化產(chǎn)品的迅猛發(fā)展，對計算機視覺的研究也正得到人們越來越多的關(guān)注。作為計算機視覺的主要研究方向之一，攝像機標定是二維數(shù)字圖像恢復(fù)和重建物體三維空間特征的基礎(chǔ)和必經(jīng)步驟?，F(xiàn)有的攝像機標定技術(shù)包括傳統(tǒng)方法、基于主動視覺的方法和攝像機自標定方法。傳統(tǒng)方法需要形狀等幾何信息已知的標定物作為參考，很難在實際中應(yīng)用；基于主動視覺的方法需要利用攝像機做特定運動的特殊性來實現(xiàn)標定，對實驗系統(tǒng)的精度要求較高；基于自標定的方法雖

2、然對標定場景和標定儀器要求不高，但往往魯棒性較差，精確度不高。為此，本文研究了三焦點張量的估計算法并提出了一種基于三焦點張量的攝像機自標定方法。
　　本文首先對計算機視覺的基本理論做了簡單的概括。主要對攝像機成像幾何模型及多視圖幾何關(guān)系進行了描述，攝像機成像幾何模型包括線性模型和非線性模型，其中線性模型實現(xiàn)比較簡單，而非線性模型可以較好地模擬和補償攝像機的各種像差，但往往計算復(fù)雜度高，實現(xiàn)起來相對比較困難。其次，研究了對極幾何中的

3、基本矩陣估計算法?；揪仃嚧砹藘煞晥D之間不以具體場景為轉(zhuǎn)移的對極幾何關(guān)系，通過基于灰度相關(guān)性的角點匹配算法得到初始的匹配點對，在此基礎(chǔ)上再在利用RANSAC算法估計基本矩陣，同時得到了兩幅圖像之間的精確匹配點對。再次，在詳細研究現(xiàn)有多種三焦點張量的估計算法的基礎(chǔ)之上，提出了一種基于遺傳算法和LM算法的三焦點張量估計算法?，F(xiàn)有三焦點張量估計算法包括直接線性求解的方法、迭代算法和RANSAC算法。直接線性算法計算比較簡單，但是不易取得最

4、優(yōu)解，迭代算法復(fù)雜度高且依賴于初值的選取，RANSAC算法魯棒性較高，但是閾值的選取不易確定。而本文所提出的三焦點張量估計算法充分利用了遺傳算法全局搜索能力強和LM算法迭代下降速度快的優(yōu)點，實驗結(jié)果表明這種方法雖然增加了計算復(fù)雜度，但是所得結(jié)果比較精確。最后，提出了基于三焦點張量的攝像機標定方法，這種標定方法屬于基于絕對對偶二次曲面的攝像機自標定方法的范疇，與一般自標定方法不同的是，利用三焦點張量可以獲得同一參考坐標系下的三個攝像機投影