至今，摄像机标定技术研究已经进行了很长时间。在过去的几十年里，国内外学者针对精度要求越来越高的要求，也提出了更多的设计与计算方法。现阶段来说，最主要的方法可分为三种，分别是：传统摄像机标定；自标定技术；还有主动视觉法。以下，对上面三种技术进行分析：79483

    1）其中，从相机标定方法来说，传统摄像机标定，一般需要利用上标准参照物与其对应图像的约束关系，从而确定其摄像机模型的参数。一般摄像机的成像模型都采用的是针孔成像模型。这种需要一副及更多图像参与标定过程。而传统标定法的理论还有方法都已经研究的比较透彻。在忽略摄像机镜头畸变误差的情况下,可以采用线性方法标定，例如通过建立像坐标系与物坐标系,利用DLT（直接线性变换）模型。这种方法以为没有考虑到镜头相差因素，并不适用于精度较高的场合。

    为了提高标定精度，此时必须考虑非线性畸变。W。Faig把各种因素考虑进去，建立了非线性法，利用了非线性优化去解相机参数。虽然精度可以得到保证，大部分程序也会选择采用非线性优化。但是这种方法也过于依赖于给出一个良好的初值，不然精度不如预想的值，并且这种方法也有计算速度慢的问题，不适合实时标定。

R。Y。Tsai[1]了解，并吸取以上两个方法的优点，建立了经典的相机模型，提出两步法标定。这种标定模型是先用线性方法去求解大多参数，剩下的参数用迭代法去求解，这样改进了非线性优化计算速度慢的缺点。但是对于两步法来说，畸变模型仍没有得到完全考虑，导致畸变问题较为严重。论文网

而之后J。Weng[4]改进了两步法的缺点，优化了畸变模型，加入切向畸变，使之能是应用于畸变严重和试场较远和大的场合。

     2）实际运用过程中，相机的相关参数是会发生实时变化的，此时用自标定法会很简单，因为自标定技术并不需要对照参照物标定，取而代之的是对比由控制摄像机以特定的路径运动而获得的图像信息，然后利用图像匹配点几何约束获得相机参数。目前为止，自标定技术可以分为三种方法：一种是基于绝对二次曲线，而另一种是绝对二次曲面自标定法，还有分层逐步标定法。

Faugeras想到从摄像的射影空间，利用绝对二次曲线，证明出两张图像间存在二次的非线性约束，从而可以获得相机与内参有关的Kruppa方程，接下通过Cholesky分解，并且得到像机的内外参数[11] 。

Pollefeys[6] 提出控制摄像机平移并计算相机初始焦距，再利用约束㽑进行变焦条件下的自标定法。而Heydell等人在过往学者实验的基础上，证明了若是所有参数均参与改变是，此时自标定法是不适用的。

自标定法有着灵活，方便并且适用范围广等的优点。但同时又有鲁棒性差，精度低等缺点。还需要继续改进。

     3）为了进一步简化模型计算，出现了摄像机主动视觉标定的方法。这种放法的原理是：在已知相机某些信息的主动视觉平台基础控制上，利用相关点间时间空间的关系来进行标定，从而获得相机参数。这种方法运行较简单，并且鲁棒性很高。但是却因为成本过于高昂，并不能轻易进行操作。

Hertley提出了一种基于旋转运动的标定法，是通过研究相机做纯旋转运动以得到内参。但是由于其要求不能够有平移运动，所以该方法还是有一些局限性的。

在96年的时候，马颂德[3]曾提出过一种基于主动视觉的相机标定法，这种方法的原理是说若是当相机在三维空间里做两组平移运动，且每组运动中包括三次两两正交的平移运动，这样的话便避免了借助于标定快，而且可以线性求解相机内外参数。但这种方法在一般的实际运用中并不是很好实现。孟胡的方法与马颂德的方法大致相同，只不过其只需要两组正交，并且可以求取相机所有的五个内参。