一、国内外发展状况

对于标定的研究由来已久，具体的标定方法种类繁多，各有所长。一般依据标定手段分为三类，分别为：传统标定法，自标定方法以及基于主动视觉的标定方法[3]。下面一一介绍各种方法及其优缺点。86100

传统的标定方法依据一个尺寸已知的高精度标定物作为空间参照。在试验当中，我们使用的是标准标定板。这种标定物精确简单，方便图像分析，而且制作容易。利用标定物，传统标定方法可以建立标定物上的某点与其对应的图像点的映射关系，然后利用相关算法计算得到相机的内部参数和外部参数。这种方法的标定精确度较高，但是不足之处在于精确的标定物的制作成本较高，而且很多应用场合下不适合于放置标定物，因此使用范围有限。

基于主动视觉的标定方法要求标定时相机的运动状态已知。通常这种方法要求摄像机做某种特定的运动，一般是分为两种；第一种是使相机做纯平移运动求解，另一种是控制相机绕着光心做旋转运动来求解。虽然这种方法非常简单，且具有较高的稳定性，但是由于这种方法需要使用能够确保相机精确移动的设备平台，来进行相机标定，因此，实验条件要求很高，一般来说这种设备成本较高，从经济角度，不宜在小项目的标定中使用。另外，很多场合下如果无法准确控制相机精准运动，也无法完成标定[4]。

摄像机自标定方法相较于前两者比较灵活，近些年来研究的较多的就是这种标定方法。这种自标定方法在完成标定时不需要标定物。这种方法指的是设定相机的运动约束和场景的约束，利用拍摄到的多幅图像对应点之间的关系进行标定，所以相对之前的方法比较简便易行，但是这种方法的缺点在于是精确度不高，不适合做精确测量。自标定技术起源于20世纪90年代，最初由Faugeras, Luong等提出，发展到现在已经拥有众多的算法。标志性的有Zeller等人利用Kruppa方程来计算序列图像上的所有点到与之相对应极线距离之和从而得到相机内参数[5]。之后Hartley等人首创了逐步分层标定算法。后来的研究者又在其基础上发展得到了QR分解法，Triggs绝对二次曲面法，Pollefeys模约束法。除此之外，还有基于消失点的标定方法，这种方法利用消失点建立隐点坐标系，给出了相机参数的求解算法，因此不需要事先知道待测点的准确三维坐标，易于实现，精确度高。最后，还有一些利用本质矩阵和基础矩阵的自标定方法，该类方法主要通过求解非线性方程组并且结合使用如遗传算法，LM算法等得到最终结果。关于这方面的研究，国内有王普等人提出了一种仅使用基础矩阵来推导计算并求解得到内部参数的方法，还有甄艳等人提出了一种基础矩阵的鲁棒性估计方法[6]。虽然对于自标定的研究虽然方法上千差万别，但是本质上是一样的，且众多研究人员一直致力于改善算法以提高标定的精确度。国际上较出众的研究组有：比利时的Van Gool组，牛津大学的Zisserman组，微软研究院的张正友组，法国的Faugeras组，Triggs组和Sturm组，美国的Hartley组等。

我国在机器视觉方面的研究起步比较晚，相较于国外很多东西处在初级阶段，在行业内许多应用也均是空白状态。但是，经过这些年的不断研究学习，加上国内行业需求的增加，这些年机器视觉领域内的相关技术发展十分迅速，国内许多高校，企业和研究所在机器视觉领域内的研发都取得了不错的成绩，逐步开始了工业化的应用。比较具有代表性的研究机构有天津大学金木测试技术与仪器国家重点实验室、西安交大的韩九强教授团队和中科院的自动化研究所的模式识别实验室[7]。另外在许多的企业（比如大恒，凌云和利时电机等）在这方面也做得比较好，取得了一系列卓越的成就。