提出了基于直线模型的相机在线标定算法。该方法通过自动跟踪视频中物件的边缘, 在线求解相机系统内外参数, 同时建立物件边缘同图像边缘的对应关系。然后, 利用物件边缘同图像边缘的对应关系, 在相机内外参数初值的基础上, 通过构建融合边缘端点信息的误差函数, 迭代优化求解相机内外参数。进行了仿真和实物实验, 分别使用提出的基于直线的标定方法和传统的基于棋盘格内角点的方法标定了相机内外参数, 并对两种方法的标定结果做了对比。结果显示: 在仅使用边缘信息的条件下, 本文方法可以获得同传统的标定法一致的精度, 标定后重投影误差(RMS)为0.6 pixel。本文方法利用具有标准尺寸的物件即能实现相机内外参数的估计, 且无需制备平面靶板便可获得与传统方法相同的标定精度, 标定过程更为灵活, 有实用价值。

三维重建是目前发展最迅速、应用最广泛的技术之一。从广义角度出发，任何获取目标三维信息的手段都可被称为三维重建。利用三维重建数据可对目标的三维参数进行测量。目前基于三维重建的测量方法众多，由于接触式测量存在诸多问题，如何依据不同的实际需求和条件选择合适的非接触式测量方法，是获得所需三维测量数据的关键。从原理分析出发，对各种非接触式重建测量方法进行系统分类。在实际测量任务中可依据精度需求、环境约束、参数种类、成本控制等因素选择合适的非接触式三维重建测量方法。