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。

针对一种立柱式二维移动视觉测量系统, 提出了其数学模型的建立和标定方法。分析了测量原理和系统组成, 并通过对运动定位和摄像机成像的独立建模, 构建了符合测量原理的整体数学模型。标定时, 在完成对定位误差等 13项几何误差标定的基础上, 通过移动摄像机使圆孔靶标的像平均分布在摄像机的像面上, 根据靶标的工作台位置、像点坐标、以及测量时对应的运动机构移动量, 利用最小二乘非线性拟合方法实现对摄像机成像模型参数的标定。实验结果表明：经建模和标定后, 测量平均误差为 1.8 μm。利用该方法进行移动视觉测量系统的建模和标定, 可以有效地保证系统的测量精度。