针对BP神经网络在双目相机标定时受到初始权值和阈值的影响，提出了一种基于改进遗传算法优化BP神经网络对双目相机进行标定的方法，通过对遗传算法的交叉和变异概率进行改进，采用世界坐标值直接对比度使得数据更直观，实验证明可以获得更高的精度。

摄像机标定在机器视觉技术中具有重要意义。针对传统三维物标定方法操作繁琐，BP神经网络标定受初始权值和阈值影响的问题，提出一种基于光轴会聚模型的思维进化-神经网络标定方法。利用BP神经网络可逼近非线性函数，思维进化算法具有较强全局寻优能力，有效解决了BP神经网络易陷入局部最小以及初始权值、阈值随机化问题。实验证明，与经典张正友标定法、BP神经网络方法相比，改进进化神经网络标定法可获得更好的双目标定精度。

无人机进行目标跟踪时, 获取与跟踪目标之间距离信息的过程, 对于算法的实时性有着很高的需求。针对这一需求, 提出了基于 Matlab工具箱与OpenCV视觉库相结合的双目立体视觉测距方法。该方法包括采用Matlab工具箱对摄像头进行双目标定, 以及将标定结果导入到基于OpenCV的立体匹配BM算法并进行后续的测距处理两部分。通过试验验证了该方法具有较好的准确性和优越的实时性, 可以满足无人机动态跟踪时的测距需求。

针对现有变焦镜头标定方法难度大、动态精度低等问题, 提出一种基于单应性矩阵的动态变焦双目内外参数估计方法和平面快速重建方法。利用双目图像匹配点及变焦前后的匹配点进行两类单应性矩阵估计；基于变焦数学模型和单应性矩阵, 求解变焦后双目内外参数, 实现畸变后双目参数动态估计与优化；通过双目图像单应性进行平面快速匹配和重建。实验结果表明, 计算的内外参数与标定结果吻合较好；变焦后, 推导的单应性矩阵归一化误差小于0.01, 图像重投影误差小于1 pixel；重建精度小于0.1 mm。

现有双目相机标定的方法是通过矩阵变换求得各个相机间的旋转平移关系,再通过优化求得最终参数。非线性优化步骤多,相机内外参数与镜头畸变存在耦合,时间花费较大。提出一种畸变矫正与平面单应性矩阵结合的双目相机标定方法。根据三维空间直线投影到像平面仍然是直线的法则,对于无畸变的图像,直线上任意两点所构成的向量的方向相同时向量夹角应为零。基于此特征求解双目相机的畸变系数,再通过平面单应矩阵构造测量矩阵,然后通过矩阵分解求得相机内、外参的初值,最终通过非线性优化求得双目相机的各个参数。仿真和实验结果证明,该方法稳定性高,精度与传统标定方法的精度相当,且计算时间短,标定效率优于传统标定方法。

双目视觉作为一种非接触三维(3D)测量技术, 其位姿标定结果的好坏将直接影响3D物体测量的精度。基于迭代最近点(ICP)算法获得两组点集之间平移和旋转参数的原理, 提出了一种在传统双目位姿标定结果的基础上补偿双目标定矩阵改善精度的方法。介绍了摄像机模型、双目视觉测量模型和ICP算法的基本思想。用双目摄像机标定的外参数和相同的靶标坐标系获得双目视觉位姿矩阵, 在此提出基于ICP算法获得两组点集的旋转平移矩阵补偿双目位姿矩阵的方法, 以及相应的靶标角点坐标投影误差分析模型。双目摄像机采集9组5×7个角点的靶标标定图像, 应用ICP算法补偿双目位姿矩阵, 并采用误差模型对9组标定结果进行了分析, 双目结构光标定改进实验结果表明, 应用ICP算法补偿双目标定模型能显著地提高双目标定的精度。

针对基于二维平面靶标的双目标定问题，为提高标定稳定性及标定精度，从单应性矩阵的角度分析了标定姿态的选择对标定结果的影响，提出对标定姿态进行规避的三个性质。三个性质分别指出，避免出现只平移靶标及在靶标平面内旋转靶标的姿态，尽量避免靶标平面与图像成像面平行的姿态。在此基础上，提出了一种五姿态集标定方法。实验结果表明，三个性质应用价值高，有利于保证标定精度；当每个姿态集下拍摄不少于三对图像时，五姿态集标定法能达到较高的标定稳定性与标定精度。