针对影像实时动态测量设备中相机和惯性测量单元（IMU）相对位置发生变化时，需要重新进行外参标定的问题，提出了一种Camera-IMU外参在线标定方法，能够在机械构型未知的情况下自动估计初始值和外参数。首先，使用全球卫星导航时间对齐IMU和相机的时间戳，通过奇异值分解求解旋转量的超定线性方程，改变阈值判定条件和加权方式，减少方程中的退化运动，并剔除外点，提高系统鲁棒性与外参精度，从而获得恒定的Camera-IMU旋转外参。然后基于获得的Camera-IMU旋转外参，固定滑动窗口，利用高斯牛顿法估计Camera-IMU的外参平移量。与原有在线标定方法相比，旋转外参标定方法的精度提高15%，平移外参的精度提高35%，实验结果表明所提方法是有效的。

在工程应用中使用三维激光雷达的基础是对激光雷达的外参数进行标定，而对激光雷达外参标定通常都需要其他传感器的数据进行联合标定，且标定方法复杂，过程耗时较长。对此，提出一种简便的自动标定算法。首先利用RANSAC算法拟出多个平面，并通过相邻点法向量的夹角进行平面的二次筛选得到其平面方程，再根据平面方程得到平面间的交点坐标，使用反对称矩阵构建旋转矩阵，进一步利用交点坐标在雷达坐标系与世界坐标系下的不同求得近似转换关系，最后利用最小二乘思想对近似矩阵进行优化，得到较为准确的旋转位移矩阵。所提算法可以在特征点、角点点云缺失的情况下，通过平面方程拟合出较为精确的角点。仿真结果表明，该算法是可行的。

在视觉惯性定位系统中，传感器位姿关系的标定对于实现精确空间定位至关重要，针对现有标定方法对多传感器系统缺乏集成性、标定精度受限等问题，提出了一种视觉惯性系统位姿高精度一体化标定方法。通过精密三轴转台提供角度基准，基于重力矢量不变性和匀速圆周运动下向心加速度数值的一致性求解惯性测量单元（IMU）与转台之间的外参，利用转台构建控制场为相机标定提供空间角度约束，联合优化求解无重叠视场多相机内外参。仿真和实验结果表明，该方法具有较高的标定精度和稳定性，在多相机IMU系统组合定位测试中，与经典标定方法Kalibr相比，本文方法系统运动轨迹拟合轴线的角度偏差降低40.32%，距离偏差降低18.93%，可满足高精度视觉惯性定位系统的标定需求。

针对多个固态激光雷达协同工作时, 需要准确地进行外参标定的实际需求, 提出一种基于点云配准的多固态激光雷达自动标定算法。该标定算法由标定物分割、初始配准和精确配准三个阶段构成。在标定物分割阶段, 首先通过叠加多帧非重复扫描数据制作标定点云, 再使用半径滤波和体素下采样滤波分割出纹理特征明显的目标点云。在初始配准阶段, 使用3D-HARRIS算法提取关键点, 并使用方向直方图(SHOT)特征描述子进行特征描述, 然后匹配对应点并使用采样一致算法完成初始配准; 在精配准阶段使用迭代最近邻(ICP)算法进行精确配准, 从而获得精确的外参标定效果。在Bunny兔数据集和现场获得的数据上进行实验, 结果表明, 当保证配准平均误差小于1mm的前提下, 所提出算法的性能优于多种现有算法。

针对micro electro mechanical system （MEMS）激光雷达与相机标定外参误差大的问题，提出了一种基于标定板关键点的外参标定方法。首先对多帧点云进行叠加预处理，然后基于Hough变换拟合标定板的边缘直线以确定关键点，最后设立关键点及法向量对应的约束条件，利用点面对应算法求出优化的标定外参。实验结果表明，所提方法可精确提取关键点，使得标定外参的平均误差相比现有的外参标定方法更低，提高了标定外参的精度。

激光雷达和相机融合系统可感知环境的几何尺寸和颜色信息，在多个领域中得到了广泛应用。为了准确融合两种信息，提出了一种基于自然特征点的激光雷达和相机外部参数标定方法。首先，在激光雷达自校正的基础上，利用激光雷达数据的强度信息对点云以中心投影的方式生成灰度图。然后，通过尺度不变特征变换算法对投影生成的灰度图和相机图像进行特征点提取和匹配。最后，以同名特征点得到的信息建立标定数学模型，并进行数据优化，标定出三维激光雷达系统和相机系统的外部参数。实验结果表明，该方法计算的点云到图像像素点的重投影误差为2.3 pixel，验证了该位姿标定方法的有效性和准确性。

视觉传感器的外参标定旨在建立视觉坐标系与外部标准坐标系之间的关系。设计了视觉测量合作靶球以实现视觉测量与仪器测量之间的合作测量。通过将视觉测量合作靶球与激光跟踪仪靶镜相互替换获取公共点在视觉坐标系和外部标准坐标系下的坐标,并利用公共点在两坐标系下的坐标对目标函数进行非线性优化,获得视觉传感器外参数最优解。视觉测量合作靶球的设计将靶标、光源和球形外壳相融合,以满足与跟踪仪合作靶镜的互换性和球心可测的需求。对外参标定过程中的误差传递进行了分析,并通过仿真优化标定精度,以及实验验证该标定方法的精度。结果表明,该方法的外参标定精度可达到0.036 mm,能够实现直接、灵活、高精度的公共点数据获取。

针对机器人视觉系统外参数标定的问题，提出了基于单目视觉ORB-SLAM的差分GPS辅助相机外参数标定方法。分析了单目视觉ORB-SLAM和GPS(Global Position System)定位数据之间的相似关系，建立了相机外参数标定的非线性最小二乘模型。基于随机采样一致性(RANSAC)，通过三点法求得模型的初始解。设计了Levenberg-Marquardt(LM)迭代算法求解出最优解，从而得到了最优的相机相对位置和姿态参数。最后，对提出的方法进行仿真和跑车试验验证。结果表明: 在试验半径为50 m时，所设计标定方法的姿态标定精度可达0.1°，位置标定精度可达0.2％。该方法标定过程简单实用，不需要外界环境的先验信息和人工干预，具有很高的精度和显著的应用价值。

针对传统机器人视觉测量系统中测量精度受机器人绝对定位精度限制的问题，构建了基于全局空间控制的高精度柔性视觉测量系统并研究其标定技术。通过全局空间测量定位系统实现机器人末端工具的高精度实时控制，可以突破机器人自身定位精度的限制，充分发挥其高度柔性的运动特性。为实现系统高精度测量，提出一种基于单应性矩阵的视觉传感器外参标定方法，该方法仅需对所设计的平面靶标进行一次成像，结合激光跟踪仪进行坐标转换即可实现传感器坐标系与外部参考坐标系之间坐标转换关系的精确标定。实验结果表明，基于全局空间控制的机器人视觉测量系统在其工作空间中距离测量精度优于0.2/mm，较传统的机器人视觉测量系统得到显著提高。