计算机视觉作为当今最为活跃而又富有挑战意义的研究领域,其研究内容和应用领域已经相当广泛。由于摄像机标定是计算机视觉获取三维空间信息的前提和基础,是立体视觉的一个重要组成部分,因此如果要利用摄取的二维图象进行精密测量以及空间运动分析,就必须做精确的摄象机标定。本文主要研究摄像机标定理论和方法,为计算机视觉和立体视觉的下一步研究提供可靠的数据并奠定良好的基础,最终在实际应用中起到提高精度的作用。文中采用平面模板实现对摄象机的标定。首先研究图像特征点的提取问题,在角点提取过程中,针对Harris角点检测算法只能提取像素级角点坐标的不足,本文对其进行了改进,采用基于Harris角点检测原理的亚像素角点检测方法。其次对非线性畸变模型作了比较深入的研究,在分析传统标定算法的基础上,提出了基于神经网络的摄像机畸变校正方法。利用神经网络直接学习图像信息与三维信息(zw=0)之间的关系,不需要确定摄像机具体的内部参数和外部参数,也不需要知道有关模型或参数的先验知识,对摄象机进行畸变校正。仿真实验验证了该方法的准确性和有效性。但是由于BP神经网络的稳定性又与网络的初始训练值有关的缺点,因此,本文又将遗传算法引入以改进BP神经网络。遗传算法是一种非导数优化的随机优化方法,可以对一复杂的、非线性及不可微的函数实现全局搜索,而且算法对局部搜索比较有效,因此为了使算法能很快的找到满意解,可以先用遗传算法对初始权值进行优化,在解空间中定位出较好的搜索空间。然后用BP算法在这些小的解空间中搜索出最优解。通过相同数据进行仿真试验证明了该方法的可行性。在实际的实验研究中也证明了在进行畸变校正之后,测量精度有了明显的提高。