作为人工智能的一个分支,计算机视觉在近些年来得到了快速的发展,光学动作捕捉系统以计算机视觉为基础,利用多个相机在不同角度对特征点的追踪和定位来完成动作捕捉。动作捕捉的关键前提就是对所有的相机进行精确标定,所以相机标定也一直受到人们的重视。多相机标定的目的主要是从2维的图像视图还原场景的3维信息。相机的标定方法按照标定物可分为1维标定、2维标定、3维标定和自标定。其中自标定方法仅需要图像信息便可完成相机标定,但精度较低。2维标定和3维标定有着较高的精度但是标定物制作复杂,成本较高,并且在一些场景下容易发生自遮挡现象。而1维标定物制作简单且不易发生自遮挡现象,在实际应用中得到广泛的青睐。其中只有两标记点的1维标定物不会产生非共线的制作误差,另外即使两标记点的距离存在测量误差,也不影响内参数和外参数中的姿态角,只有外参数中的相对位置与真实值相差一个统一的尺度因子。两标记点标定物在本文简称为“线段”,由于几何信息较少,基于线段长度先验的欧氏升级参数计算尚缺少实际适用的算法。首先,本文提出了基于线段长度与解多项式方程的相机标定算法。通过对不同的参数进行约束,利用已知长度的线段构造方程,并采用消元法减少未知量的个数,最后构造通用求解模板,利用Gr?bner基法求解多项式方程。多相机标定的实质是计算相机的9个参数,所以理论上仅需要9个已知长度的线段来构造方程便可求解。但现有算法在线段个数较少的情况下对噪声极为敏感,成功率较低。本文提出的算法有更好的鲁棒性和更简单的求解过程。另外,本文提出了基于线段长度与无穷远搜索的相机标定算法。通过施加手性约束,将无穷远平面约束在一个3维的参数立方体内,然后采用不同的搜索方法对该参数立方体进行搜索。将搜索到的每一个无穷远平面当作是已知条件,则未知量仅为相机的内参数,可以结合线段的长度用简单的线性方法求解。最后对每个结果采用不同的代价函数进行非线性优化,选择出最优的解。该方法避开了复杂的代数计算,提高了标定速度。最后,本文提出了3个基于光学动作捕捉系统的实际应用。第一,利用动捕对空间点实现了精确定位,精度达到了0.1毫米左右,将空间点安装在机械臂上便可得到机械臂的精确位置,从而实现对机械臂的校准工作。第二,利用动作捕捉系统实现了对人体脊柱的重建,在人体后背对应的椎骨位置贴上marker小球,用小球间接定位椎骨的空间位置,建立人体脊柱模型,在人体的持续运动中得到动态的脊柱信息,从而帮助医疗人员更全面的了解病人的脊柱问题。第三,利用动捕实现了增强现实系统的标定,也就是计算拍摄真实场景的彩色相机与动捕系统之间的转换关系,从而得到彩色相机所拍摄到的真实场景与计算机中虚拟场景的转换关系,最终实现现实与虚拟结合。