在计算机视觉以及图像测量过程应用中,为确定空间物体表面某点的三维世界坐标与其在图像中对应点之间的相互关系,必须建立摄像机成像的几何模型,求解几何模型参数以实现摄像机标定。摄像机标定是计算机视觉中的重要领域,也是计算机视觉的第一步。而摄像机畸变的校正是摄像机模型建立的重点所在,摄像机畸变校正实现摄像机模型的建立是做好后续工作的前提,也是提高标定精度研究的重点。本文主要研究了棋盘格角点检测的方法以及摄像机畸变校正的方法。文中提出了一种基于对称特性的针对棋盘格的角点检测方法。棋盘格有着自己固有的特点,利用棋盘格的对称特性实现棋盘格角点检测。此种方法不用计算梯度,大大减少了计算量,运算速度快,同时也避免了SUSAN算法不能检测棋盘格角点的缺点。虽然目前摄像机标定中摄像机的畸变模型对摄像机的畸变描述取得了一定的进展,但是也很难精确地反映出摄像机的畸变,由于神经网络具有近似任意非线性映射能力,因此本文中提出了在传统的标定基础上结合BP神经网络进行镜头畸变描述,然后用训练好的神经网络代替畸变模型以实现摄像机畸变校正的目的,从而使摄像机的标定达到更高的精度。本文将粒子群优化算法引进来改进BP算法,同时结合混沌算法,从而实现更好的畸变校正。BP神经网络的稳定性又与网络的初始训练值有关,BP算法有易于陷入局部极小的缺点,粒子群优化算法是一种全局优化算法,该算法具有容易实现、收敛速度快等优点。混沌是存在于非线性系统中的一种较为普遍的现象,在一定范围内,混沌变量的变化具有随机性、遍历性和规律性。利用混沌变量的这些特征优化搜索,能使算法跳出局部最优,可以保持群体多样性,改善算法的全局搜索性能。在仿真实验研究中也证明了文中算法建立的模型的精度有了明显提高。