離線攝像機標定技術需要準確的攝像機內參數和外參數作為重建算法的輸入和前提。目前最流行的離線攝像機標定算法是Tsai在1987中提出的[Tsai 1987]。TSAI方法利用壹個帶有非* *平面專用標定標記的三維標定物，提供圖像點與其對應的三維空間點的對應關系，計算標定參數。張在1998 [Bouguet2007]中提出了另壹種實用方法，該方法需要對壹個平面標定圖形的至少兩個不同視圖進行標定。加州理工學院的攝像機標定工具有效實現了上述兩種方法，並已集成到Intel的視覺算法庫OpenCV [OpenCV2004]中。通過標定算法，可以計算出攝像機的投影矩陣，提供場景的三維測量信息。在不給出真實場景的絕對平移、旋轉和縮放參數的情況下，可以實現相似變換級的測量重建。
在線攝像機校準
在很多情況下，比如缺少標定設備或者攝像機參數不斷變化，沒有足夠的數據支持離線攝像機標定，因此需要在線攝像機標定技術對這類場景進行多視角三維重建。在線標定和離線標定框架的主要區別在於標定攝像機或估計攝像機參數的方法。在大多數文獻中，在線校準技術被稱為自校準。自標定方法大致可以分為兩類:基於場景約束的自標定和基於幾何約束的自標定。
①基於場景約束的自標定
適當的場景約束往往可以在很大程度上簡化自標定的難度。例如，建築物或人造場景中廣泛存在的平行線，可以幫助提供三個主要正交方向上的消失點和消失線信息，並可以基於它們給出相機內部參數的代數或數值解[Caprile1990]。消失點的求解可以通過投票和搜索最大值來完成。巴納德用高斯球來構造解空間[巴納德1983]。Quan，Lutton，Routher等人給出了進壹步的優化策略[Quan 1989，Lutton 1994，Routher 2000]。文獻[Quan1989]給出了壹個搜索解空間的直接算法，Heuvel給出的改進算法增加了壹個強制正交條件[Heuvel1998]。Caprile給出了基於三個主要正交消失點的幾何參數估計方法，Hartley使用校準曲線計算焦距[Hartley2003]。Liebowitz等人進壹步從滅點位置構造絕對二次曲線的約束，通過Cox分解求解標定矩陣[Liebowitz1999]。
②基於幾何約束的自標定
基於幾何約束的自標定不需要外部場景約束，僅依靠多個視圖的內部幾何約束來完成標定任務。利用絕對二次曲面進行自標定的理論和算法首先由Riggs [Riggs 1997]提出。基於Kruppa方程求解相機參數始於Maybank的Faugeras的工作【Faugeras 1992，Maybank 1992】。Hartley給出了基本矩陣，推導出Kruppa方程的另壹種推導[Hartley1997]。文獻[Sturm2000]對Kruppa方程的不確定性進行了理論討論。分層自標定技術用於從投影重建升級到度量重建[faugagers 1992]。自校準技術的主要困難之壹是它對於任何圖像或視頻序列都不是無限制的。事實上，存在壹定的運動序列或空間特征分布導致自標定解框架的退化和奇異解。文獻[Sturm1997]給出了退化情況的詳細討論和分類。關於壹些特殊可解情況的存在性及其解決方法的討論，請參考文獻[Wilesde1996]等。