无人驾驶智能车辆，利用相机、激光雷达、微波雷达、超声传感器、里程计、磁罗盘等车载传感器，感知车辆周围环境，并根据感知系统得到的道路车道信息、车辆位置和状态信息和障碍物信息，构建局部地图，规划局部路径，并实时控制车辆的转向和速度，从而使得车辆能够安全、可靠地在道路上行驶^[1]。无人驾驶智能车涵盖了自动控制、计算机、电子信息、地理信息、人工智能等多门学科，是当今世界前沿研究方向^[2]。

无人驾驶汽车技术作为未来汽车发展的重要方向，甚至是必经之路，一直是当今世界前沿的研究项目^[3]，世界上众多车辆研究院、高校以及互联网公司纷纷投入大量资源进行大力研发。无人驾驶汽车高效、便利，可以解放驾驶员，促进汽车、交通行业发展，因此发展无人驾驶汽车意义重大^[4]。而无人驾驶技术的基础在于环境感知，环境感知关系到整个无人驾驶汽车的稳定性与安全性^[5]。

行驶环境感知是实现车辆无人驾驶的前提^[6]，由于城市道路交通环境千差万别，既有复杂交叉路口，又有各种运动目标如：车辆、行人等，几乎无法穷举所有的环境情况^[7]，因此实现行驶环境动态感知是一个异常复杂的问题，通过多传感器的信息融合可以有效的提高认识的准确度，但需要解决海量多源数据的实时处理与融合，复杂场景多目标动态实时检测、识别、跟踪等难题，同时在效率、可靠性等方面也有很高要求^[8]。环境感知技术就相当于无人驾驶汽车的眼睛，将影响着整个无人驾驶汽车的安全性和稳定性^[9]。

市场上空间定位的技术方案分为单目、双目以及激光雷达三大阵营，其中激光雷达由于成本高昂市场接受度较低，而在都是基于计算机视觉的单目和双目中，双目则显得更受欢迎^[10]。自动驾驶视觉识别用到的是车载摄像头。

摄像机标定是计算机视觉领域的关键技术之一^[11]，标定结果的精确度将直接影响最终测量数据的准确性和三维重建的精度与效果^[12]。计算机视觉应用的多样性的要求使得对相机标定技术的准确性方面的研究格外重要，选择一种操作简单，精确度高的标定方法是视觉测量技术的前提^[13]。

摄像机是3D空间和2D图像之间的一种映射,其中两空间之间的相互关系是由摄像机的几何模型决定的,即通常所称的摄像机参数,是表征摄像机映射的具体性质的矩阵^[14]。求解这些参数的过程被称为摄像机定标(或称为标定)。

计算机视觉的基本任务之一是从摄像机获取的图像信息出发计算三维空间中物体的几何信息,并由此重建和识别物体^[15],而空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系是由摄像机成像的几何模型决定的,这些几何模型参数就是摄像机参数^[16]。在大多数条件下这些参数必须通过实验与计算才能得到,这个过程被称为是摄像机标定^[17]。

根据是否需要标定物可分为传统摄像机标定方法、摄像机自标定方法以及基于主动视觉的标定方法^[18],这也是目前最被广为接受的分类方法。

各标定方法均有其各自的应用范围与优势，本文针对车载双目视觉的特点^[19]，综合各种摄像头标定的方法，对其中一种进行优化设计，并实现其算法^[20]。