在进行视觉测量的过程中，为了确定被观察物体实际的空间位置与其在图像中对应像素点位置的关系，就必须建立起相机成像的几何模型，用来描述物体实际位置和图像中位置的映射关系。其中，相机成像的几何模型称为相机参数，在大多数情况下这些参数都必须通过实验和计算才能获得，而获得这个相机参数的过程，就被称为相机标定。

相机参数可分为内参、外参和畸变参数。内参是相机的固有属性，包括焦距和像元尺寸；而外参用来描述相机和外部世界的关系，如旋转和平移变换关系；畸变则是相机光学镜头固有透视失真的总称，是对直线投影的一种偏移。

相机标定是机器视觉测量中非常关键的一环，它决定了机器视觉系统能否有效地定位和计算目标物。传统相机标定法需要使用尺寸已知的标定物，通过建立标定物上坐标已知的点与其图像上对应点之间的映射关系，利用一定的算法获得相机模型的内外参数。根据标定物的不同可分为三维标定物和平面型标定物。三维标定物可由单幅图像进行标定，标定精度较高，但高精密三维标定物的加工和维护较困难。平面型标定物比三维标定物制作简单，精度易保证，但标定时必须采用两幅或两幅以上的图像。传统相机标定法在标定过程中始终需要标定物，且标定物的制作精度会影响标定结果。同时有些应用场合不适合放置标定物，这也限制了传统相机标定法的应用。

目前出现的自标定算法主要是利用相机运动的约束，但是因为相机的运动约束条件太强，因此其在实际生产中并不实用。而与之相对应的场景约束则不同，场景约束主要是利用场景中的一些平行或正交信息。其中空间平行线在相机图像平面上的交点被称为消失点，它是射影几何中一个非常重要的特征，所以很多学者研究了基于消失点的相机自标定方法。自标定方法灵活性强，可对相机进行在线定标。但由于它是基于绝对二次曲线或曲面的方法，其算法鲁棒性差。

基于主动视觉的相机标定法是指在已知相机某些运动信息的情况下对相机进行标定。该方法不需要标定物，但需要控制相机做某种特殊运动，利用这种运动的特殊性可以计算出相机内参。基于主动视觉的相机标定法的优点是算法简单，往往能够获得线性解，故鲁棒性较高；缺点是系统的成本高、实验设备昂贵、实验条件要求高，而且不适用于运动参数未知或无法控制的场合。