摘要：三维重建是机器视觉领域的热门研究方向。传统的三维重建方法通常需要采用已经标定的图像序列作为输入,这大大限制了三维重建的数据来源。互联网的兴起及图片分享社区的流行,带来了包含世界上各个角落场景信息的海量图像数据。如何利用互联网图片及其他未经标定的图像序列进行三维重建?基于场景信息的相机自标定方法使得上述问题的解决成为可能。本文以绝对二次曲面在相似变换下具有不变性为理论基础,针对未标定或者部分标定图像序列,研究相机的自标定方法。针对上述应用背景,本文拟解决以下两个相机自标定问题：(1)利用同一个相机在不同焦距状态下拍摄的图像序列,在已知除焦距以外其他相机内部参数的条件下,求解各视图所对应的相机焦距；(2)利用互联网上包含同一个场景的大量图像数据,在使用尽可能少的假定约束前提下,求解各视图所对应相机的内部参数。针对上述两个问题,本文提出了两个相机自标定方法：(1)提出了一种除焦距外其他相机内部参数已知的焦距可变相机自标定方法。首先,利用匹配特征点集合求解射影重建下基础矩阵的优化估计方法；然后,根据射影重建结果、已知相机参数及绝对对偶二次曲面与其他未知内参的约束条件,采用捆集调整全局优化方法求解绝对对偶二次曲面并得到相机焦距。实验结果表明本方法可以精确估计图像序列中各视图对应相机的焦距。(2)提出了一种基于互联网图像数据的可变内参相机自标定方法。首先,根据三焦张量对场景进行射影重建；然后,通过EXIF标签提取部分图片的相机焦距、生产厂商及相机型号；接着,根据相机生产厂商及型号信息进行分组预标定；最后,利用捆集调整方法进行全局优化。实验结果表明该方法可以对互联网图像数据进行精确标定,为三维重建过程提供有力支持。