棋盘格角点的自动检测是相机标定的关键步骤,并且广泛应用于曲面重建、视觉跟踪、姿态估计等任务。大部分棋盘格角点检测算法需要人工选择合适的阈值,以快速地排除错点。频繁的人工调整阈值将干扰棋盘格角点的自动检测,从而限制了棋盘格角点的使用范围。为了减少棋盘格角点检测中的人工干预,满足角点自动检测的实时性要求,本文结合统计学和机器学习算法,提出了一种分步式棋盘格角点检测算法。本论文的主要工作包括:(1)分析了棋盘格角点处圆环采样序列的频谱特性,定义了一种刻画圆环采样频谱特性的棋盘格角点响应函数,使得每个像素响应值能表征棋盘格角点的属性,提出了基于角点响应值空间分布特性粗选棋盘格角点的方法。(2)基于高斯分布假设,导出了反映图像噪声棋盘格角点响应值的累积分布函数,建立了基于该分布函数自动确定用于排除噪声点的阈值的方法,提出了基于超级像素的图像噪声估计方法。(3)分析了不同情况下圆环采样中心与采样序列灰度值差异的分布特点,结合棋盘格角点响应值,提出了一种棋盘格角点描述子,给出了利用该描述子实现线条中心点快速排除的方法。(4)通过图像角点检测实验,验证了提出的理论和方法的正确性,结果表明,本文提出的算法对不同的图像对比度、噪声级和透视畸变有较好的鲁棒性,并且可以高效地去掉大部分错点,实现至少99.2%的查全率和97.8%的查准率。