随着电子技术和人工智能的飞速发展,计算机视觉在过去几十年中取得了长足的进步。而相机作为该任务中的重要外部感应传感器,具有价格低廉,体积小,易于普及应用等优点,能够在各种天气条件下以相对较高的帧速率提供高分辨率的彩色图像,广泛应用于机器人视觉导航、目标跟踪、智能交通和增强现实等领域。但单个相机覆盖范围有限,而自动驾驶汽车和机器人一般安装多个相机,其广泛的视场范围为全方位环境感知提供了巨大的潜力。故多相机系统在各领域受到越来越多的关注,本文针对多相机系统的标定及其相对位姿估计等问题开展了深入研究,主要工作如下:（1）提出了一种基于标定图案、无需相机间具有重叠视场的多相机系统标定方法。该方法通过依靠激光雷达来间接约束多相机系统的外部参数,克服了相机之间需要共同看到标定对象的要求。首先,利用标定板对每个相机进行内参标定。随后,设计一种基于标定板的两阶段相机与激光雷达联合标定算法,进而完成多相机系统的外参标定。最后,在合成数据和实际数据上对该方法进行了验证,表明该标定方法具有较高的实用性和准确性。（2）提出了两种基于平面运动假设的多相机系统相对位姿求解算法:线性6点法和最小的3点法。通过将多相机系统建模为一个广义相机,来更好的解决计算资源受限的室内移动机器人的相对位姿估计问题,而大多数室内机器人的运动可以看作平面运动。在模拟数据上和现有算法进行了对比,结果表明提出的算法具有显著的计算效率优势,能够和鲁棒算法结合用于移除离群点,实现稳健且高效的初始平面运动估计。最后在真实数据上的测试进一步验证了求解算法的有效性。（3）提出了一种基于仿射对应的多相机系统相对运动估计算法。该算法利用旋转矩阵的一阶近似来从最少四个仿射对应中计算多相机系统的六自由度相对姿态。根据仿射对应与广义相机模型之间的几何约束,直接推导出一个多元方程组。然后通过线性方法找到闭式解,并由此产生准确的相对位姿估计参数。最后,在合成数据和真实图像序列数据集上的实验表明,与基于点对应的求解算法相比,该基于仿射对应的求解算法有效地减少了运动估计所需的RANSAC迭代次数,同时保持了相当的精度。