摄像机标定是计算机视觉范畴内二维图像信息获取三维空间信息不可缺的步骤，被广泛用于三维重建、医学成像、导航、视觉监控、智能机器人等领域，在交通检测、地质灾害检测等领域也具有重要应用价值。根据实际情况的不同，摄像机标定分单目和双目两种，论文分别就此展开研究，实现摄像机自标定。针对单目摄像机的标定，首先建立图像坐标系、成像平面坐标系、摄像机坐标系、以及大地坐标系，利用几何关系确立像素坐标和大地坐标的定量关系（含参数），通过标定模板关键点间的理论距离和实际距离误差最小为目标，建立优化模型。用粒子群算法对优化模型进行求解，得到摄像机的内部及外部参数，确定了像素坐标和空间坐标的对应关系，实现对坐标系的标定。实验结果表明模型正确，与其他算法相比，计算精度得到显著提高。对于双目摄像机标定问题，通过建立两个摄像机坐标系（甲、乙），两个图像平面坐标系以及大地坐标系，经推导得到甲、乙图像坐标系和大地坐标系间的定量关系，并通过两种不同的角度分别建立标定模型。设两个摄像机（甲、乙）得到的图像为左图像和右图像，对左、右图像中对应的点，分别计算出其三维空间坐标，考虑到他们在空间中是同一个点，所以，以他们的空间坐标间的距离最小为目标，建立优化模型Ⅰ；将关键点在左图像对应的三维空间坐标，映射到右摄像机所成的图像坐标系中，利用最小二乘法原理建立优化模型Ⅱ。最后利用粒子群算法对优化模型进行求解，得到摄像机的参数，通过实验对理论进行了验证，分析了结果的优劣，并对两种模型的优劣进行了对比分析。通过实例验证，这两种模型都是可行的，并且简单、快速，可用于双目摄像机的标定，且模型Ⅱ误差更小，更精确，更有效。此外还对角点检测问题进行了研究。角点检测的方法有很多，最普遍的是Harris角点检测，该方法对于倾斜排列的点的检测效果不太理想，本文对其进行了改进，提高了检测的效果，确保了摄像机标定过程的完整性的同时也提高了标定精度。