摄像机标定是计算机视觉研究的一个关键问题，最近越来越受到广泛的重视。由于它是从二维(2D)图像提取三维(3D)空间信息必不可少的步骤，因此这项技术已被广泛应用于虚拟现实、医学图像重建、空间物体三维测量、人体运动捕获等领域。本文的研究范围主要涉及多个非平行摄像机的标定问题和对多摄像机标定的应用两个方面，应用上主要针对了人体关节点的三维重建。在阐述了摄像机标定基本原理的基础上，总结了国内外几种多摄像机系统的标定方法和各自标定的详细步骤，在此基础上提出本文的多摄像机标定方法，并将它应用在三维人体运动重建中。主要工作及取得的成果如下：(1)简要介绍了摄像机标定的基本原理，概括了直接线性变换方法、张正友标定法和Tsai两步法等摄像机标定方法。给出了摄像机标定中常用的几种非线性优化算法。(2)针对本课题，按照标定物的维数，详尽概述了国内外几种多摄像机标定方法和各自算法的详细步骤，在此基础上提出了本文所采用的两种多摄像机标定方法。(3)提出了两种不同的多摄像机标定方法。分别是基于OpenCV的多摄像机标定和基于平面模板的多摄像机标定方法。对于摄像机内参，两者都采用了张正友标定方法；对于外参，前者用多台摄像机共同拍摄场地中心的一块规则区域分别得到该区域上的指定点与每张图像上的点之间的对应，先利用OpenCV的方法计算该区域相对于每个摄像机坐标系的外参,反然后向操作求出每个摄像机相对于该区域的位置关系，最终得到每个摄像机精确的外参。后者在ICP算法的基础上，结合了VR算法的约束优化思想，先通过两两相邻像机间自由移动平面模板计算两者的位置关系,最后将每一个摄像机统一到一个世界坐标系。(4)在摄像机标定技术的基础上，通过标记点ID匹配和采用极线约束减少误匹配点的策略，对人体关节点进行了三维重建。后面的实验结果表明了本文的方法能够满足后续三维重建所需的精度要求，是比较有效的标定方法。