机器视觉的基本任务之一是从工业相机获取图像信息并计算三维空间中物体的几何信息，以此重建和识别物体。而空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系是由工业相机成像的几何模型决定的，这些几何模型参数就是工业相机参数。在大多数条件下，这些参数必须通过实验与计算才能得到，这个过程被称为工业相机标定。

总的来说，工业相机的标定可以分为传统标定方法和自标定方法两大类。传统工业相机标定的基本方法是在一定的相机模型下，通过对特定标定参照物进行图像处理，并利用一系列数学变换公式计算及优化，来求取相机模型内部参数和外部参数。 传统的工业标定方法按照标定参照物与算法思路可以分成若干类，如基于3D立体靶标的工业相机标定、基于2D平面靶标的工业相机标定、以及基于径向约束的工业相机标定等。

然而，该方法在场景未知和工业相机任意运动的一般情况下，其标定很难实现。20世纪90年代初，Faugeras，Luong，Maybank等人提出了工业相机自标定方法。这种自标定法利用工业相机本身参数之间的约束关系来标定，而与场景和工业相机的运动无关，不依赖于标定参照物，仅利用相机在运动过程中周围环境图像与图像之间的对应关系来对相机进行标定。目前已有的自标定技术大致可以分为基于主动视觉的工业相机自标定技术、直接求解Kruppa方程的工业相机自标定方法、分层逐步标定法、基于二次曲面的自标定方法等几种。

相机自标定相对于传统方法有更好的灵活性和实用性，通过十多年的不懈努力，理论上的问题已基本解决，目前研究的重点是如何提高标定算法的鲁棒性以及如何很好地用这些理论来解决实际视觉问题。维视图像VS220双目立体视觉测量系统平台采用双相机或多相机对空间自由运动体的三维位置坐标及姿态进行高精度测量，高精度的标定模板、完善的工业相机标定数学模型对标靶特征点进行子像素检测，保证系统的标定精度，为系统的高精度测量提供保证。