传统的相机标定方法包括Tasi两步法和张氏标定法，这些方法适用于任何型号的相机，精度较高。然而，标定物是必需的，算法是比较复杂的。

Tsai两步法是先线性地获得相机参数，然后考虑畸变因子，得到相机的初始参数值，然后通过非线性优化得到*终的相机参数。Tsai的两步法速度较快，但只考虑了径向畸变，在相机畸变严重时不适用。

张氏标定法采用二维正方形组成的标定板进行标定，采集标定板不同姿态的图片，提取图片中角点的像素坐标，通过单应矩阵计算出相机内外参数的初始值。对失真系数进行乘法估计，采用*大似然估计法对参数进行优化。该方法操作简单，精度高，能满足大多数场合的需要。

主动视觉标定方法不需要标定对象，算法简单，鲁棒性强。但成本高，设备昂贵。基于主动视觉的相机标定方法是通过主动系统控制相机做出特定的运动，利用控制平台控制相机采取特定的动作拍摄多组图像，并根据图像信息和已知的位移变化，求解相机的内外参数。这种标定方法需要配备精确的控制平台，因此成本相对较高。

相机自标定方法包括分层分步标定方法和基于Kruppa的自标定方法，它们具有灵活性和可在线标定性，但存在精度低、鲁棒性差的缺点。

分层分步标定方法首先对序列图像进行射影重建，然后在重建的基础上进行辐射定标和欧式定标，并通过非线性优化算法获得相机的内外参数。由于初始参数是模糊值，优化算法的收敛性是不确定的。

基于Kruppa的自标定方法是通过二次曲线建立关于相机内部参数矩阵的约束方程，利用至少3对图像进行标定。图像序列的长度会影响标定算法的稳定性，并且无法保证射影空间中的无限平面。