摄像机是机器视觉系统获取图像的关键部件，摄像机和数码照相机、扫描仪等又被统称为图像传感器，其将被处理目标物体的光形象转换为视频电信号，再将此信号A/D转换并送到处理器后就可以处理、分析、识别该目标物体了。

    摄像机摄入的图像中的每一点的亮度反映了空间物体表面某点反射光的强度，而该点在图像上的位置于空间物体表面相应点的几何位置有关，这些位置的相互关系，由摄像机成像几何模型所决定，该几何模型的参数称为摄像机参数。这些参数必须由试验和计算决定，试验和计算的过程称为摄像机标定。  
 
    摄像机的标定过程就是确定摄像机的几何和光学参数，以及摄像机相对于世界坐标系的方位。由于标定精度的大小，直接影响着机器视觉的精度。因此，只有做好了摄像机标定工作，后续工作才能正常展开，可以说，提高标定精度也是当前科研工作的重要方面之一。
摄像机模型是光学成像几何关系的简化，zui简单的模型是线性模型，或称针孔模型（pin－hole model）。当计算精度要求较高，尤其是当摄像机的镜头是广角镜头时，线性模型不能准确的描述摄像机的成像几何关系，所以要用非线性模型。

    摄像机标定还与机器视觉系统的任务有关，在立体视觉中，一般需要使用两个或更多的摄像机，所以，还需要知道各个摄像机之间的几何关系。另外还有hand－eye calibration等。

    一般的摄像机标定方法都需要在摄像机前放一个已知形状与尺寸的物体，称为标定物或标定参照物（reference object）。由于，在某些视觉系统中（如机器人视觉系统，主动视觉系统等），需要经常改变摄像机的位置或调整摄像机光学系统（如光圈与焦距），因此，在每次调整后，都需要做摄像机标定。在这种情况下，在摄像机工作环境中放一个标定块常常是不现实的，而摄像机自标定是指不需要使用标定物的定标方法。

    中国机器视觉商城供应1394摄像机、USB摄像机、Gige千兆网摄像机、百兆网摄像机、LVDS摄像机、CameraLink摄像机等各种接口的工业摄像机。

    摄像机自标定相对于传统方法有更好的灵活性和实用性，通过多年的不懈努力，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。为了提高鲁棒性，在实际应用中建议更多的使用分层逐步自标定方法，并应对自标定的结果进行线性优化。线性摄像机的标定涉及到三个坐标系：图像坐标系、摄像机坐标系和世界坐标系。

    图像坐标系
    摄像机采集的图像以标准电视信号的形式经高速图像采集系统转换为数字图像，并输入计算机。每幅数字图像在计算机内为M*N数组，M行N列的图像中的每一个元素（称为像素，pixel）的数值即是图像点的亮度（或称灰度）。在图像上定义直角坐标系u,v，每个像素的坐标（u,v）分别以该像素为单位的图像坐标系坐标。由于（u,v）只表示像素位于数组中的列数和行数，并没有用物理单。

    摄像机坐标系
    摄影机坐标系的原点为摄像机光心，x轴与y轴与图像的X,Y轴平行，z轴为摄像机光轴，它与图像平面垂直。光轴与图像平面的交点，即为图像坐标系的原点，构成的直角坐标系称为摄像机坐标系。

    摄像机坐标系
    由于摄像机可安放在环境中的任意位置，在环境中选择一个基准坐标系来描述摄像机的位置，并用它描述环境中任何物体的位置，该坐标系称为世界坐标系。摄像机坐标系与世界坐标系之间的关系可以用旋转矩阵与平移向量来描述。