对于航空相机的标定首先要选择合适的相机模型，确定其内部参数，在此选用针孔模型，理想的针孔模型是线性模型［1 －2］ ，然而线性模型不能很精确的描述成像过程，通常还要对其进行补偿。设(x w ，y w ，z w )表示三维世界坐标系中的某目标点的坐标，(x c ，y c ，z c )表示同一点在相机坐标系下的坐标。(u，v)表示以像素为单位的计算机图像坐标系的坐标，(x，y)表示以毫米为单位的相机坐标系的坐标。在 x，y 坐标系中，原点o，定义在相机光轴与图像平面的交点，该点一般位于图像中心，当由于摄像机制的原因，也会有些偏离。若 o，在 u，v坐标系中的坐标为(u 0 ，v 0 )，每一个像素在 x 轴与 y 轴上的物理尺寸为 dx，dy，则图像中任意一个像素在 2 个坐标系下的坐标关系为［3 －6］。
o c 为摄像机的光心，x c 轴和 y c 轴与图像的 x 轴与 y 轴平行，z c 轴为摄像机的光轴，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，由点 o c 与 x c ，y c ，z 轴组成的直角坐标系称为摄像机坐标系。o c o 为摄像机的焦距。由于摄像机可安装在环境中任何位置，在环境中还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，它由 x w y w z w组成。
在线性相机模型中，空间任何一点 p 在图像中的成像位置可以用针孔模型近似表示，即任何点 p 在图像上的投影位置 p / ，p / 为光心 o c 与 p 点的连线 oc p 与图像平面的交点，这种关系也称为透视投影。如图 1 所示，根据光学原理以及点 p 在摄像机坐标系和图像坐标系下的投影关系可得。
由上式可见，m 矩阵乘以任意不为 0 的常数并不影响(x w ，y w ，z w )与(u，v)的关系，因此，可以指定 m 34 =1，从而得到关于 m 矩阵其他元素的 2n 个线性方程，这些未知元素个数为 11 个，记为11 维向量，所以，上式可以简写成 km = u，k为 2n ×11 矩阵，m 为未知的 11 维向量，u 为 2n 维向量。k和 u 为已知向量，当 2n ﹥ 11 时，可用最小二乘法求出上述线性方程的解为:m = (k t k)－1 k t u。由此可见，由空间 6 个以上已知点与它们的图像点坐标，可以求出 m 矩阵。求出 m 矩阵后，就可以通过一些推导算出摄像机的全部内外参数了。由于实际的镜头并不是理想的透视成像，而是有不同程度的畸变，使得空间点的成像受到镜头失真影响而在偏离线性模型描述的位置(x'，y')，有:
式中:δ x、δy 是非线性畸变值，它与图像点在图像中的位置有关。镜头的畸变主要是径向畸变，也有轻微的切向畸变。在摄像机标定要考虑径向畸变系数 k 1 、k 2 和切向畸变系数 p 1 、p 2 。将此畸变代入到线性方程中，一并求解。
为了验证标定方法的有效性和可行性，进行了模拟实验。制作 9 ×11 为20 mm 的特征点网格标定模板(如图2)，特征点为把每个正方形对角连线的点。对角线把正方形分成 4 份，将对角的 2 个三角形涂黑，可以方便亚像素级角点检测。
