相机模型是计算机视觉与自动驾驶领域中用于描述三维世界到二维图像投影过程的数学模型。它将现实场景中的三维点坐标转换为相机成像平面上的二维像素坐标，这一过程涉及内参（焦距、主点坐标等）和外参（相机位置与姿态）的精确建模。最经典的针孔相机模型通过透视投影原理简化了光线传播过程，而鱼眼相机模型等则通过非线性畸变参数来表征广角镜头的成像特性。
在自动驾驶系统中，准确的相机模型是实现环境感知的基础。例如，多相机系统的标定依赖相机模型参数来消除图像畸变，而视觉SLAM（同步定位与地图构建）则需通过模型反推三维空间结构。当前研究趋势正从传统参数化模型向基于神经网络的隐式表示演进，特斯拉的HydraNet等方案已证明端到端相机建模在复杂场景中的优势。延伸阅读推荐《Multiple View Geometry in Computer Vision》（Hartley & Zisserman著）中关于相机几何的经典论述。