کالیبراسیون دوربین¬های یک سیستم¬های بینایی ماشین اولین قدم در پیاده¬سازی آنها است. در این پایان¬نامه یک روش کالیبراسیون دو مرحله¬ای بر مبنای یک الگوریتم بهینه¬سازی نوآورانه ارائه خواهد شد. در مرحله اول (کالیبراسیون ایستا)، با استفاده از یک شی ایستای چهار نقطه¬ای، موقعیت اولیه دوربین¬های سیستم¬ تخمین¬زده می¬شود. این عملیات با استفاده از الگوریتم¬های کلاسیک انجام خواهد شد. در ادامه نیز نشان داده خواهد شد که چگونه همپوشانی دوربین¬ها کمک می¬کند که این عملیات با درصد موفقیت¬ بالایی انجام گیرد. در مرحله بعدی (کالیبراسیون پویا) با استفاده از یک شی خطی که بصورت آزادانه در محیط حرکت می¬کند، تخمین¬های اولیه با استفاده از یک الگوریتم بهینه¬سازی غیر خطی بهبود داده خواهد شد. برای بهینه¬سازی، استفاده از الگوریتم لونبرگ-مارکارد در ادبیات مسئله رواج دارد. در این پایان¬نامه، با استفاده از یک الگوریتم بهینه¬سازی نوآورانه بر مبنای جداسازی که کالیبراسیون پویا را به دو مسئله 1) تخمین زوایای اویلر هر دوربین (یک مسئله بهینه¬سازی غیرخطی با بعد سه) و 2) مسئله تخمین بردار جابجایی دوربین¬ها و نقاط 3 بعدی شی پویا (یک مسئله محدب تحت قیود محدب غیر خطی) تفکیک می¬کند، انجام خواهد گرفت. در ادامه، با استفاده از تست¬های شبیه¬سازی و همچنین تست¬های تصاویر واقعی، عملکرد الگوریتم جداسازی با روش کلاسیک لونبرگ-مارکارد مقایسه خواهد شد. نشان داده خواهد شد از آنجا که روش بهینه¬سازی ارائه شده در این پایان¬نامه، دقت مساوی و یا بهتری نسبت به روش کلاسیک لونبرگ–مارکاد دارد و از آنجا که الگوریتم بطور بالقوه قادر است سرعت کالیبراسیون را نیز افزایش دهد، می¬تواند بعنوان جایگزین روش کلاسیک در حل مسائل کالیبراسیون مورد استفاده قرار گیرد.