[我正在研究视觉测距法，并且可以通过YouTube 2015/16播放有关摄影测量I和II的播放列表来观看Cyrill Stachniss教授的视频录像。
[首先，如果要创建自己的数据集（例如VO的KITTI数据集或牛津校园数据集），我用相机拍摄的图像的属性是什么。它们只是图像吗？或者，它们是否具有某些特殊属性？也就是说，如何使用单目或立体摄像机创建自己的数据集。
[其次，如果我成功创建（必须做！）我自己的数据集，我将如何从图像中获取camare参数？如何从图像中了解外部参数和固有参数？
谢谢。
要从图像中获取外部参数和固有参数，您必须具有一组形状各异的已知形状的图像。自行完成这项任务并非易事，因为常见的CV库/解决方案具有用于相机校准的内置实用程序（我必须处理OpenCV库和Matlab CV软件包，它们通常是相同的）。黑白棋盘或其他简单的几何图案。
然后使用已知的相机参数，您可以操纵自己的数据集。
如果要用数据集对某些视觉测距算法进行基准测试，肯定会需要相机的固有参数及其姿势。
如@ f4f答案中所述，固有校准通常是通过倾斜和旋转棋盘的某些图像来完成的（请参见opencv）。这将为您提供参数，例如焦距，光学中心以及畸变系数，视您的相机而定，这些系数可能很重要。
在每一帧获取相机的姿势（即外部参数）可能会比较棘手。通常，使用来自其他传感器（跟踪系统，IMU，GPS等）的信息来获取地面真相。您可以看一下：TUM RGB-D SLAM Dataset和相应的paper。他们解释了如何使用运动捕捉系统获得地面真实姿势。
记录摄像机帧的获取时间也很有趣（每帧一个时间戳）。
创建自己的视觉里程表数据集并非易事。如果您只是想创建一个“有趣的”数据集或进行一些实验，并且只有一台可用的相机，我想您可以尝试一些已知有效的方法（例如ORB-SLAM）。这将为您提供近似的相机姿势（您可能必须手动修复未知比例）。