CN104794718A - 一种单图像ct机房监控摄像机标定的方法 - Google Patents

Abstract

本发明公开了一种单图像CT机房监控摄像机标定的方法，包括：利用待标定摄像机对结构已知的规则立体物进行拍摄，获得一幅图像；根据规则立体物的结构特征，获得若干角点的三维世界坐标值以及所对应的二维图像坐标值；将每一角点的二维图像坐标值、三维世界坐标值分别代入摄像机模型中，利用设定初始值的迭代优选方法进行初次迭代优化求解，得到初次摄像机内外参数；根据规则立体物的结构特征，获得若干等分割离散点的三维世界坐标值以及所对应的二维图像坐标值；将每一等分割离散点的二维图像坐标值、三维世界坐标值分别代入摄像机模型中，利用初次摄像机内外参数作为初始值的迭代优选方法进行二次迭代优化求解，得到精确摄像机内外参数。

Description

一种单图像CT机房监控摄像机标定的方法

技术领域

本发明涉及计算机视觉检测技术领域，尤其涉及一种单图像CT机房监控摄像机标定的方法。

背景技术

在计算机视觉应用中，为了获取图像像素点点与实际物理空间点之间的对应关系，摄像机标定是必不可少的过程。摄像机标定，在假定摄像机模型下，利用摄像机所拍摄到的图像来还原空间中的物体。经过对图像的处理，利用一系列数学变换和计算方法，获得摄像机内部的几何和光学特性(也即内部参数)，以及摄像机坐标系相对于空间坐标系的位置关系(也即外部参数)。

1)内部参数包括f,(Cx,Cy),k1,sx，其中：

f：焦距，单位毫米；

(Cx,Cy)：图像中心点或主点的坐标，单位是像素；

k1：镜头径向畸变的一阶系数；

sx：非确定性尺度因子，它是由摄像机横向扫描与采样定时误差引起的。

2)外部参数包括R和T，其中：

R、T分别是世界坐标系与摄像机坐标系之间的旋转矩阵和平移向量。若摄像机坐标系在世界坐标系下的方向：绕X轴逆时针旋转角度(alpha，α),绕Y轴逆时针旋转角度(beta，β)，绕Z轴逆时针旋转角度(gamma，γ)，则旋转矩阵为：

$R=R_{\mathrm{\α}}{R}_{\mathrm{\β}}{R}_{\mathrm{\γ}}=\left[\begin{array}{ccc}{r}_{11}& r_{12}& r_{13}\\ r_{21}& r_{22}& r_{23}\\ r_{31}& r_{32}& r_{33}\end{array}\right]$

其中，

$R_{\mathrm{\α}}=\left[\begin{array}{ccc}1& 0& 0\\ 0& \cos \mathrm{\α}& \sin \mathrm{\α}\\ 0& -\sin \mathrm{\α}& \cos \mathrm{\α}\end{array}\right],R_{\mathrm{\β}}=\left[\begin{array}{ccc}\cos \mathrm{\β}& 0& -\sin \mathrm{\β}\\ 0& 1& 0\\ \sin \mathrm{\β}& 0& \cos \mathrm{\β}\end{array}\right],R_{\mathrm{\γ}}=\left[\begin{array}{ccc}\cos \mathrm{\γ}& \sin \mathrm{\γ}& 0\\ -\sin \mathrm{\γ}& \cos \mathrm{\γ}& 0\\ 0& 0& 1\end{array}\right]$

而T＝[Tx,Ty,Tz]’，其中Tx，Ty，Tz：从世界坐标系到摄像机坐标系变换的沿三个坐标轴的平移量。

在计算机视觉中，摄像机模型解决的是三维场景中的点与图像平面上的点对应的问题。相机模型是光学成像几何关系的简化，最简单最常用的摄像机模型是针孔模型(pinhole model)。如图1所示，针孔相机模型是根据透镜成像原理推导出来的，它是线性的，因此也成为摄像机线性模型。针孔相机模型不考虑镜头畸变，却能给出实际摄像机一个很好的近似，很多摄像机标定方法的研究都是建立在针孔相机模型的基础之上。

参考图1～图2，我们考虑空间点到一张平面上的中心投影，令投影中心位于一个欧式坐标系的原点，而平面z＝f被称为图像平面，其中f是摄像机的焦距。在针孔摄像机模型下，空间坐标为M＝(X,Y,Z)^T的点M被映射到图像平面上的一点，该点是连接点M与投影中心的直线与图像平面的交点。根据相似三角形，可以很快计算出点(X,Y,Z)^T被映射到图像平面上点(fX/Z,fY/Z,f)^T。略去最后一个图像坐标之后，从世界坐标到图像坐标的中心投影是：

这是从3维欧式空间IR³到2维欧式空间IR²的一个映射。

投影中心被称为摄像机中心，摄像机中心到图像平面的垂线称为摄像机的主轴，而主轴与图像平面的交点称为主点。过摄像机中心平行于图像平面的平面称为摄像机的主平面。

如果用齐次矢量表示世界和图像点，那么中心投影可以非常简单地表示成齐次坐标系之间的线性映射。具体的说，上述公式可以写成如下矩阵乘积形式：

假设我们世界点M用4维齐次矢量(X,Y,Z,1)^T表示；图像点m被表示成3维齐次矢量的形式；P表示3×4齐次摄像机投影矩阵。这样一来上述公式可以紧凑地写成m＝PM。它定义了中心投影的针孔模型的摄像机矩阵为：

$P=\mathrm{diag}(f,f,1)\left[I\right|0]=\left[\begin{array}{cccc}f& & & 0\\ & f& & 0\\ & & 1& 0\end{array}\right].$

常见的摄像机标定方法有以下几种：

1)传统摄像机标定法：

利用传统标定法进行摄像机标定的时候，需要使用标定参照物。传统标定法可包括直接线性变换标定法(DLT)，径向排列约束(RAC)标定法，主动视觉标定法和平面标定法等。下面以直接线性变换标定法和径向排列约束标定法为例，描述一下传统标定法的基本原理。

直接线性变换标定法(DLT)：直接线性变换标定法是由Abdal-Aziz和Karara于70年代初提出的。该方法首先需建立摄像机成像模型线性方程组，并测出场景中一组点的世界坐标和其在成像平面上的对应坐标，然后将这些坐标值代入该线性方程组中求出该线性方程组的未知系数，该线性方程组的系数包含了摄像机的内部参数。

Tsai两步摄像机标定法：该方法第一步是利用透视矩阵变换建立线性方程并求解，得到大部分外部参数的精确解；第二步，求得的参数为初始值，将其余外部参数与畸变系数等带入非线性系数进行迭代求解。由于RAC方法考虑了径向畸变，因此相比DLT方法，它的精度更高。

2)基于主动视觉的标定方法：

要控制摄像机做某些特殊运动，如绕广心旋转或纯平移等，利用这种运动的特殊性计算出内部参数。

3)自标定方法：

通常假定在拍摄不同图像时，摄像机的内部参数没有发生变化，且图像点之间的对应关系已经确定，依据多幅图像中成像点间存在的特殊约束关系，通过图像点之间的对应关系对摄像机进行标定。

由于传统标定法在拍摄和标定过程中一直需要使用标定参照物，因而给拍摄操作及标定方法的使用带来了很大的不便。并且需要使得标定物体和摄像机之间产生相对运动，以使得拍摄的多幅图像有大的差异性，使得操作非常不方便。摄像机每次改变角度，或移动位置都需要再次使用标定物体进行摄像机标定。

使用基于主动视觉的标定方法时，必须控制摄像机做某些特殊运动，但是大多数情况下很难获知摄像机的运动状态、或者摄像机的运动状态根本就是无法获知的，在这些情况下，就不能使用基于主动视觉的标定方法。

使用自标定方法时：由于是在假定内部参数没有发生变化，且图像点之间的对应关系已经确定的前提下进行标定，标定精度较差，稳定性不太好，且在内部参数发生变化时不能使用。

因此，需要提供一种改进的摄像机标定方法，以解决上述问题。

发明内容

本发明实施例的目的是提供一种单图像CT机房监控摄像机标定的方法，利用一个不显眼的规则的常见物体作为标定参考物，只需拍摄一次即可对摄像机进行标定，整个操作过程简单、快速,而且精度高。

本发明实施例提供了一种单图像CT机房监控摄像机标定的方法，包括步骤：

利用待标定摄像机对结构已知的一规则立体物进行拍摄，获得一幅图像；

以所述规则立体物为基准对其构建世界坐标系，从而得到所述规则立体物的若干角点的三维世界坐标值；

对所述图像进行图像处理，获得所述若干角点所对应的二维图像坐标值；

将每一所述角点的二维图像坐标值、三维世界坐标值分别代入描述图像坐标系和世界坐标系之间映射关系的摄像机模型中，并利用设定初始值的迭代优选方法进行初次迭代优化求解，从而得到初次摄像机内外参数；

根据已建立的所述世界坐标系，得到所述规则立体物的边界线上的若干等分割离散点的三维世界坐标值；

对所述图像进行图像处理，获得所述若干等分割离散点所对应的二维图像坐标值；

将每一所述等分割离散点的二维图像坐标值、三维世界坐标值分别代入所述描述图像坐标系和世界坐标系之间映射关系的摄像机模型中，并利用所述初次摄像机内外参数作为初始值的迭代优选方法进行二次迭代优化求解，从而得到精确摄像机内外参数。

作为上述方案的改进，所述描述图像坐标系和世界坐标系之间映射关系的摄像机模型为：

$s\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=K\left(\begin{array}{cc}R& t\end{array}\right)\left[\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right]=P_{3\×4}\left[\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right]$

其中，s是一个比例因子，(X_w，Y_w，Z_w，1)表示世界坐标系中任意一点P的坐标值，(u，v，1)表示该P点所对应的图像坐标系上的坐标值，R、t分别为摄像机外参数中的旋转矩阵和平移向量，P_3×4为摄像机投影矩阵；

K为摄像机内参数，且满足：

$K=\left[\begin{array}{ccc}{f}_u& 0& x_0\\ 0& f_v& y_0\\ 0& 0& 1\end{array}\right]$

其中，(x₀，y₀)为所述图像的中心点坐标值，f_u为所述图像平面横轴上尺度因子，f_v为所述图像平面纵轴上尺度因子，且f_u＝f/dx,f_v＝f/dy,f为所述待标定摄像机的焦距。

作为上述方案的改进，所述规则立体物包括但不限于圆柱体、椭球体、立方体或球体。

作为上述方案的改进，以所述规则立体物的任一所述角点或角点之间的中点作为构建的所述世界坐标系的中心点。

作为上述方案的改进，所述等分割离散点的个数多于所述角点的个数。

作为上述方案的改进，所述图像处理的方法包括SIFT特征点检测法或颜色分割法。

作为上述方案的改进，所述迭代优选方法为最小二乘法。

作为上述方案的改进，所述设定初始值包括：焦距的初始值设为所述图像宽高之和的一半；旋转矩阵初始值设为0；平移向量初始值设为0。

作为上述方案的改进，通过张正友棋盘格标定法、Tsai棋盘格标定法或Hartley中的迭代优化进行初次迭代优化求解和二次迭代优化求解,并使求解误差最小。

与现有技术相比，本发明公开的单图像CT机房监控摄像机标定的方法利用待标定摄像机对结构已知的一规则立体物进行一次拍摄获得图像，利用结构已知的规则立体物的结构特征，获得物体角点的三维世界坐标值和对应的二维图像坐标值，然后进行第一次迭代优化，从而获得摄像机的初次内外参数(粗糙参数)；并利用结构已知的规则立体物的结构特征，获得物体边界线上的若干等分割离散点(细分)的三维世界坐标值和对应的二维图像坐标值，并以初次内外参数(粗糙参数)为初始值，进行第二次迭代优化，获得最终摄像机内外参数(精确参数)，整个操作过程简单、快速,而且精度高。

附图说明

图1是现有技术中针孔相机模型的原理示意图。

图2是现有技术中针孔相机模型的原理示意图。

图3是本发明实施例中一种单图像CT机房监控摄像机标定的方法的流程图。

图4是本发明实施例摄像机标定的方法中第一次迭代优化求解精确解的示意图。

图5是本发明实施例摄像机标定的方法中第二次迭代优化求解精确解的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的一种单图像CT机房监控摄像机标定的方法主要针对医疗系统中的高端摄像机进行标定，该类型摄像机往往可以忽略摄像机内部参数中的畸变参数和非确定性尺度因子，因此，本发明的摄像机标定方法无需求解这两个摄像机内参数。

图3是本发明实施例提供的一种单图像CT机房监控摄像机标定的方法的流程示意图。如图3所示，根据本实施例的摄像机标定的方法，包括以下步骤：

步骤S101：利用待标定摄像机对结构已知的一规则立体物进行拍摄，获得一幅图像。

具体的，所述规则立体物包括但不限于圆柱体、椭球体、立方体或球体。而已知结构可以根据具体情况设置或测量。然后，利用待标定内、外参数的摄像机对该结构已知的规则立体物进行拍摄，从而得到一幅图片(图像)。

步骤S102：以所述规则立体物为基准对其构建世界坐标系，从而得到所述规则立体物的若干角点的三维世界坐标值。

具体的，可以以所述规则立体物的任一所述角点或角点之间的中点作为世界坐标系的中心点构建世界坐标系。由于所述规则立体物的结构已知，因此，当以其中一个角点或角点之间的中点作为世界坐标系的中心点(原点)时，其他角点的三维世界坐标值可相应计算得到。

步骤S103：对所述图像进行图像处理，获得所述若干角点所对应的二维图像坐标值。

其中，可采取SIFT特征点检测法或颜色分割法等图像处理，计算得到所述若干角点对应的二维图像坐标值。

步骤S104：将每一所述角点的二维图像坐标值、三维世界坐标值分别代入描述图像坐标系和世界坐标系之间映射关系的摄像机模型中，并利用设定初始值的迭代优选方法进行初次迭代优化求解，从而得到初次摄像机内外参数。

具体的，描述图像坐标系和世界坐标系之间映射关系的摄像机模型为：

$s\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=K\left(\begin{array}{cc}R& t\end{array}\right)\left[\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right]=P_{3\×4}\left[\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right]---\left(1\right)$

其中，s是一个比例因子，(X_w，Y_w，Z_w，1)表示世界坐标系中任意一点P的坐标值，(u，v，1)表示该P点所对应的图像坐标系上的坐标值，R、t分别为摄像机外参数中的旋转矩阵和平移向量，P_3×4为摄像机投影矩阵；

K为摄像机内参数，且满足：

$K=\left[\begin{array}{ccc}{f}_u& 0& x_0\\ 0& f_v& y_0\\ 0& 0& 1\end{array}\right]$

其中，(x₀，y₀)为所述图像的中心点坐标值，f_u为所述图像平面横轴上尺度因子，f_v为所述图像平面纵轴上尺度因子，且f_u＝f/dx,f_v＝f/dy,f为所述待标定摄像机的焦距。

依次将每一个所述角点的二维图像坐标值、三维世界坐标值分别代入该摄像机模型中后，可通过张正友棋盘格标定法、Tsai棋盘格标定法或Hartley中的迭代优化进行初次迭代优化求解该超定线性方程组,并使求解误差最小。

优选的，可采取最小二乘法求解该超定线性方程组，得到初次摄像机内外参数(粗糙的摄像机内外参数)。

可以理解的，在进行初次迭代优化时，需要预先设置该次迭代优化的(摄像机内外参数)初始值，包括焦距、旋转矩阵、平移向量。例如，设定的初始值可为：焦距的初始值设为所述图像宽高之和的一半；旋转矩阵初始值设为0；平移向量初始值设为0。

步骤S105：根据已建立的所述世界坐标系，得到所述规则立体物的边界线上的若干等分割离散点的三维世界坐标值。

其中，所述等分割离散点的个数多于所述角点的个数。另外，所述等分割离散点可包括上述角点。同理，由于所述规则立体物的结构已知，因此，当以其中一个角点或角点之间的中点作为世界坐标系的中心点(原点)时，所述等分割离散点的三维世界坐标值可相应计算得到。

步骤S106：对所述图像进行图像处理，获得所述若干等分割离散点所对应的二维图像坐标值。

具体的，可采取SIFT特征点检测法或颜色分割法等图像处理方法检测到图像上的边界线，然后通过近似等分曲线，或者按照递减比率划分曲线计算得到所述等分割离散点对应的二维图像坐标值。

步骤S107：将每一所述等分割离散点的二维图像坐标值、三维世界坐标值分别代入所述描述图像坐标系和世界坐标系之间映射关系的摄像机模型中，并利用所述初次摄像机内外参数作为初始值的迭代优选方法进行二次迭代优化求解，从而得到精确摄像机内外参数。

具体的，描述图像坐标系和世界坐标系之间映射关系的摄像机模型如上述公式(1)所示，依次将每一个所述等分割离散点的二维图像坐标值、三维世界坐标值分别代入该摄像机模型中后，可通过张正友棋盘格标定法、Tsai棋盘格标定法或Hartley中的迭代优化或最小二乘法进行二次迭代优化求解该超定线性方程组，而且，在进行二次迭代优化求解时，以初次迭代优化求解得到的初次摄像机内外参数(粗糙的摄像机内外参数)作为该次迭代优化求解的初始值，从而得到最终摄像机内外参数(精确的摄像机内外参数)。

下面，结合图4～图5，通过一个具体实施例，对本发明的一种单图像CT机房监控摄像机标定的方法进行进一步描述。

在本实施例中，该单图像摄像机标定的方法主要包括以下几个主要步骤：

1、拍摄一张给定参考物的图像；

给定参考物是：一个已知结构的圆柱体、球体、带折线的规则立体物，已知结构可以根据具体情况设置或测量。

如图4～图5所示，利用待标定摄像机对结构已知的规则的物体(圆柱体)进行拍摄，从而获得一幅物体图像。

2、粗糙估计：利用物体的结构特征，获得物体角点的二维、三维坐标，并进行第一次迭代优化，获得摄像机的内外参数并保存。具体包括：

2.1摄像机模型使用针孔摄像机模型。

三维世界坐标系映射到二维图像坐标系的摄像机映射公式为：

$s\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=K\left(\begin{array}{cc}R& t\end{array}\right)\left[\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right]=P_{3\×4}\left[\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right]$

其中，

1) $K=\left[\begin{array}{ccc}{f}_u& 0& x_0\\ 0& f_v& y_0\\ 0& 0& 1\end{array}\right],$ 内部参数可以简化，两个轴向的焦距相等均为f；且无径向、切向畸变。

2)f：焦距，单位毫米；

3)(x0,y0)：图像中心点或主点的坐标，单位是像素，简化图像的中心点就为所拍摄图像的中心点，为已知；

2.2计算三维世界坐标值

参考图4，该圆柱体的角点包括ABCD四个点，计算该四个点的三维世界坐标值的步骤包括：

1)可以假设世界坐标系的中心点在圆柱体的ABCD点中任意一点，也可以是AB的中点，或CD的中点；

2)进一步假设AB的长度为一个度量单位，当然也可以拿尺子量出多少毫米；

3)以AB为单位，则A、B、C、D的三维世界坐标点坐标很容易推导出来，因为是个已知的圆柱体。

2.3计算对应的二维图像坐标值

计算A、B、C、D三维世界坐标点对应的图像点A’、B’、C’、D’坐标。

例如，通过图像处理，如SIFT特征点检测的方法可获得。也可以通过颜色分割的方法求出曲面，再找到该四个角点的二维图像坐标值。

2.4设置初次迭代优化的初始值，如焦距、旋转矩阵、平移向量。

焦距初始值设为图像宽高之和的一半；

旋转矩阵初始值设设为0；

平移向量初始值设为0

2.5第一次迭代优化求解

按照张正友棋盘格标定法、Tsai棋盘格标定法或Hartley的多视几何学中的迭代优化求解的方法，求解最小误差的：

$s\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=K\left(\begin{array}{cc}R& t\end{array}\right)\left[\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right]=P_{3\×4}\left[\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right]$

对于上述公式中，我们现在已经知道了这个图像二维坐标点的值(u,v,1)，也知道了这个图像二维坐标点对应的三维坐标点的值(Xw,Yw,Zx,1)，而未知的就是摄像机内参K和外参数R和t。可通过最小二乘法求解所述超定线性方程组，求解出初次的粗糙的摄像机内外参数，作为二次迭代优化求解的初始值。

3、精确估计：利用物体的结构特征，生成细分的三维坐标点和对应的二维坐标点；利用获得的二维和三维坐标，并以粗糙估计的内外参数为初始值，进行第二次迭代优化，获得精确的摄像机内外参数。具体包括：

3.1计算三维世界坐标值

如图5所示，圆柱体上的边界线包括平行的AB曲线、CD曲线，其对应的等分割离散点也是平行的，而且曲线AB上的点和曲线CD上的点差一个方向的、长度为AC或BD的平移关系，故而可以或者这些离散点的三维世界坐标值；

3.2计算二维图像坐标值

1)如图5所示，通过图像处理的方法可以检测到曲线A’B’和曲线C’D’；

2)同样，近似等分曲线，或者按照递减比率划分曲线；

3)从而获得了三维的等分割离散点所对应的二维图像坐标值。

3.3第二次迭代优化求解

同理第一次，可以把第一次迭代优化的误差方程和第二次的误差方程合并一起进行第二次迭代优化(即，将第一次迭代优化求解得到的粗糙的摄像机内外参数，作为第二次迭代优化求解的初始值)。

$s\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=K\left(\begin{array}{cc}R& t\end{array}\right)\left[\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right]=P_{3\×4}\left[\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right]$

同样，对于上述公式中，我们现在已经知道了这个图像二维坐标点的值(u,v,1)，也知道了这个图像二维坐标点对应的三维坐标点的值(Xw,Yw,Zx,1)，而未知的就是摄像机内参K和外参数R和t。可通过最小二乘法求解所述超定线性方程组(初始值为第一次迭代优化求解得到的粗糙的摄像机内外参数)，求解出第二步的精确的摄像机内外参数。

综上所述，本发明公开的单图像CT机房监控摄像机标定的方法利用待标定摄像机对结构已知的一规则立体物进行一次拍摄获得图像，利用结构已知的规则立体物的结构特征，获得物体角点的三维世界坐标值和对应的二维图像坐标值，然后进行第一次迭代优化，从而获得摄像机的初次内外参数(粗糙参数)；并利用结构已知的规则立体物的结构特征，获得物体边界线上的若干等分割离散点(细分)的三维世界坐标值和对应的二维图像坐标值，并以初次内外参数(粗糙参数)为初始值，进行第二次迭代优化，获得最终摄像机内外参数(精确参数)，整个操作过程简单、快速,而且精度高。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (9)

1.一种单图像CT机房监控摄像机标定的方法，其特征在于，包括步骤：

利用待标定摄像机对结构已知的一规则立体物进行拍摄，获得一幅图像；

以所述规则立体物为基准对其构建世界坐标系，从而得到所述规则立体物的若干角点的三维世界坐标值；

对所述图像进行图像处理，获得所述若干角点所对应的二维图像坐标值；

将每一所述角点的二维图像坐标值、三维世界坐标值分别代入描述图像坐标系和世界坐标系之间映射关系的摄像机模型中，并利用设定初始值的迭代优选方法进行初次迭代优化求解，从而得到初次摄像机内外参数；

根据已建立的所述世界坐标系，得到所述规则立体物的边界线上的若干等分割离散点的三维世界坐标值；

对所述图像进行图像处理，获得所述若干等分割离散点所对应的二维图像坐标值；

将每一所述等分割离散点的二维图像坐标值、三维世界坐标值分别代入所述描述图像坐标系和世界坐标系之间映射关系的摄像机模型中，并利用所述初次摄像机内外参数作为初始值的迭代优选方法进行二次迭代优化求解，从而得到精确摄像机内外参数。

2.如权利要求1所述的单图像CT机房监控摄像机标定的方法，其特征在于，所述描述图像坐标系和世界坐标系之间映射关系的摄像机模型为：

$s\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=K\left(\begin{array}{cc}R& t\end{array}\right)\left[\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right]=P_{3\×4}\left[\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right]$

其中，s是一个比例因子，(X_w，Y_w，Z_w，1)表示世界坐标系中任意一点P的坐标值，(u，v，1)表示该P点所对应的图像坐标系上的坐标值，R、t分别为摄像机外参数中的旋转矩阵和平移向量，P_3×4为摄像机投影矩阵；

K为摄像机内参数，且满足：

$K=\left[\begin{array}{ccc}{f}_u& 0& x_0\\ 0& f_v& y_0\\ 0& 0& 1\end{array}\right]$

其中，(x₀，y₀)为所述图像的中心点坐标值，f_u为所述图像平面横轴上尺度因子，f_v为所述图像平面纵轴上尺度因子，且f_u＝f/dx,f_v＝f/dy,f为所述待标定摄像机的焦距。

3.如权利要求1所述的单图像CT机房监控摄像机标定的方法，其特征在于，所述规则立体物包括但不限于圆柱体、椭球体、立方体或球体。

4.如权利要求1所述的单图像CT机房监控摄像机标定的方法，其特征在于，以所述规则立体物的任一所述角点或角点之间的中点作为构建的所述世界坐标系的中心点。

5.如权利要求1所述的单图像CT机房监控摄像机标定的方法，其特征在于，所述等分割离散点的个数多于所述角点的个数。

6.如权利要求1所述的单图像CT机房监控摄像机标定的方法，其特征在于，所述图像处理的方法包括SIFT特征点检测法或颜色分割法。

7.如权利要求1所述的单图像CT机房监控摄像机标定的方法，其特征在于，所述迭代优选方法为最小二乘法。

8.如权利要求1或2所述的单图像CT机房监控摄像机标定的方法，其特征在于，所述设定初始值包括：焦距的初始值设为所述图像宽高之和的一半；旋转矩阵初始值设为0；平移向量初始值设为0。

9.如权利要求1或2所述的单图像CT机房监控摄像机标定的方法，其特征在于，通过张正友棋盘格标定法、Tsai棋盘格标定法或Hartley中的迭代优化进行初次迭代优化求解和二次迭代优化求解,并使求解误差最小。