1.一种智能巡检机器人摄像机角度自适应调整方法，其特征在于，包括以下步骤：步骤A、根据摄像机的针孔成像模型，利用平面方格点的摄像机标定方法，即三维空间坐标点与平面二维坐标点的映射关系，建立单目移动式测量系统模型；

所述步骤A中平面方格点的摄像机标定方法是指建立起场景中物点到图像上像点之间的映射关系，即预定义摄像机透视模型，参照该模型，通过已知特征点的世界坐标与图像坐标的对应关系，来求解摄像机透视模型中的各种参数；其中标定方法里的映射关系为其中， 为靶标平面的三维点的齐次坐标， 为图像平面的三维点的齐次坐标，s为任一非零尺度因子，A为摄像机的内参数矩阵；[R t]是摄像机外参矩阵，同时是一个3行4列的矩阵，具体而言，R为旋转矩阵，描述了世界坐标系的坐标轴相对于摄像机坐标轴的方向；t为平移矩阵，描述了在摄像机坐标系下空间原点的位置；

步骤B、根据三维空间坐标点与平面二维坐标点的映射关系，求出摄像机的内参数矩阵；其中内参数矩阵指摄像机自身特性相关的参数，包括摄像机的焦距和像素大小；

步骤C、通过智能巡检机器人的摄像机，获得在同一位置处两个不同时刻的巡检机器人拍摄的两幅图像，求出基础矩阵F和本质矩阵E的表达式；其中基础矩阵F表示两视图对极几何的内在射影关系，本质矩阵E为归一化图像坐标下的基本矩阵；

步骤D、根据步骤C所得两幅图像的投影方程，提取两个图像特征点的位置信息，包括特征点的二维坐标值；

步骤E、结合步骤D提取的图像特征点，利用8点算法，求解出基础矩阵F，再结合步骤B获得的内参数矩阵，求解出本质矩阵E，利用SVD算法对本质矩阵E分解，可以求得摄像机外参矩阵；外参矩阵实现了把点从世界坐标系转换到摄像机坐标系；其中摄像机外参矩阵包括旋转矩阵R和平移矩阵t；

步骤F、根据匹配的特征点，利用至少4对匹配点，结合SVD算法求解两幅图像之间的单应性矩阵；其中单应性矩阵表示一个图像到另外一个图像的投影映射关系；

步骤G、根据步骤F求出的单应性矩阵，求出两幅图像特征点对应的虚拟空间三维点，结合双目立体视觉测量原理和步骤E求出的摄像机外参矩阵，求出摄像机转动的角度，其中摄像机转动的角度就是机器人云台转动的角度；

所述步骤G中摄像机转动的角度即机器人云台转动的角度表达式为：

其中，P为步骤D中两幅图像匹配特征点中的一组匹配特征点对中其中一个特征点对应的空间特征点，P′为根据步骤G计算得出的虚拟空间三维点所求出的摄像机坐标系下的角度，根据摄像机坐标系的x和y轴进行分解，分别代表摄像机的左右和上下的转动角度，分解之后传递给摄像机的云台，实现摄像机角度的调整。

2.根据权利要求1所述的一种智能巡检机器人摄像机角度自适应调整方法，其特征在于：所述步骤D还包括：D1：在图像的重叠区域对SIFT特征点进行提取和匹配；

D2：利用RANSAC算法剔除图像对中的误匹配点，实现两幅图像间的SIFT特征点的精确配准。

3.根据权利要求1所述的一种智能巡检机器人摄像机角度自适应调整方法，其特征在于：所述步骤F还包括：F1：根据摄像机的透视投影模型两个时刻的图像之间的匹配点的图像坐标系和世界坐标系之间的关系式；

F2：根据SVD分解法求解单应性矩阵。

4.根据权利要求1所述的一种智能巡检机器人摄像机角度自适应调整方法，其特征在于：所述步骤C中基础矩阵F和本质矩阵E的表达式为：E＝SR

其中F为基础矩阵，E为本质矩阵，R为旋转矩阵，S为反对称矩阵，Ar和Al为两不同时刻摄像机内参数矩阵。

5.根据权利要求1所述的一种智能巡检机器人摄像机角度自适应调整方法，其特征在于：所述步骤A中移动式单目视觉测量系统是通过一个摄像机经过移动，虚拟成双目立体视觉系统，结合两幅图像之间的单应性矩阵，求出两不同时刻不同位置的摄像机对同一目标点的偏移角度。