锥束CT因其辐射剂量低,成像空间分辨率高,扫描时间短,被广泛应用于临床科室。Feldkamp-Davis-Kress(FDK)算法是其常用的重建算法,受到机械加工精度以及人工安装水平的影响,有时无法满足FDK算法要求的几何结构,从而导致重建图像存在几何伪影。基于现有几何标定方法,课题组提出了基于标定板的在线几何标定方法,该方法需要标定模体和待测物体同时成像,常规阈值分割方法难以满足需求,需要提出新的钢珠点分割方法。此外,常规锥束CT系统一般只能实现固有轨迹的扫描模式,为了突破传统锥束CT扫描轨迹的局限,实现课题组几何标定方法的验证,课题组搭建了机械臂锥束CT系统。在安装过程中,因人工安装误差以及机械加工误差的存在,两个机械臂之间的实际位置关系与其理想位置关系不一致,故需要进行校正得到两个机械臂真实的映射矩阵。针对以上问题,本文主要进行以下两个方面的研究。第一,提出三种机械臂CT系统的机械校正方法,分别是基于钢针工装、基于钢球工装和基于标定模体的校正方法。设计并加工了钢针和钢球的校正工装,使用示教器控制两个机械臂的移动,使得校正工装相触,从而建立两个独立机械臂的空间关联,最后通过最小二乘求解超定方程组得到机械臂坐标系的映射矩阵。基于标定模体的方法通过机械臂锥束CT扫描标定模体关联了两个独立的机械臂坐标系,以射线源机械臂坐标系下实际和计算获得的钢珠点投影坐标的误差平方和为目标函数,优化得到坐标系映射矩阵的旋转平移参数。通过仿真实验分析基于工装校正中对应点个数和扰动误差对校正精度的影响,以及基于模体方法中钢珠点个数和投影张数对校正精度的影响。最后通过5根钢针的水平和垂直拼接实验,对比三种方法的拼接结果,得出基于标定模体方法的精度较高。第二,为实现基于标定板的在线几何标定方法,本文提出基于U-Net和Mask R-CNN的钢珠点识别方法。首先对投影图像进行滤波和增强预处理,然后使用U-Net分割钢珠点,得到钢珠点掩模并提取重叠钢珠区域,使用Mask R-CNN识别经过上采样后的重叠钢珠图像中的每个钢珠点,之后通过圆弧段拟合椭圆分类并排序不同标定板上的钢珠点。通过仿真实验和真实实验验证该方法的精度,比较该方法和常规阈值分割方法的结果,从分割精度、运行时间、几何标定以及图像重建等方面证明本文的钢珠点识别方法结果更好,适用于在线几何标定过程。几何标定和图像重建的结果也证明了课题组提出的在线几何标定方法具有实际应用的潜力和价值。