專利名稱：一種基于surf的高密度封裝元器件定位方法
技術(shù)領(lǐng)域：
本發(fā)明涉及精密電子組裝中的識(shí)別定位領(lǐng)域，特別涉及一種基于SURF(Speededup robust features,加速魯棒性特征)的高密度封裝元器件定位方法。
背景技術(shù)：
SMT自20世紀(jì)60年代以來(lái)，經(jīng)歷50年的發(fā)展，已進(jìn)入完全成熟的階段。當(dāng)前SMT不僅成為當(dāng)代電路組裝技術(shù)的主流和電子工業(yè)界的支柱制造生產(chǎn)技術(shù)，而且正繼續(xù)向縱深發(fā)展，以發(fā)揮設(shè)備的最大使用效率，滿足快速增長(zhǎng)的生產(chǎn)需要。視覺(jué)檢測(cè)是表面貼裝的必要工序，它將各種形狀各種規(guī)格的元器件從背景中分離出來(lái)，重點(diǎn)是精確地判斷元器件的位置和角度的偏移量，以便給準(zhǔn)確貼裝提供高精度的位置和角度補(bǔ)償信息。因此，視覺(jué)檢測(cè)的 精度決定了表面貼裝的質(zhì)量。目前，高速貼片機(jī)的貼裝速度已經(jīng)達(dá)到12. 7萬(wàn)片/小時(shí)，精度已經(jīng)達(dá)到了 10微米級(jí)。但是，對(duì)于新型元器件的貼裝合格率僅為80%-90%，遠(yuǎn)遠(yuǎn)達(dá)不到實(shí)際生產(chǎn)的需求，給大規(guī)模的表面貼裝帶來(lái)了巨大的經(jīng)濟(jì)損失。圖像配準(zhǔn)是計(jì)算機(jī)視覺(jué)、模式識(shí)別領(lǐng)域備受關(guān)注的前沿學(xué)科，在航空影像自動(dòng)制圖、圖像三維重構(gòu)、計(jì)算機(jī)視覺(jué)、遙感融合、模式識(shí)別、醫(yī)學(xué)圖像處理、影像分析等領(lǐng)域都有重要應(yīng)用。但是目前還沒(méi)有一種圖像配準(zhǔn)方法能適用于各個(gè)領(lǐng)域。圖像配準(zhǔn)技術(shù)作為SMT視覺(jué)檢測(cè)系統(tǒng)的一個(gè)重要組成部分，為后續(xù)檢測(cè)提供了必要的預(yù)處理?；谔卣鞯膱D像配準(zhǔn)方法因其不直接依賴于灰度、魯棒性好、抗干擾性強(qiáng)、計(jì)算量小、速度快而成為應(yīng)用最廣泛的圖像配準(zhǔn)方法。Herbert Bay 在 2006 年提出了 SURF (Speeded up robust features)算法，該算法借鑒了 SIFT中采用DoG簡(jiǎn)化近似LoG的思想,將DoH(Determinant ofHessian)中的高斯二階差分模板進(jìn)行了近似簡(jiǎn)化，同時(shí)SURF算子為了提高整體的實(shí)時(shí)性對(duì)局部特征生成的各個(gè)環(huán)節(jié)進(jìn)行了優(yōu)化，這樣的處理方法在計(jì)算速度上具有明顯優(yōu)勢(shì)。SURF描述子在以下方面具有顯著的改進(jìn)首先，SURF算子結(jié)合積分圖和簡(jiǎn)化后Hessian矩陣來(lái)構(gòu)建尺度空間。SURF不需要通過(guò)對(duì)圖像進(jìn)行下采樣來(lái)近似不同尺度高斯二階差分濾波器對(duì)圖像的卷積。由于采用積分圖，SURF可以快速地計(jì)算高斯框架濾波器的卷積圖像，并且計(jì)算時(shí)間與濾波器的窗口無(wú)關(guān)，這無(wú)疑大大降低了計(jì)算時(shí)間。其次，在描述關(guān)鍵點(diǎn)時(shí)，SURF采用Haar小波來(lái)生成關(guān)鍵點(diǎn)的特征向量。雖然與SIFT類似，均是描述關(guān)鍵點(diǎn)鄰域的梯度信息，但是由于Haar小波在積分圖中具有明顯的快速性和穩(wěn)定性，SURF的特征描述算子性能更加優(yōu)越。關(guān)于SURF和SIFT性能的比較，Herbert Bay按照Mikolajczyk的方法在旋轉(zhuǎn)、模糊、光照變化、圖像幾何變形、分辨率差異和圖像壓縮等6種情況下對(duì)兩種算法進(jìn)行了實(shí)驗(yàn)測(cè)試。結(jié)果顯示SURF在各個(gè)方面的性能均接近或超越了 SIFT，其計(jì)算速度卻是SIFT的3倍左右。SURF算法和SIFT算法類似，也包括特征點(diǎn)提取和特征點(diǎn)描述兩部分，也具有尺度、旋轉(zhuǎn)不變性和部分光照、透視變換不變性，特別適用于SMT中元器件存在旋轉(zhuǎn)和遮擋等情況下的配準(zhǔn)問(wèn)題處理。
雖然SURF在計(jì)算速度上優(yōu)于SIFT，但由于采用了簡(jiǎn)化的Hessian矩陣檢測(cè)關(guān)鍵點(diǎn)這就導(dǎo)致了關(guān)鍵點(diǎn)定位精度會(huì)有所下降。單純采用SURF算法的誤差比較大，并不能達(dá)到實(shí)際的生產(chǎn)要求，所以在SURF檢測(cè)結(jié)果的基礎(chǔ)上，提出了最小能量亞像素法，進(jìn)一步對(duì)兩幅待配準(zhǔn)圖像進(jìn)行精確定位。

發(fā)明內(nèi)容
為了克服現(xiàn)有技術(shù)的上述不足，本發(fā)明的目的在于提供一種基于SURF的高密度封裝元器件定位方法，實(shí)現(xiàn)了高精度亞像素級(jí)定位。本發(fā)明的目的通過(guò)以下技術(shù)方案實(shí)現(xiàn)一種基于SURF的高密度封裝元器件定位方法，包括以下步驟SI粗略定位輸入待配準(zhǔn)圖像I (X, y),利用SURF配準(zhǔn)方法計(jì)算I (x, y)與模板圖像f(x,y)之間粗略變換關(guān)系(m, n, P ),其中m、n分別是x、y方向的平移參數(shù)，P是旋轉(zhuǎn)角度； S2精細(xì)定位S2. I按粗略變換關(guān)系(m，n，P )對(duì)I (x, y)進(jìn)行逆變換，得到逆變換圖像g(x，y)，g(x, y)與f(x,y)的變換關(guān)系為(a, b, 0),即g(x，y) = f (xcos 0 -ysin 0 +a, xsin 0 -ycos 0 +b)(I)其中a、b分別是x、y方向的平移參數(shù)，0是旋轉(zhuǎn)角度；S2. 2對(duì)式(I),先將sin 0、cos 0進(jìn)行二階泰勒展開(kāi),再將f (x, y)進(jìn)行二階泰勒
展開(kāi)，得到
權(quán)利要求
1.一種基于SURF的高密度封裝元器件定位方法，其特征在于，包括以下步驟 SI粗略定位輸入待配準(zhǔn)圖像I (X，y)，利用SURF配準(zhǔn)方法計(jì)算I (X，y)與模板圖像f(x，y)之間粗略變換關(guān)系(m, η, β ),其中m、η分別是x、y方向的平移參數(shù)，β是旋轉(zhuǎn)角度； S2精細(xì)定位 S2. I按粗略變換關(guān)系(m, η, β )對(duì)I (x, y)進(jìn)行逆變換,得到逆變換圖像g(x, y), g(x,y)與f (X，y)的變換關(guān)系為(a, b, Θ )，即 g {X, y) = t (xcos Θ -ysm Θ +a, xsin Θ -ycos Θ +b)(I) 其中a、b分別是x、y方向的平移參數(shù)，Θ是旋轉(zhuǎn)角度； S2. 2對(duì)式(I),先將sin Θ、Cos Θ進(jìn)行ニ階泰勒展開(kāi),再將f (x, y)進(jìn)行ニ階泰勒展開(kāi)，得到
2.根據(jù)權(quán)利要求I所述的基于SURF的高密度封裝元器件定位方法，其特征在于，步驟SI所述利用SURF配準(zhǔn)方法計(jì)算I (X, y)與f (x, y)之間粗略變換關(guān)系(m, η, β ),具體包括以下步驟 SI. I分別根據(jù)圖像I U，y)、f U，y)生成積分圖像； SI. 2分別在I (X, y)、f (X, y)上檢測(cè)特征點(diǎn)； SI. 3用特征點(diǎn)描述向量對(duì)I (X，y)、f (X，y)的所有特征點(diǎn)進(jìn)行描述； SI. 4對(duì)特征點(diǎn)進(jìn)行特征匹配，得到I (X，y)與f (X，y)之間粗略變換關(guān)系(m，η，β )。
3.根據(jù)權(quán)利要求2所述的基于SURF的高密度封裝元器件定位方法，其特征在于，步驟SI. 2所述檢測(cè)特征點(diǎn),具體為SI. 2. I 構(gòu)建快速 Hessian 矩陣 H (X，σ ) 對(duì)于給定圖像上的一點(diǎn)X(x，y)，快速Hessian矩陣Η(χ, σ )定義如下
4.根據(jù)權(quán)利要求3所述的基于SURF的高密度封裝元器件定位方法，其特征在干，步驟SI. 3用特征點(diǎn)描述向量對(duì)I (X，y)、f (X，y)的所有特征點(diǎn)進(jìn)行描述，具體包括以下步驟 SI. 3. I確定特征點(diǎn)的主方向以特征點(diǎn)為中心，在半徑為6 σ的圓形區(qū)域內(nèi)，計(jì)算尺度為4σ的x、y兩個(gè)方向的Haar小波響應(yīng),其中σ是特征點(diǎn)所在的尺度；得到特征點(diǎn)x、y方向的響應(yīng)后，再以特征點(diǎn)為中心，方差為2. 5σ的高斯函數(shù)對(duì)響應(yīng)進(jìn)行加權(quán)；接著用ー個(gè)圓心角為π /3的扇形以特征點(diǎn)為中心環(huán)繞ー圈，計(jì)算在扇形所在的區(qū)域內(nèi)的X、y方向的響應(yīng)之和，并構(gòu)成一個(gè)矢量；得到該特征點(diǎn)的所有矢量后，取長(zhǎng)度最長(zhǎng)的矢量所在的方向作為特征點(diǎn)的主方向； SI. 3. 2建立特征點(diǎn)描述向量以特征點(diǎn)為中心，建立邊長(zhǎng)為20 σ的正方形鄰域，然后旋轉(zhuǎn)該正方形鄰域，使它的主軸方向是特征點(diǎn)的主方向；將該正方形鄰域劃分為4X4= 16個(gè)子區(qū)域，每個(gè)子區(qū)域有25個(gè)均勻分布的采樣點(diǎn)，對(duì)每個(gè)采樣點(diǎn)都用尺度為2 σ的Haar小波處理，得到x、y方向的響應(yīng)，分別用dx、dy表示；將該特征點(diǎn)所有的dx、dy用ー個(gè)以特征點(diǎn)為中心的方差為3. 3 σ的高斯函數(shù)進(jìn)行加權(quán)；計(jì)算姆個(gè)子區(qū)域的dx的響應(yīng)值之和Σ dx、|dx I的響應(yīng)值之和Σ I dx I、dy的響應(yīng)值之和Σ dy, dy的響應(yīng)值之和Σ dy ; Σ dx、Σ dxUE dy.E Idyl構(gòu)成子區(qū)域的描述向量的四個(gè)分量；關(guān)鍵點(diǎn)的特征向量由子區(qū)域的描述向量組成。
5.根據(jù)權(quán)利要求4所述的基于SURF的高密度封裝元器件定位方法，其特征在干，步驟SI. 4所述對(duì)特征點(diǎn)進(jìn)行特征匹配，得到I (x，y)與f(x，y)之間粗略變換關(guān)系(m，n，β)，具體為 S1.4. I設(shè)A為圖像f(x，y)的關(guān)鍵點(diǎn)的特征向量，求特征向量1 在圖像I(x，y)中的匹配特征向量A，則A、A對(duì)應(yīng)的關(guān)鍵點(diǎn)(X1, Yi)、(x2，Y2)為匹配的關(guān)鍵點(diǎn)對(duì)； 其中關(guān)鍵點(diǎn)對(duì)匹配的條件為比較關(guān)鍵點(diǎn)Q最近鄰與次近鄰的歐式距離，若距離比率小于特定閾值的是正確匹配，其中特定閾值根據(jù)實(shí)際情況確定；其中，歐式距離的計(jì)算公式為
全文摘要
本發(fā)明公開(kāi)了一種基于SURF的高密度封裝元器件定位方法，包括以下步驟(1)粗略定位采用SURF配準(zhǔn)方法得到粗略變換參數(shù)(m，n，β)；(2)精細(xì)細(xì)定位利用上述粗變換參數(shù)(m，n，β)，對(duì)待配準(zhǔn)圖像I(x，y)進(jìn)行逆變換得到g(x，y)，計(jì)算g(x，y)與模板圖像f(x，y)的最小能量方程E，對(duì)E求各階偏導(dǎo)并令其為0，求解變換參數(shù)(a，b，θ)；令m′＝m+a，n′＝n+b，β′＝β+θ；計(jì)算在變換關(guān)系(m′，n′，β′)下的能量E；判斷E是否低于設(shè)定值，若否，進(jìn)行下一次迭代；若是，則結(jié)束迭代過(guò)程，將m′作為最終的x方向的平移參數(shù)、n′作為最終的y方向的平移參數(shù)，β′作為最終的旋轉(zhuǎn)角度。與現(xiàn)有技術(shù)相比，本發(fā)明實(shí)現(xiàn)了高精度亞像素級(jí)定位，并且對(duì)光照變換和噪聲具有很強(qiáng)的魯棒性。
文檔編號(hào)G01B11/02GK102661708SQ20121011947
公開(kāi)日2012年9月12日 申請(qǐng)日期2012年4月20日 優(yōu)先權(quán)日2012年4月20日
發(fā)明者劉嶼, 胡躍明, 褚夫國(guó), 陳鑫源, 高紅霞, 麥倩 申請(qǐng)人:華南理工大學(xué)