一种大幅面PCB板多区域精准定位方法技术

技术编号:21302522 阅读:24 留言:0更新日期:2019-06-12 08:42
本发明专利技术提供了一种大幅面PCB板多区域精准定位方法,采用将模板图和粗定位图划分成多个区域,按照小区域内图形特征进行特征定位,分别提取圆、矩形、其他形状等特征来获取对应区域的偏差值,最后在所有区域偏差值中选取方差最小的四个作为整幅图的精准定位值,按照精准定位值对粗定位图进行透视变换,获得精准定位后的目标图像;本发明专利技术采用多区域多形状特征定位的方法解决了现有的PCB定位精度低、速度慢等问题,可有效的减少板弯带来的定位误差,极大的提高了大幅面PCB板定位的速度和精度。

A Multi-area Precise Location Method for Large Scale PCB Board

The invention provides a multi-area precise positioning method for large-scale PCB board, which divides the template map and rough positioning map into several regions, carries out feature positioning according to the graphic features in a small area, extracts the features of circle, rectangle and other shapes respectively to obtain the deviation values of corresponding regions, and finally chooses four of the minimum variance values as the precise calibration of the whole map. According to the precise positioning value, the rough positioning map is perspective transformed to obtain the target image after precise positioning. The method of multi-area and multi-shape feature positioning solves the problems of low positioning accuracy and slow speed of existing PCB, which can effectively reduce the positioning error caused by plate bending and greatly improve the speed and accuracy of positioning of large-scale PCB plate.

【技术实现步骤摘要】
一种大幅面PCB板多区域精准定位方法
本专利技术涉及检测设备
,具体涉及一种大幅面PCB板多区域精准定位方法。
技术介绍
印刷电路板(PrintCircuitBoard,PCB)由于生产工艺的提升和精度提高,生产中自动光学检测的要求越来越严格,在PCB检测过程中图像获取、图像定位、缺陷识别和缺陷分类等步骤中,图像定位的精度将直接影响到缺陷检出的精度和准确度。目前常见的PCB板定位方法有标识点(Mark点)定位和特征点定位。但由于每家印刷电路板企业的标准有些许差别,而且大幅面的PCB板会出现不同程度的板弯等变形情况。因此传统的定位方法会存在定位精度低、鲁棒性差等缺点。基于传统的定位方法基础上提出一种大幅面PCB板的多区域精准定位方法,将模板和粗定位图划分成多个区域,以单个区域为对象,依照模板对每个小区域进行定位并矫正。并依照单个区域的精准定位来实现后续缺陷的分割提取。
技术实现思路
针对现有技术的不足,本专利技术提供一种大幅面PCB板多区域精准定位方法,解决了现有PCB定位技术通用性不高,精度差,定位不准等问题,提高了定位的准确率,为后续PCB缺陷检测提供了基础。为实现上述目的,本专利技术采用如下技术方案:一种大幅面PCB板多区域精准定位方法,其特征在于,包括以下步骤:S1,根据预设的切分面积和重叠面积分别将模板图Image_Model和粗定位图Image_Rough切分成N块,Image_ReducedMi为模板图中第i块图像,Image_ReducedRi粗定位图中第i块图像;S2,选中模板图的第一个图像块Image_ReducedM1,进行连通域操作,获取其中的所有图形,以圆形度和矩形度为阈值,将Image_ReducedM1中所有图形进行切割,分成圆形、矩形和异形三类,所述异形指除了圆形和矩形之外的形状;S3,选中粗定位图的第一个图像块Image_ReducedR1,进行连通域操作,获取其中的所有图形,以圆形度和矩形度为阈值,将Image_ReducedR1中所有图形进行切割,分成圆形、矩形和异形三类,三类图形的集合与Image_ReducedR1求交集,将粗定位图分成圆形Image_ReducedR1Circle、矩形Image_ReducedR1Rectangle、异形Image_ReducedR1Others三部分;S4,选择模板图第一区块圆形或矩形或异形集合中的一个图形作为模板图形,求出模板图形在粗定位图中的映射图像区,进而算出映射图形和模板图形的偏移量,筛选处最小的偏移量,作为第一区块的定位值;S5,根据S4中的方法获取余下N-1个区块的定位值;S6,在N个区块的定位值中选择四个方差最小的作为静定位值;S7,根据精定位值,对粗定位图Image_Rough进行透视变换,得到目标图,即与模板图对齐后的图像Image_Dest。进一步的,所述步骤S4中遍历圆形选取定位值的具体方法如下:选择模板图中第一区块圆形集合中的一个图形作为模板圆形,提取其坐标、方向、面积、周长、凸度等属性,根据预设的偏移量对该模板圆形进行膨胀操作,生成选择区域,与粗定位图第一区块的圆形部分Image_ReducedR1Circle求交集,在粗定位图中找到该模板圆形的映射图像区,获取映射图像去中的所有圆形,通过面积、周长、凸度等属性匹配,筛选出与模板圆形最接近的映射图形,获取映射圆形的坐标、方向参数,映射圆形与模板圆形参数做差,算出偏移量,遍历模板图第一区块Image_ReducedM1中圆形集合的所有模板圆形,找到它们在粗定位图圆形部分中的唯一对应映射圆形;模板圆形与其映射圆形求差,获得一组偏移量;求方差,筛选出方差最小的偏移量,作为第一区块的定位值。进一步的,所述步骤S5中遍历矩形选取定位值的具体方法如下:选择模板图中第一区块矩形集合中的一个图形作为模板矩形,提取其坐标、方向、面积、周长、凸度等属性,根据预设的偏移量对该模板矩形进行膨胀操作,生成选择区域,与粗定位图第一区块的矩形部分Image_ReducedR1Rectangle求交集,在粗定位图中找到该模板矩形的映射图像区,获取映射图像去中的所有矩形,通过面积、周长、凸度等属性匹配,筛选出与模板矩形最接近的映射图形,获取映射矩形的坐标、方向参数,映射矩形与模板矩形参数做差,算出偏移量,遍历模板图第一区块Image_ReducedR1Rectangle中矩形集合的所有模板矩形,找到它们在粗定位图矩形部分中的唯一对应映射矩形;模板矩形与其映射矩形求差,获得一组偏移量;求方差,筛选出方差最小的偏移量,作为第一区块的定位值。进一步的,所述步骤S5中遍历异形选择定位值的具体方法如下:所述步骤S5中遍历异形选取定位值的具体方法如下:选择模板图中第一区块异形集合中的一个图形作为模板异形,提取其坐标、方向、面积、周长、凸度等属性,根据预设的偏移量对该模板异形进行膨胀操作,生成选择区域,与粗定位图第一区块的异形部分Image_ReducedR1Others求交集,在粗定位图中找到该模板异形的映射图像区,获取映射图像去中的所有异形,通过面积、周长、凸度等属性匹配,筛选出与模板异形最接近的映射图形,获取映射异形的坐标、方向参数,映射异形与模板异形参数做差,算出偏移量,遍历模板图第一区块Image_ReducedR1Others中异形集合的所有模板异形,找到它们在粗定位图异形部分中的唯一对应映射异形;模板异形与其映射异形求差,获得一组偏移量;求方差,筛选出方差最小的偏移量,作为第一区块的定位值。本专利技术提供的一种大幅面PCB板多区域精准定位方法的有益效果在于:本专利技术采用基于分类图形特征的大幅面PCB板多区域精准定位方法,解决了传统使用Mark点进行PCB板定位通用性差和板弯带来累积误差等问题;通过将大幅PCB板图像切分成小块进行定位运算,消除变形误差的同时提高运算效率;使用多种图形特征定位,提高通用性和精确性,为后期PCB缺陷的精确查找提供了条件。附图说明图1为本专利技术流程示意图;图2为本专利技术中原始图N切分示意图;图3为本专利技术中图形提取定位示意图。具体实施方式下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本专利技术一部分实施例,而不是全部的实施例。本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,均属于本专利技术的保护范围。实施例:一种大幅面PCB板多区域精准定位方法。S1,根据预设的切分面积和重叠面积分别将模板图Image_Model和粗定位图Image_Rough切分成N块;Image_ReducedMi为模板图中第i块图像,Image_ReducedRi粗定位图中第i块图像;切分块数N和重叠区域大小根据原始图像大小预先设置,设置重叠区域是为了提高精度。S2,选中模板图的第一个图像块Image_ReducedM1,进行连通域操作,获取其中的所有图形;以圆形度和矩形度为阈值,将Image_ReducedM1中所有图形进行切割,分成圆形、矩形和异形三类。S3,同上,将粗定位图第一图形块Image_ReducedR1中的图形分为圆形、矩形、异形三类。三类图形的集合与Image_ReducedR1求交集,将粗定位图分成圆形(I本文档来自技高网...

【技术保护点】
1.一种大幅面PCB板多区域精准定位方法,其特征在于,包括以下步骤:S1,根据预设的切分面积和重叠面积分别将模板图Image_Model和粗定位图Image_Rough切分成N块,Image_ReducedMi为模板图中第i块图像,Image_ReducedRi粗定位图中第i块图像;S2,选中模板图的第一个图像块Image_ReducedM1,进行连通域操作,获取其中的所有图形,以圆形度和矩形度为阈值,将Image_ReducedM1中所有图形进行切割,分成圆形、矩形和异形三类,所述异形指除了圆形和矩形之外的形状;S3,选中粗定位图的第一个图像块Image_ReducedR1,进行连通域操作,获取其中的所有图形,以圆形度和矩形度为阈值,将Image_ReducedR1中所有图形进行切割,分成圆形、矩形和异形三类,三类图形的集合与Image_ReducedR1求交集,将粗定位图分成圆形Image_ReducedR1Circle、矩形Image_ReducedR1Rectangle、异形Image_ReducedR1Others三部分;S4,选择模板图第一区块圆形或矩形或异形集合中的一个图形作为模板图形,求出模板图形在粗定位图中的映射图像区,进而算出映射图形和模板图形的偏移量,筛选处最小的偏移量,作为第一区块的定位值;S5,根据S4中的方法获取余下N‑1个区块的定位值;S6,在N个区块的定位值中选择四个方差最小的作为静定位值;S7,根据精定位值,对粗定位图Image_Rough进行透视变换,得到目标图,即与模板图对齐后的图像Image_Dest。...

【技术特征摘要】
1.一种大幅面PCB板多区域精准定位方法,其特征在于,包括以下步骤:S1,根据预设的切分面积和重叠面积分别将模板图Image_Model和粗定位图Image_Rough切分成N块,Image_ReducedMi为模板图中第i块图像,Image_ReducedRi粗定位图中第i块图像;S2,选中模板图的第一个图像块Image_ReducedM1,进行连通域操作,获取其中的所有图形,以圆形度和矩形度为阈值,将Image_ReducedM1中所有图形进行切割,分成圆形、矩形和异形三类,所述异形指除了圆形和矩形之外的形状;S3,选中粗定位图的第一个图像块Image_ReducedR1,进行连通域操作,获取其中的所有图形,以圆形度和矩形度为阈值,将Image_ReducedR1中所有图形进行切割,分成圆形、矩形和异形三类,三类图形的集合与Image_ReducedR1求交集,将粗定位图分成圆形Image_ReducedR1Circle、矩形Image_ReducedR1Rectangle、异形Image_ReducedR1Others三部分;S4,选择模板图第一区块圆形或矩形或异形集合中的一个图形作为模板图形,求出模板图形在粗定位图中的映射图像区,进而算出映射图形和模板图形的偏移量,筛选处最小的偏移量,作为第一区块的定位值;S5,根据S4中的方法获取余下N-1个区块的定位值;S6,在N个区块的定位值中选择四个方差最小的作为静定位值;S7,根据精定位值,对粗定位图Image_Rough进行透视变换,得到目标图,即与模板图对齐后的图像Image_Dest。2.如权利要求1所述的大幅面PCB板多区域精准定位方法,其特征在于:所述步骤S4中遍历圆形选取定位值的具体方法如下:选择模板图中第一区块圆形集合中的一个图形作为模板圆形,提取其坐标、方向、面积、周长、凸度等属性,根据预设的偏移量对该模板圆形进行膨胀操作,生成选择区域,与粗定位图第一区块的圆形部分Image_ReducedR1Circle求交集,在粗定位图中找到该模板圆形的映射图像区,获取映射图像去中的所有圆形,通过面积、周长、凸度等属性匹配,筛选出与模板圆形最接近的映射图形,获取映射圆形的坐标、方向参数,映射圆形与模板圆形参数做差,算出偏移量,遍历模板图第一区块Image_Reduc...

【专利技术属性】
技术研发人员:魏登明王华龙张美杰张璐李凡
申请(专利权)人:佛山市南海区广工大数控装备协同创新研究院佛山市广工大数控装备技术发展有限公司
类型:发明
国别省市:广东,44

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1