一种PCBA零部件高精度视觉定位方法技术

本发明专利技术公开了一种PCBA零部件高精度视觉定位方法，涉及图像处理技术领域。本发明专利技术方法包括以下步骤：搭建以及标定单目高精度视觉定位系统；使用一种基于高斯金字塔与新粒子群相结合的目标区域检测方法，对PCBA零部件装配区域进行检测；使用一种OTSU_EDPF算法的目标区域轮廓提取方法，获取装配区域中连续且单像素宽的轮廓信息，提取PCBA零部件轮廓信息；基于局部面积效应的亚像素轮廓细化及最小二乘法轮廓中心位置拟合计算出轮廓中心，对PCBA零部件进行高精度定位。本发明专利技术无论对于智能手机PCBA圆形零部件还是矩形零部件都具有较高的定位精度，且定位精度在

【技术实现步骤摘要】
一种PCBA零部件高精度视觉定位方法


[0001]本专利技术属于图像处理
，特别是涉及一种PCBA零部件高精度视觉定位方法。

技术介绍

[0002]智能制造推动了信息技术与制造技术的融合发展，并将智能制造作为融合的主攻方向，实现产品、设备和生产过程的智能化，人工智能领域成为了一个研究热门，机器视觉作为人工智能领域的一个研究分支，研究仪器设备如何向人眼一样可以观察周围事物，实现对目标的检测、定位、测量等功能，因此在多个行业中得到了广泛的使用，包括工业、军事、农业等，在工业行业中，帮助人们实现产业的自动化，取代传统手工作业，推动产业生产线朝着精密、精益、柔性、高速、非接触式的方向快速发展；
[0003]智能手机作为电子产品的典型代表，不断进行产品的迭代更新，据IDC 报告显示，2020年国内智能手机出货量超过3亿多部，庞大的手机市场促使智能手机生产线上的相关制造设备和对应技术不断向前突破，高精度视觉定位可用于智能手机生产线上贴片机工位，进行智能手机PCBA零部件的高精度装配，实现
±
0.03毫米高精度定位，目前国外定位装配精度可达
±ꢀ
0.025毫米，由于智能手机的集成度高且变得越来越复杂，导致手机印刷电路板装配中的零部件尺寸微型化、安装密集化、间距细化，这就很大程度上提高了对智能手机零部件定位装配精度的需求，然而目前国内视觉定位技术受定位区域检测准确性低、轮廓不够完整和细化、硬件设备等多种因素影响，无法实现
±
0.03毫米的高精度定位标准。
专利
技术实现思路

[0004]本专利技术的目的在于提供一种PCBA零部件高精度视觉定位方法，以解决上述
技术介绍
中提出的问题。
[0005]为解决上述技术问题，本专利技术是通过以下技术方案实现的：
[0006]本专利技术为一种PCBA零部件高精度视觉定位方法，所述方法包括以下步骤：
[0007]搭建以及标定单目高精度视觉定位系统；
[0008]使用一种基于高斯金字塔与新粒子群相结合的目标区域检测方法，对 PCBA零部件装配区域进行检测；
[0009]使用一种OTSU_EDPF算法的目标区域轮廓提取方法，获取装配区域中连续且单像素宽的轮廓信息，提取PCBA零部件轮廓信息；
[0010]基于局部面积效应的亚像素轮廓细化及最小二乘法轮廓中心位置拟合计算出轮廓中心，对PCBA零部件进行高精度定位。
[0011]一种PCBA零部件高精度视觉定位方法，所述搭建以及标定单目高精度视觉定位系统分为：光源选取、镜头选取、相机选取及系统搭建；
[0012]所述光源选取的光源为LED灯；
[0013]所述镜头选取的镜头型号为BT
‑
10系列的双远心镜头；
[0014]所述相机选取的相机型号为MV
‑
CE200
‑
10GM。
[0015]一种基于高斯金字塔与新粒子群相结合的目标区域检测方法，步骤如下：
[0016]S1：设置金字塔层数为L，分别对待匹配图像与模板图像进行高斯金字塔变换；
[0017]S2：在待匹配图像变换后的L层子图中采用新粒子群算法搜索粗匹配区域；
[0018]S3：设置邻域大小为n*n，在邻域范围内将相同层的模板子图与待匹配子图逐像素匹配，找到最佳匹配位置；
[0019]S4：若L＝0,则算法结束，输出匹配区域，否则执行第三步。
[0020]一种新粒子群算法，步骤如下:
[0021]S1:初始化粒子群算法的参数：种群个数m、空间维度K、迭代次数T；
[0022]S2：初始化粒子群的位置和移动速度，利用NCC系数作为适应度值P
i
，然后找出个体和群体的初始最优值；
[0023]S3：更新粒子的移动速度、位置、个体最优值和群体最优值；
[0024]S4：若t＝T,则算法运行结束，将群体最优值反变换传入L
‑
1层；否则执行S3。
[0025]一种OTSU_EDPF算法的目标区域轮廓提取方法，所述方法为改进的OTSU 算法与EDPF结合，所述改进的OTSU算法包括以下步骤:
[0026]S1：用二元组(i,j)表示二维直方图中阈值划分点；
[0027]S2：直线截距阈值t将图像分成背景区域C
b
和目标区域C
o
；
[0028]S3：利用增加的45
°
和135
°
方向与水平和竖直方向形成的八方向梯度模板计算图像的梯度大小；
[0029]S4：结合中心像素点3
×
3邻域范围内的梯度信息差值决定锚点阈值th
an
的选取；
[0030]S5：获得一系列锚点之后，根据梯度方向将锚点连接成线段；
[0031]S6：计算边缘线段的NFA值，判定该线段为是否有效边缘段，若不是则去除掉该边缘线段。
[0032]一种轮廓中心的计算方法，步骤如下：
[0033]S1：圆形零部件基准点轮廓保留，使用EDCircle算法保留圆形基准点重要轮廓，将轮廓以线段形式合成弧，并进行圆形检测；
[0034]S2：矩形零部件基准点最小外接圆求解；
[0035]S3：基于局部面积效应的亚像素轮廓提取，令F
x,y
表示图像轮廓经过像素点(x,y)的强度值；
[0036]S4：基于最小二乘法的亚像素圆拟合及中心位置计算。
[0037]本专利技术具有以下有益效果：
[0038]本专利技术无论对于智能手机PCBA圆形零部件还是矩形零部件都具有较高的定位精度，且定位精度在
±
0.03mm。
附图说明
[0039]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0040]图1为本专利技术一种PCBA零部件高精度视觉定位方法的流程图；
[0041]图2为本专利技术一种PCBA零部件高精度视觉定位方法的系统搭建图；
[0042]图3为本专利技术一种PCBA零部件高精度视觉定位方法OTSU_EDPF算法对比图；
[0043]图4为本专利技术一种PCBA零部件高精度视觉定位方法的目标区域轮廓提取方法对比图；
[0044]图5为本专利技术一种PCBA零部件高精度视觉定位方法的传统方法对比图；
[0045]图6为本专利技术一种PCBA零部件高精度视觉定位方法的计算机合成的第一种圆形图像测试图；
[0046]图7为本专利技术一种PCBA零部件高精度视觉定位方法的计算机合成的第二种圆形图像测试图；
[0047]图8为本专利技术一种PCBA零部件高精度视觉定位方法的计算机合成的第三种圆形图像测试图；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种PCBA零部件高精度视觉定位方法，其特征在于，所述方法包括以下步骤：搭建以及标定单目高精度视觉定位系统；使用一种基于高斯金字塔与新粒子群相结合的目标区域检测方法，对PCBA零部件装配区域进行检测；使用一种OTSU_EDPF算法的目标区域轮廓提取方法，获取装配区域中连续且单像素宽的轮廓信息，提取PCBA零部件轮廓信息；基于局部面积效应的亚像素轮廓细化及最小二乘法轮廓中心位置拟合计算出轮廓中心，对PCBA零部件进行高精度定位。2.根据权利要求1所述的一种PCBA零部件高精度视觉定位方法，其特征在于，所述搭建以及标定单目高精度视觉定位系统分为：光源选取、镜头选取、相机选取及系统搭建；所述光源选取的光源为LED灯；所述镜头选取的镜头型号为BT
‑
10系列的双远心镜头；所述相机选取的相机型号为MV
‑
CE200
‑
10GM。3.根据权利要求1所述的一种PCBA零部件高精度视觉定位方法，其特征在于，所述基于高斯金字塔与新粒子群相结合的目标区域检测方法步骤如下：S1：设置金字塔层数为L，分别对待匹配图像与模板图像进行高斯金字塔变换；S2：在待匹配图像变换后的L层子图中采用新粒子群算法搜索粗匹配区域；S3：设置邻域大小为n*n，在邻域范围内将相同层的模板子图与待匹配子图逐像素匹配，找到最佳匹配位置；S4：若L＝0,则算法结束，输出匹配区域，否则执行第三步。4.根据权利要求3所述的一种PCBA零部件高精度视觉定位方法，其特征在于，所述新粒子群算法的步骤如下:S1:初始化粒子群算法的参数：种群个数m、空间维度K、迭代次数T；S2：初始化粒子群的位置和移动速度，利用NCC系数作为适应度值...

【专利技术属性】
技术研发人员：闫河，周密，王萧棠，李晓玲，刘宇涵，张宇宁，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：