本发明专利技术公开了一种基于SURF的高密度封装元器件定位方法，包括以下步骤：(1)粗略定位：采用SURF配准方法得到粗略变换参数(m，n，β)；(2)精细细定位：利用上述粗变换参数(m，n，β)，对待配准图像I(x，y)进行逆变换得到g(x，y)，计算g(x，y)与模板图像f(x，y)的最小能量方程E，对E求各阶偏导并令其为0，求解变换参数(a，b，θ)；令m′＝m+a，n′＝n+b，β′＝β+θ；计算在变换关系(m′，n′，β′)下的能量E；判断E是否低于设定值，若否，进行下一次迭代；若是，则结束迭代过程，将m′作为最终的x方向的平移参数、n′作为最终的y方向的平移参数，β′作为最终的旋转角度。与现有技术相比，本发明专利技术实现了高精度亚像素级定位，并且对光照变换和噪声具有很强的鲁棒性。
【技术实现步骤摘要】
本专利技术涉及精密电子组装中的识别定位领域，特别涉及一种基于SURF(Speededup robust features,加速鲁棒性特征)的高密度封装元器件定位方法。
技术介绍
SMT自20世纪60年代以来，经历50年的发展，已进入完全成熟的阶段。当前SMT不仅成为当代电路组装技术的主流和电子工业界的支柱制造生产技术，而且正继续向纵深发展，以发挥设备的最大使用效率，满足快速增长的生产需要。视觉检测是表面贴装的必要工序，它将各种形状各种规格的元器件从背景中分离出来，重点是精确地判断元器件的位置和角度的偏移量，以便给准确贴装提供高精度的位置和角度补偿信息。因此，视觉检测的 精度决定了表面贴装的质量。目前，高速贴片机的贴装速度已经达到12. 7万片/小时，精度已经达到了 10微米级。但是，对于新型元器件的贴装合格率仅为80%-90%，远远达不到实际生产的需求，给大规模的表面贴装带来了巨大的经济损失。图像配准是计算机视觉、模式识别领域备受关注的前沿学科，在航空影像自动制图、图像三维重构、计算机视觉、遥感融合、模式识别、医学图像处理、影像分析等领域都有重要应用。但是目前还没有一种图像配准方法能适用于各个领域。图像配准技术作为SMT视觉检测系统的一个重要组成部分，为后续检测提供了必要的预处理。基于特征的图像配准方法因其不直接依赖于灰度、鲁棒性好、抗干扰性强、计算量小、速度快而成为应用最广泛的图像配准方法。Herbert Bay 在 2006 年提出了 SURF (Speeded up robust features)算法，该算法借鉴了 SIFT中采用DoG简化近似LoG的思想,将DoH(Determinant ofHessian)中的高斯二阶差分模板进行了近似简化，同时SURF算子为了提高整体的实时性对局部特征生成的各个环节进行了优化，这样的处理方法在计算速度上具有明显优势。SURF描述子在以下方面具有显著的改进首先，SURF算子结合积分图和简化后Hessian矩阵来构建尺度空间。SURF不需要通过对图像进行下采样来近似不同尺度高斯二阶差分滤波器对图像的卷积。由于采用积分图，SURF可以快速地计算高斯框架滤波器的卷积图像，并且计算时间与滤波器的窗口无关，这无疑大大降低了计算时间。其次，在描述关键点时，SURF采用Haar小波来生成关键点的特征向量。虽然与SIFT类似，均是描述关键点邻域的梯度信息，但是由于Haar小波在积分图中具有明显的快速性和稳定性，SURF的特征描述算子性能更加优越。关于SURF和SIFT性能的比较，Herbert Bay按照Mikolajczyk的方法在旋转、模糊、光照变化、图像几何变形、分辨率差异和图像压缩等6种情况下对两种算法进行了实验测试。结果显示SURF在各个方面的性能均接近或超越了 SIFT，其计算速度却是SIFT的3倍左右。SURF算法和SIFT算法类似，也包括特征点提取和特征点描述两部分，也具有尺度、旋转不变性和部分光照、透视变换不变性，特别适用于SMT中元器件存在旋转和遮挡等情况下的配准问题处理。虽然SURF在计算速度上优于SIFT，但由于采用了简化的Hessian矩阵检测关键点这就导致了关键点定位精度会有所下降。单纯采用SURF算法的误差比较大，并不能达到实际的生产要求，所以在SURF检测结果的基础上，提出了最小能量亚像素法，进一步对两幅待配准图像进行精确定位。
技术实现思路
为了克服现有技术的上述不足，本专利技术的目的在于提供一种基于SURF的高密度封装元器件定位方法，实现了高精度亚像素级定位。本专利技术的目的通过以下技术方案实现一种基于SURF的高密度封装元器件定位方法，包括以下步骤SI粗略定位输入待配准图像I (X, y),利用SURF配准方法计算I (x, y)与模板图像f(x,y)之间粗略变换关系(m, n, P ),其中m、n分别是x、y方向的平移参数，P是旋转角度； S2精细定位S2. I按粗略变换关系(m，n，P )对I (x, y)进行逆变换，得到逆变换图像g(x，y)，g(x, y)与f(x,y)的变换关系为(a, b, 0),即g(x，y) = f (xcos 0 -ysin 0 +a, xsin 0 -ycos 0 +b)(I)其中a、b分别是x、y方向的平移参数，0是旋转角度；S2. 2对式(I),先将sin 0、cos 0进行二阶泰勒展开,再将f (x, y)进行二阶泰勒展开，得到权利要求1.一种基于SURF的高密度封装元器件定位方法，其特征在于，包括以下步骤 SI粗略定位输入待配准图像I (X，y)，利用SURF配准方法计算I (X，y)与模板图像f(x，y)之间粗略变换关系(m, η, β ),其中m、η分别是x、y方向的平移參数，β是旋转角度； S2精细定位 S2. I按粗略变换关系(m, η, β )对I (x, y)进行逆变换,得到逆变换图像g(x, y), g(x,y)与f (X，y)的变换关系为(a, b, Θ )，即 g {X, y) = t (xcos Θ -ysm Θ +a, xsin Θ -ycos Θ +b)(I) 其中a、b分别是x、y方向的平移參数，Θ是旋转角度； S2. 2对式(I),先将sin Θ、Cos Θ进行ニ阶泰勒展开,再将f (x, y)进行ニ阶泰勒展开，得到2.根据权利要求I所述的基于SURF的高密度封装元器件定位方法，其特征在于，步骤SI所述利用SURF配准方法计算I (X, y)与f (x, y)之间粗略变换关系(m, η, β ),具体包括以下步骤 SI. I分别根据图像I U，y)、f U，y)生成积分图像； SI. 2分别在I (X, y)、f (X, y)上检测特征点； SI. 3用特征点描述向量对I (X，y)、f (X，y)的所有特征点进行描述； SI. 4对特征点进行特征匹配，得到I (X，y)与f (X，y)之间粗略变换关系(m，η，β )。3.根据权利要求2所述的基于SURF的高密度封装元器件定位方法，其特征在于，步骤SI. 2所述检测特征点,具体为SI. 2. I 构建快速 Hessian 矩阵 H (X，σ ) 对于给定图像上的一点X(x，y)，快速Hessian矩阵Η(χ, σ )定义如下4.根据权利要求3所述的基于SURF的高密度封装元器件定位方法，其特征在干，步骤SI. 3用特征点描述向量对I (X，y)、f (X，y)的所有特征点进行描述，具体包括以下步骤 SI. 3. I确定特征点的主方向以特征点为中心，在半径为6 σ的圆形区域内，计算尺度为4σ的x、y两个方向的Haar小波响应,其中σ是特征点所在的尺度；得到特征点x、y方向的响应后，再以特征点为中心，方差为2. 5σ的高斯函数对响应进行加权；接着用ー个圆心角为π /3的扇形以特征点为中心环绕ー圈，计算在扇形所在的区域内的X、y方向的响应之和，并构成一个矢量；得到该特征点的所有矢量后，取长度最长的矢量所在的方向作为特征点的主方向； SI. 3. 2建立特征点描述向量以特征点为中心，建立边长为20 σ的正方形邻域，然后旋转该正方形邻域，使它的主轴方向是特征点的主方向；将该正方形邻域划分为4本文档来自技高网...
【技术保护点】
【技术特征摘要】
【专利技术属性】
技术研发人员：高红霞，陈鑫源，褚夫国，麦倩，胡跃明，刘屿，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：
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。