基于机器视觉的工业器件快速定位方法

摘要

本发明涉及一种基于机器视觉的工业器件快速定位方法，是一种运行在由工业镜头、工业相机、图像采集卡和工控机搭建的硬件环境上运行的机器视觉软件所采用的器件定位方法。本发明的方法采用多分辨率分析和小波变换特征相接合的方法，首先利用小波变换的水平和垂直方向系数的投影变换矢量进行粗定位，然后在低分辨率图像中进行模板匹配，最后在原图像的粗定位领域内进行精确定位。该方法在半导体、电子制造业中的应用效果极佳，通过采用多分辨率分析定位准备，尤其是显著地提高了定位速度，可以在10毫秒左右完成一个晶元的定位过程。

主权项

1.一种基于机器视觉的工业器件快速定位方法，包括下述步骤：（1）选择模板图像T：用归一化的二维相关性对目标图S进行分析，以确定模板的大概位置，继而从目标图S中手动选择模板图像T；（2）确定邻域图像R：按照目标图S的大小，搜索的起点和模板图像T的大小因素在目标图S中自动计算邻域大小，得到邻域图像R；（3）目标图S的二级定位，包括利用小波变换的水平和垂直方向系数的投影变换矢量进行粗定位，然后在低分辨率图像中进行模板匹配：首先对邻域图像R和模板图像T进行小波变换；然后对邻域图像R的小波系数的水平分量LH_L进行垂直方向的投影，对其垂直分量HL_L进行水平方向的投影；找到投影图像中的极大值和极小值位置，将这些极值作为粗定位的邻域中心位置；然后利用邻域图像R和模板图像T小波变换后的低分辨率模板即R_LL分量和T_LL分量在粗定位的邻域内进行模板匹配运算，得到目标图S的二级位置；具体的,包括下述过程:（3.1）对取得的邻域图像R进行L级小波分解，并保存各级分解后的低分辨率图像R_LL，第L级小波分解后的水平分量LH_L和垂直分量HL_L，其中L表示第L级小波分解；（3.2）对模板图像T进行L级小波分解，并保存分解后的低分辨率图像T_LL；（3.3）对邻域图像R的水平分量LH_L和垂直分量HL_L进行投影变换，分别求各行元素之和与各列元素之和，得到一维数组h_L和v_L，再将h_L，v_L合成二维矩阵hv_L，则h_L，v_L和hv_L的极大值处就是匹配点；根据误差的性质，设置一个合适的阈值，取极大值周围的点集，h_L和v_L分别为横坐标和纵坐标，得到候选点集合P_L；（3.4）根据候选点集合P_L设定一个搜索区域，在此区域内，对模板图像的低分辨率图像T_LL和邻域图像R的低分辨率图像R_LL进行模板匹配；（3．5）使用${\mathrm{Diff}}_{i,j}^L=\underset{m=0}{\overset{k-1}{\Sigma }}\underset{n=1}{\overset{k-1}{\Sigma }}|T_{\mathrm{LL}}(i-m,j-n)-R_{\mathrm{LL}}(m,n)|$误差累加式，式中表示位置(i,j)的匹配度量,其值越小,说明匹配程度越好，同样设置一个合适的阈值，在点集P_L区域内找到匹配程度最好的候选点集合P_H；其中，L表示第L级小波分解，k表示多分辨模板第L层的大小，R_LL(m,n)和T_LL(i,j)分别表示邻域图像和模板图像的第L层的小波变换系数；（4）目标图像的精确定位，是在原图像的粗定位邻域内进行精确定位:对模板图像T进行边缘检测处理，找到模板轮廓的全局不变化边缘图像，对邻域图R进行同样的边缘检测处理；利用模板图像T的边缘图和邻域图像R的边缘图进行模板匹配算法，最后得到晶元的精确位置；具体的，包括下述过程：（4.1）对模板图像T和邻域图像R进行边缘检测处理；（4.2）根据候选点集合P_H设定一个搜索区域，在此区域内，对模板图像T的边缘图和邻域图像R的边缘图进行模板匹配,求得在邻域图像中的最佳匹配点；（4.3）根据邻域图像R在目标图S中的位置，在目标图S中确定最佳匹配位置点的坐标，并作为最终结果。