CN104359402A - 一种用于矩形引脚元件视觉定位的检测方法 - Google Patents
一种用于矩形引脚元件视觉定位的检测方法 Download PDFInfo
- Publication number
- CN104359402A CN104359402A CN201410652310.1A CN201410652310A CN104359402A CN 104359402 A CN104359402 A CN 104359402A CN 201410652310 A CN201410652310 A CN 201410652310A CN 104359402 A CN104359402 A CN 104359402A
- Authority
- CN
- China
- Prior art keywords
- image
- angle point
- pixel
- obtains
- angle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 230000000007 visual effect Effects 0.000 title claims abstract description 7
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000011218 segmentation Effects 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000002372 labelling Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000010339 dilation Effects 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 4
- 230000007547 defect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000008439 repair process Effects 0.000 claims description 3
- 238000009415 formwork Methods 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 230000001629 suppression Effects 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- NCGICGYLBXGBGN-UHFFFAOYSA-N 3-morpholin-4-yl-1-oxa-3-azonia-2-azanidacyclopent-3-en-5-imine;hydrochloride Chemical compound Cl.[N-]1OC(=N)C=[N+]1N1CCOCC1 NCGICGYLBXGBGN-UHFFFAOYSA-N 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
一种用于矩形引脚元件视觉定位的检测方法。本发明涉及矩形引脚元件的视觉定位与检测领域。本发明是为了解决传统矩形引脚元件检测方法定位精度低,引脚在图像中存在断裂,对偏移量和偏转角度分开进行检测的问题。本发明主要技术为采用贴片机视觉系统获取被测元件图像,进行阀值分割得到二值化预处理后的图像,对元件引脚的连通区域进行标记,判别元件引脚的形状,提取引脚图像的像素级Harris角点坐标,求取Harris角点的亚像素坐标并分类,然后计算元件的偏转角度,将元件引脚图像与标准图像进行配准,计算出元件的偏移量。本发明主要用于矩形引脚元件的引脚检测、偏转角度检测以及偏移量检测。
Description
技术领域
本发明涉及矩形引脚元件的视觉定位和检测领域,具体是一种一种用于矩形引脚元件视觉定位的检测方法。
背景技术
矩形引脚元件视觉定位是对元件中心相对于吸嘴中心的偏移量和元件在拾取过程中的偏转角度进行检测,从而伺服系统对元件的位置进行补偿。快速、准确地完成矩形引脚元件的对准对提高贴片机的工作效率和精度起着至关重要的作用。已有的对矩形引脚元件的检测,基于尺蠖蠕行算法来对组成引脚的直线特征进行检测,根据梯度方向将边缘像素集合划分为具有一定梯度范围的子集,然后在各个边缘点子集内分别采用蠕行策略进行直线检测。当元件引脚的数目较多时,直线检测耗时较长,该方法的实时性将变得较差。也有算法针对矩形引脚元件引脚的分布特点,提出了基于第一元件引脚扫描检测的方法。但该方法需要根据元件的尺寸和吸嘴取料的精度来预先估计元件的第一引脚在图像坐标系中的位置,因而对吸嘴吸取元件的精度提出了较高的要求。还有方法对元件定义了东、西、南和北四个引脚组,然后对每个引脚组进行最小二乘匹配计算出元件的位置。当元件图像中的引脚发生断裂,该方法的检测精度将变得较差。上述方法的最小处理对象为单个像素点,所以检测精度较差,无法保证偏移量和偏转角度同时具有较高的检测精度。
发明内容
本发明是为了解决传统矩形引脚元件检测方法定位精度低,引脚在图像中存在断裂,对偏移量和偏转角度分开进行检测,而提出一种用于矩形引脚元件视觉定位的检测方法。
本发明的技术方案如下:
一种用于矩形引脚元件视觉定位的检测方法按以下步骤实现:
步骤一:采用贴片机视觉系统获取矩形引脚元件的图像。
步骤二:对步骤一得到的图像进行预处理,滤除图像中的噪声,修补引脚缺陷,采用最大类间方差法进行阈值分割,得到二值化后的图像。
步骤三:对步骤二得到的元件引脚图像进行连通区域标记。
对连通区域进行标记的步骤为:
初始化:随机选取原始图像中某个连通区域内的一个亮点B0。
循环:采用正方形结构元S对B0进行膨胀运算,膨胀后的结果与原始图像相交得到B1,重复进行膨胀运算与相交运算,直到Bi+1==Bi,一个连通区域标记完成。为该连通区域分配一个唯一的编号,并将输出图像中该连通区域内的所有像素点赋值为该区域的编号,从原始图像中删除已标记的连通区域。重复上述步骤,直到原始图像中再无亮点,至此所有的连通区域标记完毕。。
步骤四:计算步骤三得到的连通区域的二阶中心矩的比值,判别元件引脚的形状。若二阶中心矩的比值远大于1或者远小于1,则元件类型正确,否则元件类型不正确,不对元件进行检测。
一幅M×N的数字图像f(i,j),其p+q阶几何矩mpq和中心矩μpq为:
其中,i0=m10/m00,j0=m01/m00,p,q=0,1,2,…。
设X为标记图像的横向坐标矩阵,Y为标记图像的纵向坐标矩阵,大小均为n×1。则标记区域的二阶中心矩的计算过程如下:
步骤五:提取步骤四得到的引脚图像的Harris角点坐标。
步骤六:对步骤五得到的像素级角点坐标,采用基于Zernike矩的亚像素边缘检测算法对像素级角点进行精确定位。
步骤七:对步骤六得到的亚像素坐标点进行分类。在x-y坐标系中标注出每个角点,然后找出具有x轴坐标最大、最小值以及y轴坐标最大、最小值的4个基准角点,最后通过计算其他角点与4个基准角点的距离来判断剩余角点与哪个基准角点属于同一类。
步骤八:通过最小二乘法对步骤八中得到的四类角点进行直线拟合,并将拟合得到的直线平移0.75l(l为贴片元件的引脚长度),去除已分类的角点,剔除虚假角点,对余下的角点再次进行分类和最小二乘拟合,最后取八条直线斜率的平均值作为偏转角度θ的检测结果。
虚假角点的判别方法是将余下角点分别带入平移后的四条直线的直线方程,得到四个值,若四个值中正数的个数为2,则此点为四条直线所构成的封闭区间内的点,否则为虚假点。
步骤九:取步骤六得到的角点附近的8个像素值作为匹配特征点向量,与偏转角度为θ的标准图像的特征点向量进行匹配,得到最佳匹配点对,匹配点对间的坐标差值即为元件的偏移量。
本发明的优点是在进行Harris角点分类之前采用基于Zernike矩的亚像素边缘检测方法对Harris角点的坐标进行更精确地检测,得到精度更高的角点坐标,从而大大提高了后续偏转角度和偏移量的检测精度。测试结果表明,本发明所研究的算法可以对矩形引脚元件的偏转角度和偏移量进行有效检测,对偏转角度定位误差不超过0.04度,对偏移量的定位误差不超过0.02像素。可以得出,本发明所提出的矩形引脚元件定位与检测算法对元件的偏转角度和偏移量具有较高的分辨率和精度,能够满足高精度贴片机对算法精度的要求。
附图说明
图1是本方法流程图;
图2是矩形引脚元件的原始图像示意图。
图3是矩形引脚元件预处理后的图像示意图。
图4是亚像素边缘检测理想模型示意图。
图5是旋转后的亚像素边缘检测理想模型示意图。
图6是Harris角点提取结果示意图。
具体实施方式
下面结合附图对本发明作进一步说明:
具体实施方式一:本实施方式所述的一种用于矩形引脚元件视觉定位的检测方法按以下步骤实现:
步骤一:采用贴片机视觉系统获取矩形引脚元件的图像。
步骤二:对步骤一得到的图像进行预处理,滤除图像中的噪声,修补引脚缺陷,采用最大类间方差法进行阈值分割,得到二值化后的图像。
步骤三:对步骤二得到的元件引脚图像进行连通区域标记。
对连通区域进行标记的步骤为:
初始化:随机选取原始图像中某个连通区域内的一个亮点B0。
循环:采用正方形结构元S对B0进行膨胀运算,膨胀后的结果与原始图像相交得到B1,重复进行膨胀运算与相交运算,直到Bi+1==Bi,一个连通区域标记完成。为该连通区域分配一个唯一的编号,并将输出图像中该连通区域内的所有像素点赋值为该区域的编号,从原始图像中删除已标记的连通区域。重复上述步骤,直到原始图像中再无亮点,至此所有的连通区域标记完毕。。
步骤四:计算步骤三得到的连通区域的二阶中心矩的比值,判别元件引脚的形状。若二阶中心矩的比值远大于1或者远小于1,则元件类型正确,否则元件类型不正确,不对元件进行检测。
一幅M×N的数字图像f(i,j),其p+q阶几何矩mpq和中心矩μpq为:
其中,i0=m10/m00,j0=m01/m00,p,q=0,1,2,…。
设X为标记图像的横向坐标矩阵,Y为标记图像的纵向坐标矩阵,大小均为n×1。则标记区域的二阶中心矩的计算过程如下:
步骤五:提取步骤四得到的引脚图像的Harris角点坐标。
步骤六:对步骤五得到的像素级角点坐标,采用基于Zernike矩的亚像素边缘检测算法对像素级角点进行精确定位。
步骤七:对步骤六得到的亚像素坐标点进行分类。在x-y坐标系中标注出每个角点,然后找出具有x轴坐标最大、最小值以及y轴坐标最大、最小值的4个基准角点,最后通过计算其他角点与4个基准角点的距离来判断剩余角点与哪个基准角点属于同一类。
步骤八:通过最小二乘法对步骤八中得到的四类角点进行直线拟合,并将拟合得到的直线平移0.75l(l为贴片元件的引脚长度),去除已分类的角点,剔除虚假角点,对余下的角点再次进行分类和最小二乘拟合,最后取八条直线斜率的平均值作为偏转角度θ的检测结果。
虚假角点的判别方法是将余下角点分别带入平移后的四条直线的直线方程,得到四个值,若四个值中正数的个数为2,则此点为四条直线所构成的封闭区间内的点,否则为虚假点。
步骤九:取步骤六得到的角点附近的8个像素值作为匹配特征点向量,与偏转角度为θ的标准图像的特征点向量进行匹配,得到最佳匹配点对,匹配点对间的坐标差值即为元件的偏移量。
具体实施方式二:
本实施方式是对具体实施方式一进一步补充,步骤五所述的Harris角点提取方法,具体按照以下步骤实现:
(1)计算图像I(x,y)在x、y方向上的梯度Ix、Iy。
其中, 为卷积运算。
(2)计算图像x、y方向梯度的乘积。
(3)使用高斯函数对梯度乘积进行高斯加权。
其中,w为9×9的高斯窗函数。
(4)计算自相关矩阵M的行列式det M和直迹trace M。
(5)计算每个角点的响应值R,并对小于阀值t的R置零:
R=det M-α(trace M)2
其中,α为经验常数。
(6)在3×3的邻域内进行非极大值抑制,余下的局部极大值点即为图像的角点。
具体实施方式三:本实施方式是对具体实施方式一进一步补充,步骤六所述的基于Zernike矩的亚像素边缘检测法,具体按照以下步骤实现:
(1)根据亚像素边缘检测理想模型,利用7×7的模板计算每个像素级角点的5个旋转后的Zernike矩Z00,Z11,Z20,Z31,Z40。
(2)计算旋转后的5个Zernike矩Z’00,Z’11,Z’20,Z’31,Z’40。
(3)计算边缘模型的边缘参数与旋转后的Zernike矩之间的关系。
V00=1,V11=x-jy,V20=2x2+2y2-1
V31=(3x3+3xy2-2x)+j(3y3+3x2y-2y),V40=6(x4+y4)+12x2y2-6(x2+y2)+1
(4)计算边缘模型的边缘参数。
其中,Im[Zn1]、Re[Zn1]分别为Zn1的虚部和实部。
(5)计算Harris角点的亚像素坐标。
式中,(xs,ys)为Harris角点的亚像素坐标,(x,y)为Harris角点的像素级坐标。
上面所述的实施例仅仅是对本发明的优选实施方式进行描述,并非对本发明的构思和范围进行限定,在不脱离本发明设计构思前提下,本领域中普通工程技术人员对本发明的技术方案作出的各种变型和改进,均应落入本发明的保护范围,本发明请求保护的技术内容已经全部记载在权利要求书中。
Claims (3)
1.一种用于矩形引脚元件视觉定位的检测方法,其特征在于它包括下述步骤:
步骤一:采用贴片机视觉系统获取矩形引脚元件的图像;
步骤二:对步骤一得到的图像进行预处理,滤除图像中的噪声,修补引脚缺陷,采用最大类间方差法进行阈值分割,得到二值化后的图像;
步骤三:对步骤二得到的元件引脚图像进行连通区域标记;
对连通区域进行标记的步骤为:
初始化:随机选取原始图像中某个连通区域内的一个亮点B0;
循环:采用正方形结构元S对B0进行膨胀运算,膨胀后的结果与原始图像相交得到B1,重复进行膨胀运算与相交运算,直到Bi+1==Bi,一个连通区域标记完成。为该连通区域分配一个唯一的编号,并将输出图像中该连通区域内的所有像素点赋值为该区域的编号,从原始图像中删除已标记的连通区域。重复上述步骤,直到原始图像中再无亮点,至此所有的连通区域标记完毕;
步骤四:计算步骤三得到的连通区域的二阶中心矩的比值,判别元件引脚的形状。若二阶中心矩的比值远大于1或者远小于1,则元件类型正确,否则元件类型不正确,不对元件进行检测;
一幅M×N的数字图像f(i,j),其p+q阶几何矩mpq和中心矩μpq为:
其中,i0=m10/m00,j0=m01/m00,p,q=0,1,2,…;
设X为标记图像的横向坐标矩阵,Y为标记图像的纵向坐标矩阵,大小均为n×1。则标记区域的二阶中心矩的计算过程如下:
步骤五:提取步骤四得到的引脚图像的Harris角点坐标;
步骤六:对步骤五得到的像素级角点坐标,采用基于Zernike矩的亚像素边缘检测算法对像素级角点进行精确定位;
步骤七:对步骤六得到的亚像素坐标点进行分类。在x-y坐标系中标注出每个角点,然后找出具有x轴坐标最大、最小值以及y轴坐标最大、最小值的4个基准角点,最后通过计算其他角点与4个基准角点的距离来判断剩余角点与哪个基准角点属于同一类;
步骤八:通过最小二乘法对步骤八中得到的四类角点进行直线拟合,并将拟合得到的直线平移0.75l(l为贴片元件的引脚长度),去除已分类的角点,剔除虚假角点,对余下的角点再次进行分类和最小二乘拟合,最后取八条直线斜率的平均值作为偏转角度θ的检测结果;
虚假角点的判别方法是将余下角点分别带入平移后的四条直线的直线方程,得到四个值,若四个值中正数的个数为2,则此点为四条直线所构成的封闭区间内的点,否则为虚假点;
步骤九:取步骤六得到的角点附近的8个像素值作为匹配特征点向量,与偏 转角度为θ的标准图像的特征点向量进行匹配,得到最佳匹配点对,匹配点对间的坐标差值即为元件的偏移量。
2.根据权利要求1所述的一种用于矩形引脚元件视觉定位的检测方法,其特征在于步骤五所述的Harris角点提取方法,具体按照以下步骤实现:
(1)计算图像I(x,y)在x、y方向上的梯度Ix、Iy;
其中, 为卷积运算;
(2)计算图像x、y方向梯度的乘积;
(3)使用高斯函数对梯度乘积进行高斯加权;
其中,w为9×9的高斯窗函数;
(4)计算自相关矩阵M的行列式det M和直迹trace M;
(5)计算每个角点的响应值R,并对小于阀值t的R置零:
R=det M-α(trace M)2;
其中,α为经验常数;
(6)在3×3的邻域内进行非极大值抑制,余下的局部极大值点即为图像的角点。
3.根据权利要求1所述的一种用于矩形引脚元件视觉定位的检测方法,其特征在于步骤六所述的基于Zernike矩的亚像素边缘检测法,具体按照以下步骤实现:
(1)根据亚像素边缘检测理想模型,利用7×7的模板计算每个像素级角点的5个旋转后的Zernike矩Z00,Z11,Z20,Z31,Z40;
(2)计算旋转后的5个Zernike矩Z’00,Z’11,Z’20,Z’31,Z’40;
(3)计算边缘模型的边缘参数与旋转后的Zernike矩之间的关系;
V00=1,V11=x-jy,V20=2x2+2y2-1;
V31=(3x3+3xy2-2x)+j(3y3+3x2y-2y),V40=6(x4+y4)+12x2y2-6(x2+y2)+1;
(4)计算边缘模型的边缘参数;
l=0.5(l1+l2);
其中,Im[Zn1]、Re[Zn1]分别为Zn1的虚部和实部;
(5)计算Harris角点的亚像素坐标;
式中,(xs,ys)为Harris角点的亚像素坐标,(x,y)为Harris角点的像素级坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410652310.1A CN104359402A (zh) | 2014-11-17 | 2014-11-17 | 一种用于矩形引脚元件视觉定位的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410652310.1A CN104359402A (zh) | 2014-11-17 | 2014-11-17 | 一种用于矩形引脚元件视觉定位的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104359402A true CN104359402A (zh) | 2015-02-18 |
Family
ID=52526687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410652310.1A Pending CN104359402A (zh) | 2014-11-17 | 2014-11-17 | 一种用于矩形引脚元件视觉定位的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104359402A (zh) |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104990926A (zh) * | 2015-06-25 | 2015-10-21 | 哈尔滨工业大学 | 一种基于视觉的tr元件定位和缺陷检测方法 |
CN105303573A (zh) * | 2015-10-26 | 2016-02-03 | 广州视源电子科技股份有限公司 | 金针类元件的引脚检测方法和系统 |
CN105588841A (zh) * | 2016-01-28 | 2016-05-18 | 浙江工业大学 | 基于机器视觉的针脚倾斜缺陷检测装置 |
CN106056123A (zh) * | 2016-05-27 | 2016-10-26 | 北京理工大学 | 一种基于sem的碳纳米管自动识别的图像处理方法 |
CN106485749A (zh) * | 2016-10-19 | 2017-03-08 | 哈尔滨工业大学 | 一种基于角点的矩形引脚元件粗定位方法 |
CN106815829A (zh) * | 2015-12-02 | 2017-06-09 | 深圳市祈飞科技有限公司 | 一种电子元器件引脚配准pcb板孔的定位优化方法 |
CN107407552A (zh) * | 2015-03-06 | 2017-11-28 | 富士机械制造株式会社 | 识别装置及识别方法 |
CN107436124A (zh) * | 2016-05-26 | 2017-12-05 | 机科发展科技股份有限公司 | 一种基于视觉的多针脚元器件定位及针脚误差检测方法 |
CN107909613A (zh) * | 2017-11-14 | 2018-04-13 | 哈尔滨工业大学 | 一种基于顶点的矩形引脚元件定位方法 |
CN108830842A (zh) * | 2018-06-04 | 2018-11-16 | 哈尔滨工程大学 | 一种基于角点检测的医学图像处理方法 |
CN108898147A (zh) * | 2018-06-27 | 2018-11-27 | 清华大学 | 一种基于角点检测的二维图像边缘平直化方法、装置 |
CN109472271A (zh) * | 2018-11-01 | 2019-03-15 | 凌云光技术集团有限责任公司 | 印刷电路板图像轮廓提取方法及装置 |
CN109765245A (zh) * | 2019-02-25 | 2019-05-17 | 武汉精立电子技术有限公司 | 大尺寸显示屏缺陷检测定位方法 |
CN110030923A (zh) * | 2018-01-12 | 2019-07-19 | 联合汽车电子有限公司 | 连接器Pin针检测系统及其检测方法 |
CN110390670A (zh) * | 2019-07-08 | 2019-10-29 | 浙江大学 | 一种基于数字图像的贴片位置误差检测方法 |
CN110992326A (zh) * | 2019-11-27 | 2020-04-10 | 江苏理工学院 | 一种qfn芯片引脚图像快速倾斜校正方法 |
CN111315135A (zh) * | 2020-02-16 | 2020-06-19 | 苏州浪潮智能科技有限公司 | Pcb设计平台、检测三极管封装角度正确性的方法及系统 |
CN111553885A (zh) * | 2020-04-08 | 2020-08-18 | 哈尔滨工业大学 | 基于回退树的sot型芯片引脚参数检测方法 |
CN111788882A (zh) * | 2018-02-27 | 2020-10-16 | 松下知识产权经营株式会社 | 管理装置、管理方法以及部件安装系统 |
CN111784674A (zh) * | 2020-07-02 | 2020-10-16 | 深圳明锐理想科技有限公司 | 元件检测方法、装置、计算机设备和存储介质 |
CN112541945A (zh) * | 2020-12-10 | 2021-03-23 | 宁波智能装备研究院有限公司 | 一种二次匹配对应的ic芯片亚像素精度定位方法 |
CN113643256A (zh) * | 2021-08-11 | 2021-11-12 | 广汽丰田汽车有限公司 | 引脚缺陷的识别方法、处理装置和计算机可读存储介质 |
CN113845064A (zh) * | 2021-08-05 | 2021-12-28 | 乐歌人体工学科技股份有限公司 | 一种具有圆形支脚的物料承载装置的定位方法及系统 |
CN114372984A (zh) * | 2022-03-22 | 2022-04-19 | 南京熊猫电子制造有限公司 | 一种超分辨率元器件角度识别装置及方法 |
CN114501980A (zh) * | 2022-01-13 | 2022-05-13 | 武汉纺织大学 | 一种异形元器件的引脚检测及自动插件的装置和方法 |
CN115859905A (zh) * | 2023-03-01 | 2023-03-28 | 上海合见工业软件集团有限公司 | 一种引脚匹配方法及系统 |
CN116168040A (zh) * | 2023-04-26 | 2023-05-26 | 四川元智谷科技有限公司 | 元器件的方向检测方法、装置、电子设备及可读存储介质 |
CN118096742A (zh) * | 2024-04-23 | 2024-05-28 | 鑫创鑫自动化设备科技(漳州)有限公司 | 一种基于角点检测和三维建模技术的贴片机吸嘴检测方法 |
CN118096742B (zh) * | 2024-04-23 | 2024-07-05 | 鑫创鑫自动化设备科技(漳州)有限公司 | 一种基于角点检测和三维建模技术的贴片机吸嘴检测方法 |
-
2014
- 2014-11-17 CN CN201410652310.1A patent/CN104359402A/zh active Pending
Non-Patent Citations (2)
Title |
---|
王祖进等: "基于Harris角点特征的贴片元件视觉定位算法", 《江苏大学学报(自然科学版)》 * |
高世一等: "基于Zernike正交矩的图像亚像素边缘检测算法改进", 《自动化学报》 * |
Cited By (48)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107407552B (zh) * | 2015-03-06 | 2019-11-12 | 株式会社富士 | 识别装置及识别方法 |
CN107407552A (zh) * | 2015-03-06 | 2017-11-28 | 富士机械制造株式会社 | 识别装置及识别方法 |
CN104990926B (zh) * | 2015-06-25 | 2017-09-29 | 哈尔滨工业大学 | 一种基于视觉的tr元件定位和缺陷检测方法 |
CN104990926A (zh) * | 2015-06-25 | 2015-10-21 | 哈尔滨工业大学 | 一种基于视觉的tr元件定位和缺陷检测方法 |
CN105303573A (zh) * | 2015-10-26 | 2016-02-03 | 广州视源电子科技股份有限公司 | 金针类元件的引脚检测方法和系统 |
CN105303573B (zh) * | 2015-10-26 | 2018-05-25 | 广州视源电子科技股份有限公司 | 金针类元件的引脚检测方法和系统 |
CN106815829A (zh) * | 2015-12-02 | 2017-06-09 | 深圳市祈飞科技有限公司 | 一种电子元器件引脚配准pcb板孔的定位优化方法 |
CN106815829B (zh) * | 2015-12-02 | 2020-06-30 | 深圳市祈飞科技有限公司 | 一种电子元器件引脚配准pcb板孔的定位优化方法 |
CN105588841A (zh) * | 2016-01-28 | 2016-05-18 | 浙江工业大学 | 基于机器视觉的针脚倾斜缺陷检测装置 |
CN107436124A (zh) * | 2016-05-26 | 2017-12-05 | 机科发展科技股份有限公司 | 一种基于视觉的多针脚元器件定位及针脚误差检测方法 |
CN106056123A (zh) * | 2016-05-27 | 2016-10-26 | 北京理工大学 | 一种基于sem的碳纳米管自动识别的图像处理方法 |
CN106485749B (zh) * | 2016-10-19 | 2019-01-22 | 哈尔滨工业大学 | 一种基于角点的矩形引脚元件粗定位方法 |
CN106485749A (zh) * | 2016-10-19 | 2017-03-08 | 哈尔滨工业大学 | 一种基于角点的矩形引脚元件粗定位方法 |
CN107909613A (zh) * | 2017-11-14 | 2018-04-13 | 哈尔滨工业大学 | 一种基于顶点的矩形引脚元件定位方法 |
CN107909613B (zh) * | 2017-11-14 | 2020-05-22 | 哈尔滨工业大学 | 一种基于顶点的矩形引脚元件定位方法 |
CN110030923A (zh) * | 2018-01-12 | 2019-07-19 | 联合汽车电子有限公司 | 连接器Pin针检测系统及其检测方法 |
CN110030923B (zh) * | 2018-01-12 | 2021-09-28 | 联合汽车电子有限公司 | 连接器Pin针检测系统及其检测方法 |
CN111788882B (zh) * | 2018-02-27 | 2021-11-09 | 松下知识产权经营株式会社 | 管理装置、管理方法以及部件安装系统 |
CN111788882A (zh) * | 2018-02-27 | 2020-10-16 | 松下知识产权经营株式会社 | 管理装置、管理方法以及部件安装系统 |
CN108830842A (zh) * | 2018-06-04 | 2018-11-16 | 哈尔滨工程大学 | 一种基于角点检测的医学图像处理方法 |
CN108830842B (zh) * | 2018-06-04 | 2022-01-07 | 哈尔滨工程大学 | 一种基于角点检测的医学图像处理方法 |
CN108898147A (zh) * | 2018-06-27 | 2018-11-27 | 清华大学 | 一种基于角点检测的二维图像边缘平直化方法、装置 |
CN108898147B (zh) * | 2018-06-27 | 2021-03-02 | 清华大学 | 一种基于角点检测的二维图像边缘平直化方法、装置 |
CN109472271A (zh) * | 2018-11-01 | 2019-03-15 | 凌云光技术集团有限责任公司 | 印刷电路板图像轮廓提取方法及装置 |
CN109472271B (zh) * | 2018-11-01 | 2021-05-14 | 凌云光技术股份有限公司 | 印刷电路板图像轮廓提取方法及装置 |
CN109765245B (zh) * | 2019-02-25 | 2021-08-13 | 武汉精立电子技术有限公司 | 大尺寸显示屏缺陷检测定位方法 |
CN109765245A (zh) * | 2019-02-25 | 2019-05-17 | 武汉精立电子技术有限公司 | 大尺寸显示屏缺陷检测定位方法 |
CN110390670A (zh) * | 2019-07-08 | 2019-10-29 | 浙江大学 | 一种基于数字图像的贴片位置误差检测方法 |
CN110992326A (zh) * | 2019-11-27 | 2020-04-10 | 江苏理工学院 | 一种qfn芯片引脚图像快速倾斜校正方法 |
CN110992326B (zh) * | 2019-11-27 | 2022-08-09 | 江苏理工学院 | 一种qfn芯片引脚图像快速倾斜校正方法 |
CN111315135B (zh) * | 2020-02-16 | 2022-06-10 | 苏州浪潮智能科技有限公司 | Pcb设计平台、检测三极管封装角度正确性的方法及系统 |
CN111315135A (zh) * | 2020-02-16 | 2020-06-19 | 苏州浪潮智能科技有限公司 | Pcb设计平台、检测三极管封装角度正确性的方法及系统 |
CN111553885B (zh) * | 2020-04-08 | 2021-07-06 | 哈尔滨工业大学 | 基于回退树的sot型芯片引脚参数检测方法 |
CN111553885A (zh) * | 2020-04-08 | 2020-08-18 | 哈尔滨工业大学 | 基于回退树的sot型芯片引脚参数检测方法 |
CN111784674A (zh) * | 2020-07-02 | 2020-10-16 | 深圳明锐理想科技有限公司 | 元件检测方法、装置、计算机设备和存储介质 |
CN111784674B (zh) * | 2020-07-02 | 2024-06-25 | 深圳明锐理想科技股份有限公司 | 元件检测方法、装置、计算机设备和存储介质 |
CN112541945A (zh) * | 2020-12-10 | 2021-03-23 | 宁波智能装备研究院有限公司 | 一种二次匹配对应的ic芯片亚像素精度定位方法 |
CN112541945B (zh) * | 2020-12-10 | 2024-02-27 | 宁波智能装备研究院有限公司 | 一种二次匹配对应的ic芯片亚像素精度定位方法 |
CN113845064A (zh) * | 2021-08-05 | 2021-12-28 | 乐歌人体工学科技股份有限公司 | 一种具有圆形支脚的物料承载装置的定位方法及系统 |
CN113845064B (zh) * | 2021-08-05 | 2023-05-09 | 乐仓信息科技有限公司 | 一种具有圆形支脚的物料承载装置的定位方法及系统 |
CN113643256A (zh) * | 2021-08-11 | 2021-11-12 | 广汽丰田汽车有限公司 | 引脚缺陷的识别方法、处理装置和计算机可读存储介质 |
CN114501980A (zh) * | 2022-01-13 | 2022-05-13 | 武汉纺织大学 | 一种异形元器件的引脚检测及自动插件的装置和方法 |
CN114372984A (zh) * | 2022-03-22 | 2022-04-19 | 南京熊猫电子制造有限公司 | 一种超分辨率元器件角度识别装置及方法 |
CN115859905A (zh) * | 2023-03-01 | 2023-03-28 | 上海合见工业软件集团有限公司 | 一种引脚匹配方法及系统 |
CN115859905B (zh) * | 2023-03-01 | 2023-04-28 | 上海合见工业软件集团有限公司 | 一种引脚匹配方法及系统 |
CN116168040A (zh) * | 2023-04-26 | 2023-05-26 | 四川元智谷科技有限公司 | 元器件的方向检测方法、装置、电子设备及可读存储介质 |
CN118096742A (zh) * | 2024-04-23 | 2024-05-28 | 鑫创鑫自动化设备科技(漳州)有限公司 | 一种基于角点检测和三维建模技术的贴片机吸嘴检测方法 |
CN118096742B (zh) * | 2024-04-23 | 2024-07-05 | 鑫创鑫自动化设备科技(漳州)有限公司 | 一种基于角点检测和三维建模技术的贴片机吸嘴检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104359402A (zh) | 一种用于矩形引脚元件视觉定位的检测方法 | |
CN104915963B (zh) | 一种用于plcc元件的检测与定位方法 | |
CN103942824B (zh) | 一种三维点云直线特征提取方法 | |
CN101936708B (zh) | Qfp芯片的定位检测方法 | |
CN104408722A (zh) | 一种用于pcb视觉定位的检测方法 | |
CN103729655B (zh) | 一种用于片式元件视觉定位的检测方法 | |
CN101839690A (zh) | 一种基于边缘拟合的片式电子元件位置误差视觉检测方法 | |
CN103745475A (zh) | 一种用于球形引脚元件的检测与定位方法 | |
CN104281838B (zh) | 基于hog特征的高铁接触网支撑装置耳片断裂故障检测方法 | |
CN101840572A (zh) | 一种基于区域分割的qfp元件位置误差视觉检测方法 | |
CN107464240A (zh) | 一种基于模板匹配的带矩形引脚芯片的定位算法 | |
CN104990926A (zh) | 一种基于视觉的tr元件定位和缺陷检测方法 | |
CN105563481B (zh) | 一种用于轴孔装配的机器人视觉引导方法 | |
CN104517276A (zh) | 一种棋盘格角点检测方法 | |
CN106446894A (zh) | 一种基于轮廓识别球型目标物位置的方法 | |
CN103593838B (zh) | 一种快速互相关灰度图像匹配方法与装置 | |
CN103727930A (zh) | 一种基于边缘匹配的激光测距仪与相机相对位姿标定方法 | |
CN105023265A (zh) | 鱼眼镜头下的棋盘格角点自动检测方法 | |
CN106813569B (zh) | 一种基于线结构光的汽车轮胎三维定位方法 | |
CN103632384B (zh) | 组合式标记点及标记点中心的快速提取方法 | |
CN104715487A (zh) | 一种基于伪Zernike矩的亚像素边缘检测方法 | |
CN103745221A (zh) | 一种二维码图像矫正方法 | |
CN104331875A (zh) | 一种利用极坐标定位的反射标靶及图像识别方法 | |
CN204689038U (zh) | 基于视觉的皮带跑偏检测装置 | |
CN104574367B (zh) | 一种基于机器视觉的集成芯片管脚几何尺寸检测计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150218 |
|
RJ01 | Rejection of invention patent application after publication |