CN104408722A

CN104408722A - 一种用于pcb视觉定位的检测方法

Info

Publication number: CN104408722A
Application number: CN201410693065.9A
Authority: CN
Inventors: 黄筱调; 王祖进; 丁爽
Original assignee: Nanjing Tech University
Current assignee: Nanjing Tech University
Priority date: 2014-11-26
Filing date: 2014-11-26
Publication date: 2015-03-11

Abstract

一种用于PCB视觉定位的检测方法。本发明涉及PCB的视觉定位与检测领域。本发明是为了解决传统PCB检测方法定位精度低和通用性差的问题。本发明主要技术为采用贴片机视觉系统获取PCB定位标志图像，进行阀值分割得到二值化预处理后的图像，对PCB上的定位标志进行形状判别，然后采用先粗后精的边缘检测方法得到定位标志边缘点的亚像素坐标，计算定位标志中心点的坐标。本发明主要用于PCB上定位标志的质心检测。

Description

一种用于PCB视觉定位的检测方法

技术领域

本发明涉及PCB的视觉定位和检测领域，具体是一种用于PCB视觉定位的检测方法。

背景技术

PCB印刷电路板定位是通过对母板上的定位标志进行检测，从而得到PCB坐标系与贴片机机器坐标系之间的转换关系。快速、准确地完成PCB上定位标志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PCB的检测，基于Hough变换的方法来对十字形定位标志的四条长边缘直线进行抽取，根据长边缘直线的4个交点的坐标平均值可以得到十字形的中心点。但该方法采用的Hough变换计算速度较慢，采用的Sobel边缘检测算子检测精度只能达到像素级。也有算法针对定位标志的特点，提出了结合图像分割、几何特征识别与模式匹配的PCB定位方法。首先采用联通域分割算法对定位标志进行图像分割以减少匹配模板的面积，然后根据几何特征识别方法进行相应的粗定位，以确定定位标志中心点的大致坐标，最后将模板在近似值附近邻域内进行匹配以寻找到目标图像与模板相似度最大的点的位置。当定位标志图像较大时，模板匹配时耗时较长，该方法的实时性将变得较差。

发明内容

本发明是为了解决传统的PCB检测方法定位精度低，研究对象单一，通用性差，而提出一种用于PCB视觉定位的检测方法。

本发明的技术方案如下：

一种用于PCB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PCB的图像。

步骤二：将步骤一得到的图像采用最大类间方差法进行阈值分割，得到二值化预处理后的图像。

步骤三：如果定位标志图像是中空的，采用形态学膨胀运算对中空区域进行填充。然后对图像中的黑点进行最小二乘圆拟合，从而计算得到面积率λ和圆形度δ。

区域进行填充的步骤为：

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：采用十字形结构元S对B₀进行膨胀运算，膨胀后的结果与原始图像的补图像相交得到B₁，重复进行膨胀运算与相交运算，直到B_i+1＝＝B_i，最终的膨胀结果与原始图像取并集得到实心图像。

面积率λ和圆形度δ的定义为：

λ = \frac{n}{N}

δ = \frac{4 πS}{L^{2}}

其中，n为拟合圆内的黑点数，N为目标图像的总黑点数，S为二值图像中的黑点总数，L为二值图像中黑色区域的边界长度。

步骤四：判断定位标志的形状，判断顺序依次为：圆形、正方形、三角形、格子形以及十字形。若λ>0.95且δ>1，则为圆形；若λ>0.8且δ>0.7，则为正方形；若λ>0.6且δ>0.7，则为三角形；若λ>0.4且δ>0.3，则为格子；若λ>0.3且δ>0.1，则为十字形。

步骤五：采用Sobel边缘检测算子对定位标志图像进行边缘检测，得到定位标志边缘点的像素级坐标。

步骤六：采用基于空间矩的亚像素边缘检测法对步骤五得到的像素级坐标进行精确定位，得到定位标志边缘点的亚像素级坐标。

二维函数f(x,y)的p+q空间矩定义为：

M_pq＝∫∫x^py^qf(x,y)dydx (5)

其中中，p、q为非负整数。

步骤七：对步骤六得到的亚像素坐标点进行最小二乘圆拟合，得到定位标志的中心点坐标。

步骤八：利用步骤七得到的中心点坐标定位PCB，从而计算出PCB坐标系和机器坐标系之间的转换关系。

本发明的优点是在进行亚像素边缘检测之前采用Sobel算子对定位标志图像进行像素级边缘检测，得到可能的边缘点，从而大大减少了后续处理的时间。采用的边缘检测算法能很好的适用于各种形状的定位标志，具有很好的通用性。测试结果表明，本发明所研究的算法可以对PCB上的定位标志进行有效检测，对中心点的定位误差不超过0.06像素。可以得出，本发明所提出的PCB定位与检测算法对定位标志的边缘点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是本发明方法的流程图；

图2是二级理想边缘模型示意图。

图3是旋转后的二阶理想边缘模型示意图。

图4是三级理想边缘模型示意图。

图5是旋转后的三级理想边缘模型示意图。

图6是边缘交点处的边缘模型示意图。

图7是旋转后的边缘交点处的边缘模型示意图。

图8各种形状的定位标志图像示意图。

图9定位标志的亚像素边缘检测结果示意图。

具体实施方式

下面结合附图对本发明作进一步描述。

具体实施方式一：

本实施方式所述的一种用于PCB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PCB的图像。

区域进行填充的步骤为：

面积率λ和圆形度δ的定义为：

λ = \frac{n}{N}

δ = \frac{4 πS}{L^{2}}

二维函数f(x,y)的p+q空间矩定义为：

M_pq＝∫∫x^py^qf(x,y)dydx (5)

其中中，p、q为非负整数。

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，步骤六所述的基于空间矩的亚像素边缘检测法，具体按照以下步骤实现：

(1)根据二级理想边缘模型，利用5×5的模板计算每个像素级边缘点的6个空间矩M₀₀,M₀₁,M₁₀,M₀₂,M₂₀,M₁₁。

(2)计算旋转后的6个空间矩M’₀₀,M’₀₁,M’₁₀,M’₀₂,M’₂₀,M’₁₁。

(3)计算二级理想边缘模型的边缘参数。

(式1)

l = \frac{{4 M}_{20}^{'} - M_{00}^{'}}{{3 M}_{10}^{'}}

(式2)

k = \frac{{3 M}_{10}^{'}}{2 \sqrt{{(l - l^{2})}^{3}}}

(式3)

(4)采用最大类间方差法求得最佳阀值l_t、k_t。若k≥k_t∩l≤l_t，则该像素点为亚像素边缘点。

(5)计算边缘点的亚像素坐标。

(式4)

其中，(x_s,y_s)为亚像素边缘点的坐标，(x,y)为像素级边缘点的坐标。

(6)计算边缘交点的判别值ε。

ϵ = \frac{M_{20}^{'} - M_{02}^{'}}{2 (M_{20}^{'} + M_{02}^{'}) - M_{00}^{'}}

(式5)

选取适当的阀值T，若|ε|≥T，则边缘点为交点；若|ε|<T，则边缘点为普通边缘点。

(7)若为边缘交点，对像素间的亚像素进行双线性插值，得到亚像素级的灰度值。采用共轭梯度法对边缘交点的亚像素坐标进行寻优。经过多次迭代即可准确地得到交点的亚像素坐标。目标函数的表达式为：

\{\begin{matrix} x^{'} = x + C (x, y) / d_{cx} (x, y) \\ y^{'} = y + C (x, y) / d_{cy} (x, y) \end{matrix}

(式6)

其中，(x,y)的初始值为交点，d_cx(x,y)、d_cy(x,y)是函数C(x,y)的一阶偏导数。

(8)若不为交点附近的边缘点，根据三级理想边缘模型，利用5×5的模板计算每个像素级边缘点的6个空间矩M’₀₀,M’₀₁,M’₁₀,M’₀₂,M’₂₀,M’₁₁。

计算旋转后的6个空间矩M”₀₀,M”₀₁,M”₁₀,M”₀₂,M”₂₀,M”₁₁。

计算角度为的边缘的亚像素位置l_e。

l_{e} = \frac{{4 M}_{20}^{''} - M_{00}^{''}}{{3 M}_{10}^{''}} = \frac{Δ 1}{Δ 2}

(式7)

(式8)

(式9)

式中，λ＝Δk/k，f(l)＝(1-l²)^1.5.

计算原理误差E。

E＝l-l_e(10)

利用式(10)对式(2)计算出的l进行补偿。

(9)计算边缘点的亚像素坐标。

(式11)

(10)若为交点附近的边缘点，根据交点处的边缘模型，利用5×5的模板计算每个像素级边缘点旋转后的6个空间矩M’₀₀,M’₀₁,M’₁₀,M’₀₂,M’₂₀,M’₁₁。

在交点处，6个空间矩满足下述关系：

C(x,y)＝2(M'₂₀+M'₀₂)-M'₀₀＝0 (式12)

M_{20}^{'} - M_{02}^{'} = \frac{k}{4} \sin 2 θ + \frac{Δk}{4} (\sin 2 α - \sin 2 θ)

(式13)

在普通边缘点出，6个空间矩满足下述关系：

2 (M_{20}^{'} + M_{02}^{'}) - M_{00}^{'} = \frac{2}{3} kl \sqrt{{(l - l^{2})}^{3}}

(式14)

M_{20}^{'} - M_{02}^{'} = \frac{2}{3} kl \sqrt{{(1 - l^{2})}^{3}}

(式15)

得到边缘交点的判断公式为：

δ = \frac{M_{20}^{'} - M_{02}^{'}}{2 (M_{20}^{'} + M_{02}^{'}) - M_{00}^{'}}

(式16)

选取适当的阀值T，若|δ|≥T，则边缘点为交点；若|δ|<T，则边缘点为普通边缘点。

对像素间的亚像素进行双线性插值，得到亚像素级的灰度值。采用共轭梯度法对交点的亚像素坐标进行寻优，目标函数的表达式为：

\{\begin{matrix} x^{'} = x + C (x, y) / d_{cx} (x, y) \\ y^{'} = y + C (x, y) / d_{cy} (x, y) \end{matrix}

(式17)

式中，(x,y)的初始值为交点，d_cx(x,y)、d_cy(x,y)是函数C(x,y)的一阶偏导数。

经过多次迭代即可准确地得到交点的亚像素坐标。

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

1.一种用于PCB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PCB的图像；

步骤二：将步骤一得到的图像采用最大类间方差法进行阈值分割，得到二值化预处理后的图像；

步骤三：如果定位标志图像是中空的，采用形态学膨胀运算对中空区域进行填充。然后对图像中的黑点进行最小二乘圆拟合，从而计算得到面积率λ和圆形度δ；

区域进行填充的步骤为：

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：采用十字形结构元S对B₀进行膨胀运算，膨胀后的结果与原始图像的补图像相交得到B₁，重复进行膨胀运算与相交运算，直到B_i+1＝＝B_i，最终的膨胀结果与原始图像取并集得到实心图像；

面积率λ和圆形度δ的定义为：

λ = \frac{n}{N}

δ = \frac{4 πS}{L^{2}}

其中，n为拟合圆内的黑点数，N为目标图像的总黑点数，S为二值图像中的黑点总数，L为二值图像中黑色区域的边界长度；

步骤四：判断定位标志的形状，判断顺序依次为：圆形、正方形、三角形、格子形以及十字形。若λ>0.95且δ>1，则为圆形；若λ>0.8且δ>0.7，则为正方形；若λ>0.6且δ>0.7，则为三角形；若λ>0.4且δ>0.3，则为格子；若λ>0.3且δ>0.1，则为十字形；

步骤五：采用Sobel边缘检测算子对定位标志图像进行边缘检测，得到定位标志边缘点的像素级坐标；

步骤六：采用基于空间矩的亚像素边缘检测法对步骤五得到的像素级坐标进行精确定位，得到定位标志边缘点的亚像素级坐标；

二维函数f(x,y)的p+q空间矩定义为：

M_pq＝∫∫x^py^qf(x,y)dydx

其中中，p、q为非负整数。

步骤七：对步骤六得到的亚像素坐标点进行最小二乘圆拟合，得到定位标志的中心点坐标；

2.根据权利要求1所述的一种用于PCB视觉定位的检测方法，其特征在于步骤六所述的基于空间矩的亚像素边缘检测法，具体按照以下步骤实现：

(1)根据二级理想边缘模型，利用5×5的模板计算每个像素级边缘点的6个空间矩M₀₀,M₀₁,M₁₀,M₀₂,M₂₀,M₁₁；

(2)计算旋转后的6个空间矩M’₀₀,M’₀₁,M’₁₀,M’₀₂,M’₂₀,M’₁₁；

(3)计算二级理想边缘模型的边缘参数；

(式1)；

l = \frac{{4 M}_{20}^{'} - M_{00}^{'}}{{3 M}_{10}^{'}}

(式2)；

k = \frac{{3 M}_{10}^{'}}{2 \sqrt{{(1 - l^{2})}^{3}}}

(式3)；

(4)采用最大类间方差法求得最佳阀值l_t、k_t。若k≥k_t∩l≤l_t，则该像素点为亚像素边缘点；

(5)计算边缘点的亚像素坐标；

(式4)；

其中，(x_s,y_s)为亚像素边缘点的坐标，(x,y)为像素级边缘点的坐标；

(6)计算边缘交点的判别值ε；

ϵ = \frac{M_{20}^{'} - M_{02}^{'}}{2 (M_{20}^{'} + M_{02}^{'}) - M_{00}^{'}}

(式5)；

选取适当的阀值T，若|ε|≥T，则边缘点为交点；若|ε|<T，则边缘点为普通边缘点；

(7)若为边缘交点，对像素间的亚像素进行双线性插值，得到亚像素级的灰度值；采用共轭梯度法对边缘交点的亚像素坐标进行寻优；经过多次迭代即可准确地得到交点的亚像素坐标；

目标函数的表达式为：

\{\begin{matrix} x^{'} = x + C (x, y) / d_{cx} (x, y) \\ y^{'} = y + C (x, y) / d_{cy} (x, y) \end{matrix}

(式6)

其中，(x,y)的初始值为交点，d_cx(x,y)、d_cy(x,y)是函数C(x,y)的一阶偏导数；

(8)若不为交点附近的边缘点，根据三级理想边缘模型，利用5×5的模板计算每个像素级边缘点的6个空间矩M’₀₀,M’₀₁,M’₁₀,M’₀₂,M’₂₀,M’₁₁；

计算旋转后的6个空间矩M”₀₀,M”₀₁,M”₁₀,M”₀₂,M”₂₀,M”₁₁；

计算角度为的边缘的亚像素位置le；

l_{e} = \frac{{4 M}_{20}^{''} - M_{00}^{''}}{{3 M}_{10}^{''}} = \frac{Δ 1}{Δ 2}

(式7)；

(式8)；

(式9)；

式中，λ＝Δk/k，f(l)＝(1-l²)^1.5；

计算原理误差E；

E＝l-l_e (10)；

利用式(10)对式(2)计算出的l进行补偿；

(9)计算边缘点的亚像素坐标；

(式11)；

(10)若为交点附近的边缘点，根据交点处的边缘模型，利用5×5的模板计算每个像素级边缘点旋转后的6个空间矩M’₀₀,M’₀₁,M’₁₀,M’₀₂,M’₂₀,M’₁₁；

在交点处，6个空间矩满足下述关系：

C(x,y)＝2(M'₂₀+M'₀₂)-M'₀₀＝0 (式12)；

M_{20}^{'} - M_{02}^{'} = \frac{k}{4} \sin 2 θ + \frac{Δk}{4} (\sin 2 α - \sin 2 θ)

(式13)；

在普通边缘点出，6个空间矩满足下述关系：

2 (M_{20}^{'} + M_{02}^{'}) - M_{00}^{'} = \frac{2}{3} kl \sqrt{{(1 - l^{2})}^{3}}

(式14)；

M_{20}^{'} - M_{02}^{'} = \frac{2}{3} kl \sqrt{{(1 - l^{2})}^{3}}

(式15)；

得到边缘交点的判断公式为：；

δ = \frac{M_{20}^{'} - M_{02}^{'}}{2 (M_{20}^{'} + M_{02}^{'}) - M_{00}^{'}}

(式16)；

选取适当的阀值T，若|δ|≥T，则边缘点为交点；若|δ|<T，则边缘点为普通边缘点；

\{\begin{matrix} x^{'} = x + C (x, y) / d_{cx} (x, y) \\ y^{'} = y + C (x, y) / d_{cy} (x, y) \end{matrix}

(式17)；

式中，(x,y)的初始值为交点，d_cx(x,y)、d_cy(x，y)是函数C(x,y)的一阶偏导数；经过多次迭代即可准确地得到交点的亚像素坐标。