CN104732207A - 高精度与高抗干扰性定位PCB板Mark点的方法及装置 - Google Patents

Abstract

本发明实施例公开了一种高精度与高抗干扰性定位PCB板Mark点的方法及装置，所述的高精度与高抗干扰性定位PCB板Mark点的方法包括：对待定位基准点Mark点的图片按照像素值之间的差值进行图片分割，得到子图片，采用形心法获取所述子图片中圆形区域的粗略圆心和粗略半径，基于所述圆形区域的粗略圆心和粗略半径，利用探针法确定所述图片中的基准点。能够有效去除其它圆形物的干扰，提高PCB板基准点定位的抗干扰性，进一步的提升了定位精度。

Description

高精度与高抗干扰性定位PCB板Mark点的方法及装置

技术领域

本发明涉及印刷电路板的制作技术领域，尤其涉及一种高精度与高抗干扰性定位PCB板Mark点的方法及装置。

背景技术

基准(Mark)点是印刷电路板(Printed Circuit Board,PCB)上的定位标识，常见形状有圆形、菱形、三角形和十字形等，其中以圆形居多。

在表面贴装技术(Surface Mount Technology，SMT)中，PCB板上各元件位置都以基准点为基准，因此怎样快速准确的找到基准点位置成为SMT表贴装工艺中一个极其关键环节。这一任务，由贴片机器的视觉定位系统实现。定位的精确度、稳定性以及定位速度等是衡量视觉定位系统好坏的性能指标。对于圆形基准点，传统定位方式主要有，Hough变换，曲线拟合，边缘检测以及模板匹配等。

现有的基准点定位方法在寻找圆的部分没有考虑到存在圆形物的干扰的情况，即如果一张图片中存在两个甚至更多的圆形目标，现有的定位方法无法确定哪个是真正的基准点，进而无法准确定位基准点。

发明内容

有鉴于此，本发明实施例提出一种高精度与高抗干扰性定位PCB板Mark点的方法及装置，以实现在存在圆形物干扰的情况下，准确定位PCB板Mark点。

第一方面，本发明实施例提供了一种高精度与高抗干扰性定位PCB板Mark

点的方法，所述方法包括：

对待定位基准点Mark点的图片按照像素值之间的差值进行图片分割，得到子图片；

采用形心法获取所述子图片中圆形区域的粗略圆心和粗略半径；

基于所述圆形区域的粗略圆心和粗略半径，利用探针法确定所述图片中的基准点。

第二方面，本发明实施例提供了一种高精度与高抗干扰性定位PCB板Mark点的装置，所述装置包括：

分割单元，用于对待定位基准点Mark点的图片按照像素值之间的差值进行图片分割，得到子图片；

获取单元，用于采用形心法获取所述子图片中圆形区域的粗略圆心和粗略半径；

确定单元，用于基于所述圆形区域的粗略圆心和粗略半径，利用探针法确定所述图片中的基准点。

采用本实施例所提供的技术方案，能够有效去除其它圆形物的干扰，提高PCB板基准点定位的抗干扰性，进一步的提升了定位精度。

附图说明

图1是本发明第一实施例提供的高精度与高抗干扰性定位PCB板Mark点的方法的流程图；

图2是标准基准点组成特征示意图；

图3是基准点内通过圆心点直线在圆形区域内的灰度变化曲线图；

图4是本发明第二实施例提供的高精度与高抗干扰性定位PCB板Mark点的 方法的流程图；

图5是本发明第三实施例提供的高精度与高抗干扰性定位PCB板Mark点的方法的流程图；

图6是本发明第四实施例提供的高精度与高抗干扰性定位PCB板Mark点的方法的流程图；

图7是本发明第五实施例提供的高精度与高抗干扰性定位PCB板Mark点的方法的流程图；

图8是图像边缘灰度变化示意图；

图9是图像边缘灰度差分示意图；

图10是像素边缘与亚像素边缘示意图；

图11是本发明第七实施例提供的高精度与高抗干扰性定位PCB板Mark点装置的结构图；

图12a是依据本发明第三实施例所提供的方法在复杂背景下检测Mark点的结果示意图；

图12b是依据本发明第三实施例所提供的方法在复杂背景下检测Mark点的结果示意图；

图12c是依据本发明第三实施例所提供的方法在复杂背景下检测Mark点的结果示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内 容。

第一实施例。 

图1是本发明第一实施例提供的高精度与高抗干扰性定位PCB板Mark点的方法的流程图，所述的高精度与高抗干扰性定位PCB板Mark点的方法包括：

步骤S101，对待定位基准点Mark点的图片按照像素值之间的差值进行图片分割，得到子图片。

贴片机器的视觉定位系统贴装头带动下视相机(又称基准点相机)运动到基准点上方拍照，获得基准点所在区域图片。如图2所示，基准点边缘光滑、齐整，颜色与周围的背景色有明显区别，不同的颜色在图片中的像素值会有较大的差异。利用基准点的这一特性，可以利用图片中的像素值，通过设定不同的阈值，将图片的点像素值进行比较计算，分割图片中的区域，形成不同的子图片，便于后期处理。

步骤S102，采用形心法获取所述子图片中圆形区域的粗略圆心和粗略半径。

对步骤S101中所形成的子图片进行扫描，找到子图片中的圆形区域，这些圆形区域可能就是PCB板中的基准点，对于这些圆形区域，可以通过形心法来计算这些圆形区域的粗略圆心和粗略半径，形心法的原理为统计构成该圆的边缘点的所有坐标，并将这些边缘点连接成圆，并通过边缘点的坐标的平均值计算该圆的圆心。形心法的优点在于计算量少，计算时间短，缺点在于定位精度稍差。

形心法可以采用如下计算方式：

其中(x0,y0)表示Mark点粗定位中心，R 表示圆形区域半径，i,j分别表示圆形区域在行和列方向像素坐标，N表示整个圆形区域像素总数，S表示圆形区域。通过上述公式，可以计算得出圆形区域的粗略圆心和粗略半径。

步骤S103，基于所述圆形区域的粗略圆心和粗略半径，利用探针法确定所述图片中的基准点。

在分割后的图片上会存在多个圆形区域，如图12a、图12b和图12c所示，图中有些圆形区域是基准点，而有一些圆形区域则可能是圆形的干扰物，对于这些圆形区域，需要对其进行识别以确定哪些圆形区域才是真正的基准点。标准基准点如图2所示，由图2可以看出，标准基准点具有如下特征：它是一种圆形标志；此外，一个完整的基准点包括标记点和空旷区域，且r≥2R(r为空旷区域半径，R为基准点半径，通常r＝3R)。标记点常为裸铜等反光度高的材质，PCB板空旷区域由于不刷油墨(一般为绿油)反光度低，以此增加与基准点反光对比度，空旷区域以外由于刷了油墨，反光度较高。由于以上特征，通过基准点圆心的直线其灰度变化曲线如图3。所述的探针法即利用上述特性，利用穿过基准点圆心的直线灰度变化来确定上述圆形区域是否为基准点，这种方法类似于用一个针探取圆形区域内的像素值，因此命名为探针法。

本发明实施例通过对待定位基准点Mark点的图片按照像素值之间的差值进行图片分割，得到子图片；采用形心法获取所述子图片中圆形区域的粗略圆心和粗略半径；基于所述圆形区域的粗略圆心和粗略半径，利用探针法确定所述图片中的基准点。能够根据PCB板中不同组成部分像素值存在差异的特性将图片分割图片为子图片，并运用形心法获取PCB板中圆形区域的圆心坐标和半径，最后通过探针法排除错误的圆形区域干扰点，能够定位PCB板中的基准点，避免了图像中圆形物体的干扰。

第二实施例。 

图4是本发明第二实施例提供的高精度与高抗干扰性定位PCB板Mark点的方法的流程图，所述的高精度与高抗干扰性定位PCB板Mark点的方法以本发明第一实施例为基础，进一步的，将所述对待定位基准点Mark点的图片按照像素值之间的差值进行图片分割，得到子图片，具体优化为：确定所述图片中两个像素点之间的像素值的差值；判断像素值差值是否大于预先设定的阈值，如果像素值差值大于预先设定的阈值，则所述两个像素点不属于同一区域，如果像素值差值小于预先设定的阈值，则所述两个像素点属于同一区域。

参见图4，所述高精度与高抗干扰性定位PCB板Mark点的方法包括：

步骤S201，确定待定位基准点Mark点的图片中两个像素点之间的像素值的差值。

待定位基准点Mark点的图片中属于不同的区域的点的像素值存在着不同，但是对于属于同一区域的内部的点，其像素值变化不大。利用这一特性，可以将图片分为多个区域，选择图片中的任意一点，获取该点的像素值，并获取图片中的其它点的像素值，为了更好的分割图片，后选取的点最好与先选取的点临近，或者以一定的规律间隔，例如与之相隔一个像素点等。也可以将多个相同正方形大小的像素点作为一个像素点看待，但像素点的个数不宜过多，以模板内其平均像素值代表f(i,j)处像素值，以3*3模板为例，如下表：

则该区域的平均像素值为： $\begin{array}{c}G(i,j)=[f(i-1,j-1)+f(i,j-1)+\\ f(i+1,j-1)+f(i-1,j)+f(i,j)+\\ f(i+1,j)+f(i-1,j+1)+f(i,j+1)\\ +f(i+1,j+1)]/9\end{array}$

步骤S202，确定所述图片中两个像素点之间的像素值的差值；判断像素值差值是否大于预先设定的阈值，如果像素值差值大于预先设定的阈值则所述两个像素点不属于同一区域，如果像素值差值小于预先设定的阈值，则所述两个像素点属于同一区域。

假设某一点假设(A表示一个区域)，|G(i+1,j+1)－G(i,j)|≤R

其中R表示像素差值的一个阈值，一般取6，

则

否则，即f(i+1,j+1)与f(i,j)不属于同一区域。

步骤S203，采用形心法获取所述子图片中圆形区域的粗略圆心和粗略半径。

步骤S204，基于所述圆形区域的粗略圆心和粗略半径，利用探针法确定所述图片中的基准点。

本发明实施例通过将所述对待定位基准点Mark点的图片按照像素值之间的差值进行图片分割，得到子图片，具体优化为：确定所述图片中两个像素点之间的像素值的差值；判断像素值差值是否大于预先设定的阈值，如果像素值差值大于预先设定的阈值，则所述两个像素点不属于同一区域，如果像素值差值小于预先设定的阈值，则所述两个像素点属于同一区域。与原有方法相比，无需为每个临近区域分割点设定阈值，比常用的阈值更具灵活性与可靠性，对光 照强度随时间变化不敏感。减少分割所需要的时间。

第三实施例。 

图5是本发明第三实施例提供的高精度与高抗干扰性定位PCB板Mark点的方法的流程图，所述的高精度与高抗干扰性定位PCB板Mark点的方法以本发明第一实施例为基础，进一步的，将基于所述圆形区域的粗略圆心和粗略半径，利用探针法确定所述图片中的基准点具体优化为：选取通过所述圆形区域的粗略圆心的任一方向直线；根据所述直线在圆形区域内的像素值变化特征与标准基准点的像素值变化特征，确定正确的基准点。

参见图5，所述高精度与高抗干扰性定位PCB板Mark点的方法，包括:

步骤S301，对待定位基准点Mark点的图片按照像素值之间的差值进行图片分割，得到子图片。

步骤S302，采用形心法获取所述子图片中圆形区域的粗略圆心和粗略半径。

步骤S303，选取通过所述圆形区域的粗略圆心的任一方向直线。

根据步骤S302，所获取的粗略圆心的位置，可以构造一条直线，该直线通过粗略圆心，角度任意。

步骤S304，根据所述直线在圆形区域内的像素值变化特征与标准基准点的像素值变化特征，确定正确的基准点。

获取步骤S303所选取的直线在该圆形区域内的点的像素值，并按照这些像素值建立相应的图，其中，横坐标显示该直线在圆形区域内的坐标，纵坐标用来表示像素值，并将生成的图与一个完整的基准点的像素值变化图，例如图3，进行比较，当生成的图与完整的基准点的像素值变化图图形相同时，可以 确定其为基准点，否则为圆形干扰物。

进一步的，也可以采用如下方法:

根据所选取的经过粗略圆心的直线，在粗略圆心到粗略半径范围内，从粗略圆心点开始以一定规律提取像素点灰度值，比如隔点取值，共取N个像素值，最后将N个样品的像素值求均值Gm1。依此方法，分别在1.5倍半径和3.5倍半径处开始，以相同的规律，和分别为Gm2与Gm3。此规律数学模型如下：

其中G(i,j)表示图片第i，j点灰度值，(cx,cy)为粗略圆心,ni，nj,ki,kj取整数，ki,kj值用来控制采样间隔，p为权值，控制采样范围，范围小则耗时短，综合考虑，权值可以选取为0.8。上述方法就如用一个十字探针取指定位置的值，可进一步提高提取精度，在正常光源情况下，如果P₁×Gm₁>Gm₂且P₃×Gm₃>Gm₂则确定其为基准点，P1及P3为0到1之间的灰度比较权值。

本发明实施例通过将基于所述圆形区域的粗略圆心和粗略半径，利用探针法确定所述图片中的基准点具体优化为：选取通过所述圆形区域的粗略圆心的任一方向直线；根据所述直线在圆形区域内的像素值变化特征与标准基准点的像素值变化特征，确定正确的基准点。能够更加快速准确的判断出圆形区域是否为基准点，避免其它圆形物体的干扰，如图12a、图12b和图12c所示，图12a、图12b和图12c是依据本发明第三实施例所提供的方法在复杂背景下检测Mark点的结果示意图，由图中可以看出，采用本发明实施例所提供的方法可以避免在复杂背景下由于圆形区域的干扰发生误检或者不能检测的情况，并可以大幅度提高正确检测率，在图12a、图12b和图12c中，十字架表示为检测到的基准点中心。

第四实施例。 

图6是本发明第四实施例提供的高精度与高抗干扰性定位PCB板Mark点的方法的流程图，所述的高精度与高抗干扰性定位PCB板Mark点的方法以本发明第一实施例为基础，进一步的，将采用形心法获取所述子图片中圆形区域的粗略圆心和粗略半径具体优化为：从所述子图片中筛选圆度大于0.9的圆形区域；采用形心法获取所述子图片中圆度大于0.9的圆形区域的粗略坐标和粗略半径。

参见图6，所述高精度与高抗干扰性定位PCB板Mark点的方法，包括:

步骤S401，对待定位基准点Mark点的图片按照像素值之间的差值进行图片分割，得到子图片。

步骤S402，从所述子图片中筛选圆度大于0.9的圆形区域。 

基准点都为圆形，具有圆形的相应特征，根据步骤S401根据像素对图片进行分割后的子图片，对其中分割出的圆形区域进行圆度检测，如果圆度不满足要求则可以认为分割出的圆形区域不属于基准点，根据此步骤，可以减少后续的运算量，缩短定位时间。

所述的圆度定义为： $\stackrel{\‾}{d}=\mathrm{\Σ}\left(\right||p-p_i|\left|\right)/N,$

$\mathrm{\σ}^2\mathrm{\Σ}\left(\right||p-p_i||-\stackrel{\‾}{d})^2/N,$

$r=1-\mathrm{\σ}/\stackrel{\‾}{d},$

其中p表示区域中心坐标，p_i表示区域边界像素坐标，表示平均距离，σ表示标准差，r表示圆度，N表示区域边界像素点个数。

根据上述公式筛选出圆度大于0.9的区域，去除掉圆度不大于0.9的区域。

步骤S403，采用形心法获取所述子图片中圆度大于0.9的圆形区域的粗略坐标和粗略半径。

对筛选出圆度大于0.9的区域，采用形心法获取所述子图片中圆度大于0.9的圆形区域的粗略坐标和粗略半径。

步骤S404，基于所述圆形区域的粗略圆心和粗略半径，利用探针法确定所述图片中的基准点。

本发明实施例通过将采用形心法获取所述子图片中圆形区域的粗略圆心和粗略半径具体优化为从所述子图片中筛选圆度大于0.9的圆形区域；采用形心法获取所述子图片中圆度大于0.9的圆形区域的粗略坐标和粗略半径。可以减少后续的运算量，缩短定位时间。

第五实施例。 

图7是本发明第五实施例提供的高精度与高抗干扰性定位PCB板Mark点的方法的流程图，所述的高精度与高抗干扰性定位PCB板Mark点的方法以本发明第一实施例为基础，进一步的，在所述基于所述圆形区域的粗略圆心和粗略半径，利用探针法确定所述图片中的基准点之后，增加如下步骤：按照像素值的变化提取正确的基准点的亚像素边缘点；根据亚像素边缘点拟合基准点，确定基准点的圆心及半径。

参见图7，所述高精度与高抗干扰性定位PCB板Mark点的方法，包括:

步骤S501，对待定位基准点Mark点的图片按照像素值之间的差值进行图片分割，得到子图片。

步骤S502，采用形心法获取所述子图片中圆形区域的粗略圆心和粗略半径。

步骤S503，基于所述圆形区域的粗略圆心和粗略半径，利用探针法确定所述图片中的基准点。

步骤S504，按照像素值的变化提取正确的基准点的亚像素边缘点。

图像边缘是表现为像素值的变化，边缘处像素值如图8所示，亚像素边缘提取需先得到目标像素边缘，像素边缘的提采用经典的Canny算子它具有高定位精度，低误判率，能抵制虚假边缘，对噪声不敏感等特点。参数拟合法是根据边缘点及其邻域内的点的灰度变化呈高斯分布的原理来获取亚像素边缘点的一种方法。经Canny算子获得像素边缘后可得到每个像素的边缘梯度方向，沿此梯度方向以所得边缘点为中心两边各取原图像7个像素点的像素值，如图9所示，在此梯度方向像素值的差分呈现高斯分布，因此拟合出此高斯曲线，获利最高点的坐标值即为图像边缘的亚像素坐标。高斯曲线表达式为

$y=\frac{1}{\sqrt{2\mathrm{\π\σ}}}\exp \left(\frac{-{(x-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2}\right),$

直接拟合高斯曲线难度大，可进行对数变换，

$\ln y=-\frac{{(x-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2}+\ln \frac{1}{\sqrt{2\mathrm{\π\σ}}},$

x表示梯度方向坐标轴，y表示灰度值。 

可以看出，此公式为关于x的二次方程，设为y＝Ax2+Bx+C，对抛物线的拟合将变得简单。

CCD是光积分器件，因此每个像素的像素值是由曝光时间内一定光强在一像素面积上的积分，其公式可如下表示：

$f(i,j)={\∫}_{j-0.5}^{j+0.5}{\∫}_{i-0.5}^{i+0.5}g(x,y)\mathrm{dxdy},$ 其中g(x,y)为光强分布，f(i,j)为所得灰度值。

简化到梯度方向，则二维变一维

$f\left(n\right)={\∫}_{n-0.5}^{n+0.5}(A{x}^2+\mathrm{Bx}+C)\mathrm{dx},$

现令f(0)表示边Canny算子检测出的边缘点像素值的对数值。

$f\left(0\right)={\∫}_{-0.5}^{0.5}(A{x}^2+\mathrm{Bx}+C)\mathrm{dx}$

$f\left(0\right)=\frac{1}{12}A+C$

并在其梯度方向依次取原图像相邻像素灰度值f(-3)，f(-2)，f(-1)，f(1)，f(2)，f(3)，共可得7个方程，其中有A、B、C三个未知数，为超定方程，可采用最小二乘法解。当得到A、B、C的值后，抛物线顶点坐标x＝-B/(2A)，至此得到亚像素边缘点。

此外，也可以在此步骤之前增加如下步骤：以所述粗略圆心位置为圆心，以粗略半径的1.8倍作为半径对图片进行裁剪，得到预选图片；通过此步骤，预先对包含边缘点的图像进行预处理，减少亚像素边缘点检测的运算量，减少了运算所处理的时间。

步骤S505，根据亚像素边缘点拟合基准点，确定基准点的圆心及半径。

两种方法进行圆拟合，一种是代数法，另一种是几何法。代数法是所得边缘点集到某圆圆心的距离与此圆半径之差的总和，当此总和最小时所得的圆即为最终所得圆。

虽然代数拟合法具有易程序实施与运算时间短等优点，但它却具有精度不高，有悖测量准则及所得参数不可靠等缺点，几何法被认为可能是唯一能解决代数法上述缺点的方法。

几何法是计算的是边缘点集到几何特征正交距离也即最短距离，，即某点(Xi,Yi)到圆上距离最近点(X1i，Y1i)的距离是几何法所关心的。对于半径为R，圆心为C(XC,YC)可用下式表示，式中Z表示点O到圆上某点的向量，ZC表示 点O到圆心的向量：

||Z-Z_C||²＝R²，

对于图像边缘上一点Zi，在圆上离此点最近的点Z1i可用下式求得  $Z_i^1=Z_C+R\frac{Z_i-Z_C}{\left|\right|Z_i-Z_c\left|\right|},$

正交距离向量如下：

$Z_i^{11}=Z_i-Z_i^1=\left[\right||Z_i-Z_c||-R]\frac{Z_i-Z_C}{\left|\right|Z_i-Z_C\left|\right|},$

这是一个已知图像边缘点集坐标(Xi,Yi)求圆心C(XC,YC)和半径R的非线性方程，需用迭代法求解。由于所得亚像素边缘中存在误差很大的点，如图10所示，这些点将对式拟合所得结果造成影响，因此必需减小或者去除这些点的影响，这里采用M估计中的选权迭代法求解式，此法具有计算简单，易于程序实现等优点，其中权值用稳健估计中的Tukey法获得。

设有来自总体L的观测样本L1，L2,...Ln，l1,l2,...ln为相应样本值，Li的分布密度为X为待估参数，则其极大似然估计准则如下：

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\ln f(l_i,\hat{X})=\max ,$

以ρ(·)代替-lnf(·),则有

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{\ρ}(l_i,\hat{X})=\min ,$

为求极小值，可令未知参数求一阶导为零，有

M估计就是式定义的一类估计，一个ρ函数定义一个M估计，选取正确的ρ函数是M估计的关键。 

设观测值为L(为n维向量)，未知参数向量X，针对圆拟合，L为所得边缘点集的Yi坐标组成的向量(Y1,Y2,Y3...Yn)，X则为圆心C(XC,YC)与半径R组成的向量(XC,YC,R)。误差方程及观测权阵如下：

$V=B\hat{X}-L=\left\{\begin{array}{c}{b}_1\\ b_2\\ ...\\ b_4\end{array}\right\}\hat{X}-\left\{\begin{array}{c}{l}_1\\ l_2\\ ...\\ l_n\end{array}\right\},$

$P=\left[\begin{array}{cccc}{P}_1& & & \\ & P_2& & \\ & & ...& \\ & & & P_n\end{array}\right]$

因此，由上述三个公式可得，可将M估计的ρ函数写为：

$\mathrm{\ρ}(l_i,\hat{X})=\mathrm{\ρ}\left(v_i\right),$

令写成矩阵形式：

B^TWV＝0，

将式 $V=B\hat{X}-L=\left\{\begin{array}{c}{b}_1\\ b_2\\ ...\\ b_4\end{array}\right\}\hat{X}-\left\{\begin{array}{c}{l}_1\\ l_2\\ ...\\ l_n\end{array}\right\}$ 代入式 $w\left(u\right)=\left\{\begin{array}{cc}{[1-{\left(\frac{u}{c}\right)}^2]}^2& \left|u\right|\≤c\\ 0& \left|u\right|>c\end{array}\right.$ 并加入权阵P，可得  $\hat{X}={\left(B^T\stackrel{\‾}{P}B\right)}^{-1}{B}^T\stackrel{\‾}{P}L,\stackrel{\‾}{P}=\mathrm{PW},$

针对本文的圆拟合，将公式改写成的形式，L指圆周上理想纵坐标组成的向量，B是由边缘提取所得的横坐标值，为待估参数，即圆心座标及半径值。

结合公式 $V=B\hat{X}-L=\left\{\begin{array}{c}{b}_1\\ b_2\\ ...\\ b_4\end{array}\right\}\hat{X}-\left\{\begin{array}{c}{l}_1\\ l_2\\ ...\\ l_n\end{array}\right\},\hat{X}={\left(B^T\stackrel{\‾}{P}B\right)}^{-1}{B}^T\stackrel{\‾}{P}L,\stackrel{\‾}{P}=\mathrm{PW},,$ 令观测权阵P为单位阵，W初始值也为单位阵，ρ函数取稳健估计中的Tukey法，公式如下：

$w\left(u\right)=\left\{\begin{array}{cc}{[1-{\left(\frac{u}{c}\right)}^2]}^2& \left|u\right|\≤c\\ 0& \left|u\right|>c\end{array}\right.,$

其中c一般取4.6851，标准化的残差表示标准差。u的值越大，表示此点误差越大，它在整个拟合过程起的作用也就越小，当某点的u值大于指定的阈值c，则认为此点存在粗大误差，舍弃此点。

经上述初始化参数，依次迭代，即可求得圆参数，至此完成基准点的精确定位。

本发明实施例通过在所述基于所述圆形区域的粗略圆心和粗略半径，利用探针法确定所述图片中的基准点之后，增加如下步骤：按照像素值的变化提取正确的基准点的亚像素边缘点；根据亚像素边缘点拟合基准点，确定基准点的圆心及半径。达到了高精度定位效果，并且方法对基准点的污损不敏感。获得良好的定位效果，且减少了定位运算量，降低了定位基准点所需要的时间。

第六实施例。 

图11是本发明第六实施例提供的高精度与高抗干扰性定位PCB板Mark点的装置的结构图。

由图11可以看出，所述高精度与高抗干扰性定位PCB板Mark点的装置包括：分割单元610、获取单元620和确定单元630。

其中，所述分割单元610，用于对待定位基准点Mark点的图片按照像素值之间的差值进行图片分割，得到子图片；

获取单元620，用于采用形心法获取所述子图片中圆形区域的粗略圆心和粗略半径；

确定单元630，用于基于所述圆形区域的粗略圆心和粗略半径，利用探针 法确定所述图片中的基准点。

进一步的，所述分割单元610具体用于： 

确定所述图片中两个像素点之间的像素值的差值；

判断像素值差值是否大于预先设定的阈值，如果像素值差值大于预先设定的阈值，则所述两个像素点不属于同一区域，如果像素值差值小于预先设定的阈值，则所述两个像素点属于同一区域；

根据所判定的两个像素点是否属于同一区域的结果分割图片，得到子图片。

进一步的，所述获取单元620具体用于： 

从所述子图片中筛选圆度大于0.9的圆形区域； 

采用形心法获取所述子图片中圆度大于0.9的圆形区域的粗略坐标和粗略半径。

进一步的，所述确定单元630包括：选取子单元631和确定子单元632。

其中，所述选取子单元631，用于选取通过所述圆形区域的粗略圆心的任一方向直线；

所述确定子单元632，用于根据所述直线在圆形区域内的像素值变化特征与标准基准点的像素值变化特征，确定正确的基准点。

进一步的，所述确定子单元631具体用于： 

从所述直线上粗略圆心、1.5倍半径处和3.5倍半径处开始以一定间隔提取设定数量的像素点灰度值，并分别计算提取的所有像素点的灰度平均值Gm1、Gm2与Gm3；

如果P₁×Gm₁>Gm₂且P₃×Gm₃>Gm₂，则确定所述粗略圆心所属的圆为正确的基准点，其中P1及P3为预设的0到1之间的灰度比较权值。

进一步的，所述高精度与高抗干扰性定位PCB板Mark点的装置还包括：提取单元640和拟合单元650。

其中，所述提取单元640，用于按照像素值的变化提取正确的基准点的亚像素边缘点；

拟合单元650，用于根据亚像素边缘点拟合基准点，确定基准点的圆心及半径。

进一步的，所述提取单元640具体用于： 

以所述粗略圆心位置为圆心，以粗略半径的1.8倍作为半径对图片进行裁剪，得到预选图片；

在所述预选图片上按照像素值的变化提取基准点的亚像素边缘。

进一步的，所述拟合单元650具体用于： 

使用基于稳健估计的几何距离法，根据亚像素边缘点确定基准点的圆心及半径。

上述高精度与高抗干扰性定位PCB板Mark点的装置可执行本发明实施例所提供的高精度与高抗干扰性定位PCB板Mark点的方法，具备执行方法相应的功能模块和有益效果。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

本领域普通技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间的相同或相似的部分互相参见即可。

以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种高精度与高抗干扰性定位PCB板Mark点的方法，包括：

对待定位基准点Mark点的图片按照像素值之间的差值进行图片分割，得到子图片；

采用形心法获取所述子图片中圆形区域的粗略圆心和粗略半径；

基于所述圆形区域的粗略圆心和粗略半径，利用探针法确定所述图片中的基准点。

2.根据权利要求1所述的方法，其特征在于，所述基于所述圆形区域的粗略圆心和粗略半径，利用探针法确定所述图片中的基准点，包括：

选取通过所述圆形区域的粗略圆心的任一方向直线；

根据所述直线在圆形区域内的像素值变化特征与标准基准点的像素值变化特征，确定正确的基准点。

3.根据权利要求2所述的方法，其特征在于，根据所述直线在圆形区域内的像素值变化特征与标准基准点的像素值变化特征，确定正确的基准点，包括：

从所述直线上粗略圆心、1.5倍半径处和3.5倍半径处开始以一定间隔提取设定数量的像素点灰度值，并分别计算提取的所有像素点的灰度平均值Gm1、Gm2与Gm3；如果P₁×Gm₁>Gm₂且P₃×Gm₃>Gm₂，则确定所述粗略圆心所属的圆为正确的基准点，其中P1及P3为预设的0到1之间的灰度比较权值。

4.根据权利要求1所述的方法，其特征在于，所述基于所述圆形区域的粗略圆心和粗略半径，利用探针法确定所述图片中的基准点之后，所述方法还包括：

按照像素值的变化提取正确的基准点的亚像素边缘点；

根据亚像素边缘点拟合基准点，确定基准点的圆心及半径。

5.根据权利要求4所述的方法，其特征在于，所述根据亚像素边缘点拟合基准点，确定基准点的圆心及半径，包括:

使用基于稳健估计的几何距离法，根据亚像素边缘点确定基准点的圆心及半径。

6.一种高精度与高抗干扰性定位PCB板Mark点的装置，包括：

分割单元，用于对待定位基准点Mark点的图片按照像素值之间的差值进行图片分割，得到子图片；

获取单元，用于采用形心法获取所述子图片中圆形区域的粗略圆心和粗略半径；

确定单元，用于基于所述圆形区域的粗略圆心和粗略半径，利用探针法确定所述图片中的基准点。

7.根据权利要求6所述的装置，其特征在于，所述确定单元包括：

选取子单元，用于选取通过所述圆形区域的粗略圆心的任一方向直线；

确定子单元，用于根据所述直线在圆形区域内的像素值变化特征与标准基准点的像素值变化特征，确定正确的基准点。

8.根据权利要求7所述的装置，其特征在于，所述确定子单元具体用于：

从所述直线上粗略圆心、1.5倍半径处和3.5倍半径处开始以一定间隔提取设定数量的像素点灰度值，并分别计算提取的所有像素点的灰度平均值Gm1、Gm2与Gm3；

如果P₁×Gm₁>Gm₂且P₃×Gm₃>Gm₂，则确定所述粗略圆心所属的圆为正确的基准点，其中P1及P3为预设的0到1之间的灰度比较权值。

9.根据权利要求9所述的装置，其特征在于，所述高精度与高抗干扰性定位PCB板Mark点的装置还包括：

提取单元，用于按照像素值的变化提取正确的基准点的亚像素边缘点；

拟合单元，用于根据亚像素边缘点拟合基准点，确定基准点的圆心及半径。

10.根据权利要求9所述的装置，其特征在于，所述拟合单元具体用于：

使用基于稳健估计的几何距离法，根据亚像素边缘点确定基准点的圆心及半径。