CN106780290A - 一种快速计算从矢量图形提取网栅图形及填充的方法 - Google Patents

一种快速计算从矢量图形提取网栅图形及填充的方法 Download PDF

Info

Publication number
CN106780290A
CN106780290A CN201611153290.9A CN201611153290A CN106780290A CN 106780290 A CN106780290 A CN 106780290A CN 201611153290 A CN201611153290 A CN 201611153290A CN 106780290 A CN106780290 A CN 106780290A
Authority
CN
China
Prior art keywords
grid
vector
gds
point
filling
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
Application number
CN201611153290.9A
Other languages
English (en)
Inventor
刘庄
何津
张琨
刘建明
张彦鹏
蒋平
蒋开
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Weipu Optoelectronic Technology Co Ltd
Original Assignee
Jiangsu Weipu Optoelectronic Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Weipu Optoelectronic Technology Co Ltd filed Critical Jiangsu Weipu Optoelectronic Technology Co Ltd
Priority to CN201611153290.9A priority Critical patent/CN106780290A/zh
Publication of CN106780290A publication Critical patent/CN106780290A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/28—Indexing scheme for image data processing or generation, in general involving image processing hardware

Abstract

本发明涉及一种快速计算从矢量图形提取网栅图形及填充的方法，包括以下步骤：由控制模块读取输入的GDS矢量图信息，对GDS文件相应层进行解析；并对矢量点进行GDS矢量图文件中定义的变换，形成GDS矢量图文件的矢量点的绝对坐标；控制模块根据采集模块的视场大小以及镜头倍率将矢量图网格化，并根据矢量点的绝对坐标，对矢量点所在的多边形根据网格的坐标进行划分和裁剪；控制模块一次获取一个条带的网格的多边形坐标，发送给GPU进行并行填充。本发明采用通用的GPU计算卡实现矢量图到位图的转换，可根据系统的需求，采用多块GPU计算卡协同处理，处理过程中不需要进行多边形三角分解，提高了系统的处理性能和产能。

Description

一种快速计算从矢量图形提取网栅图形及填充的方法
技术领域
本发明涉及半导体缺陷检测/光刻技术领域，尤其是一种快速计算从矢量图形提取网栅图形及填充的方法。
背景技术
半导体光刻/缺陷检测过程中，需要将矢量图形(如GDSII格式)转化为位图，对光刻来说，将位图采用光刻技术刻写到掩膜版上，在将掩膜版上的图形复制到晶元上，在经过多种工序，形成芯片；对半导体缺陷检测来说，需要将从图像传感器(如相机)采集的掩膜版/晶元的图像与位图进行对比，检测出采集图像与位图之间的差异，这些差异即掩膜版/晶元的缺陷。
现有技术一般采用FPGA来进行位图转换，一般先将矢量图中的多边形进行三角分解，然后进行填充。这种方式有如下缺点：
1、FPGA属于专用硬件，需要针对特定项目进行定制开发，成本较高；
2、对多边形进行三角分解并填充，性能比较低，导致系统的产能低。
发明内容
本发明要解决的技术问题是：提出一种基于GPU快速计算从矢量图形提取网栅图形及填充的方法，具有成本低、性能高的特点。
本发明所采用的技术方案为：一种快速计算从矢量图形提取网栅图形及填充的方法，包括以下步骤：
1)由控制模块读取输入的GDS矢量图信息，对GDS文件相应层进行解析；并对矢量点进行GDS矢量图文件中定义的变换，形成GDS矢量图文件的矢量点的绝对坐标；
2)控制模块根据采集模块的视场大小以及镜头倍率将矢量图网格化，并根据矢量点的绝对坐标，对矢量点所在的多边形根据网格的坐标进行划分和裁剪；
3)控制模块一次获取一个条带的网格的多边形坐标，发送给GPU进行并行填充。
具体的说，所述的步骤1)中，GDS矢量图信息包括GDS矢量图文件名，GDS矢量图层号；变换包括缩放，旋转，插入点，模块化，阵列化。所述的步骤2)中，将矢量图划分为m行n列的网格，并根据矢量点的绝对坐标，对矢量点所在的多边形根据网格的坐标进行划分，并将多边形中，不在网格内部的部分进行裁剪，最终得到包含在网格内部的多边形及其坐标。所述的步骤3)中，填充的粒度为多边形，填充时针对每个多边形的每一行进行扫描求交点，若遇到极值点或水平线则直接将极值点或水平线进行填充；若不是则求取交点并对交点按坐标进行排序，排序后将奇数交点到偶数交点范围内的像素进行填充。所述的步骤3)中条带的形成方式为：控制模块向平台控制器发送待测物体的运动参数形成蛇形运动的轨迹；每个视场的图像大小用一个方格表示，一行表示一个条带。
本发明的有益效果是：本方法采用通用的GPU计算卡(如TESLA)实现矢量图到位图的转换，可根据系统的需求，采用多块GPU计算卡协同处理，处理过程中不需要进行多边形三角分解，提高了系统的处理性能和产能。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的系统结构示意图；
图2是本发明待测物体运动轨迹示意图；
图3是本发明自接触多边形填充示意图；
图4是本发明两个相交多边形填充示意图；
图中：1、定位平台，包括X轴、Y轴和Z轴；2、待测物体，包括掩膜版和晶元；3、显微镜；4、相机；5、控制模块，GPU计算卡插在控制模块中；6、同步模块；7、平台控制器；8、实时聚焦模块。
具体实施方式
现在结合附图和优选实施例对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
如图1所示，一种基于GPU快速计算从矢量图形提取网栅图形及填充的装置的一个实施例，包括控制模块5，定位平台1，平台控制器7，同步模块6，显微镜3，相机4，实时聚焦模块8。
控制模块5完成运动平台的控制(包括运动平台运动轨道的设置，运动速度和加速度的设置)，图像的采集，矢量图的栅格化及填充，缺陷的检测，控制模块中可插入多块GPU计算卡，用于对大量数据进行实时处理。
定位模块由定位平台1和平台控制器7组成。定位平台1由同步轴X，步进轴Y和垂直轴Z组成。平台控制器7控制各轴的移动并将同步轴Y在移动时生成的位置脉冲向外输出。同步模块6接收平台控制器7输出的位置脉冲，并将脉冲发送给相机4，相机收到位置脉冲后，触发拍照并将图像发送到控制模块5。控制模块5由计算机和控制软件组成，负责控制同步模块6、平台控制器7和实时聚焦模块8。
采集模块由显微镜3和相机4组成，显微镜包含5X、10X、20X、50X、100X的镜头，采用不同的镜头可以检测出不同分辨率的缺陷。相机4收到同步模块6发送的位置脉冲后，采集待测物体2在显微镜3在镜头的视场中的图像，并将图像发送到控制模块5进行处理。
实时聚焦模块8用于在运动平台1的同步轴X的运动过程中，实时检测并调整运动平台1的垂直轴Z的高度，使待测物体2一直保持在相机4的焦面上，使得相机4能够采集到待测物体2的清晰的图像。
本装置采用通用的GPU计算卡(如TESLA K10)完成矢量图的填充，GPU计算卡有强大的计算能力，非常适合大量图像数据的实时计算。例如，TESLA K10的规格如下：
GPU数量和类型 2颗Kepler GK104s
峰值双精度浮点性能 0.19Tflops
峰值单精度浮点性能 4.58Tflops
存储器带宽(ECC关闭) 320GB/s
存储器容量(GDDR5) 8GB
CUDA核心数量 2x1536
本装置在对矢量图进行填充时，没有采用对多边形进行三角分解的方法，而是之间以多边形为单位进行填充，有效避免了将复杂图形(如密集园)分解为大量三角形，利用GPU强大的处理能力，对矢量图切分出的网栅图形进行并行实时计算，极大提高了系统的性能及系统的产能。
在控制模块5中，输入检测参数，包括掩膜版/晶元的尺寸(例如4x4,5x5，6x6，8x8平方英寸等)，显微镜光源的类型(包括透视光和反射光)，显微镜镜头倍率大小(5X、10X、20X、50X、100X)，GDS矢量图文件名，待检测的GDS图层号，运动平台运动速度等级(包括高、中、低)，实时聚焦模块焦面参数，调整显微镜镜头，采用相应倍率的镜头，然后启动检测任务。控制模块5向平台控制器7发送运动轨迹、运动速度、位置脉冲参数。
本系统采用一种蛇形运动的轨迹，蛇形运动轨迹形成过程如下：
1、奇数条带从左到右扫描；
2、偶数条带从右到左扫描；
3、重复1、2步骤直到待测物体全部扫描完成；见图2。
图2中，一个方格表示一个视场的图像大小，一行表示一个条带。
运动平台沿同步轴X从待测物掩膜版/晶元2的水平起始点向其水平终止点匀速运动，运动到终点后，运动平台沿步进轴Y从掩膜版/晶元2的垂直起始点向垂直终止点运动一格，然后运动平台沿沿同步轴X从待测物掩膜版/晶元2的水平终止点向其水平起始点匀速运动，这样可以使检测时间缩短。控制模块5向平台控制器发送的位置脉冲距离为一个方格的大小，这样运动平台1每移动一个视场位置时，相机4就能够抓拍到一张图像，随着扫描和步进的进行，最终可以实现队整个掩膜版/晶元2区域的检测。在控制模块中，提前将2个条带的GDS矢量图文件栅格化，并对栅格化的矢量图采用GPU进行多边形填充生成位图，用于后续的检测处理。
运动平台1在收到控制模块5发送的运动轨迹，平台运动速度，位置脉冲参数后，开始沿指定的运动轨迹匀速运动，到达位置脉冲间隔后，向同步模块6发送位置脉冲。
实时聚焦模块8收到控制模块5发送的焦面参数后，实时检测聚焦模块8与运动平台1的Z轴的距离是否偏离了焦面，如发生偏离，实时聚焦模块8箱运动平台控制器7发送调整Z轴距离命令，运动平台控制器7收到调整Z轴距离命令后，调整Z轴到焦面位置，保证相机4能够拍摄到清晰的图像。
相机模块4收到同步模块发送的位置脉冲后，将待测物体掩膜版/晶元2经由显微镜3的镜头的视场进行成像，将采集到的图像发送给控制模块5进行缺陷检测。
控制模块5收到相机模块4发送的图像后，将收到图像与控制模块对矢量图采用多边形填充后生成的位图进行对比，不一致的地方标注为缺陷，随着扫描和步进的进行，控制模块5检测出整个掩膜版/晶元2区域的缺陷。
本装置提出的基于GPU快速计算从矢量图形提取网栅图形及填充的过程具体如下：
控制模块5读取输入的GDS矢量图文件名，GDS矢量图层号，对GDS文件相应层进行解析，对矢量点进行GDS矢量图文件中定义的变换(包括缩放，旋转，插入点，模块化，阵列化)，形成GDS矢量图文件的矢量点的绝对坐标。
控制模块5按照相机4的视场大小，显微镜3使用的镜头倍率，将矢量图划分为m行n列的网格，并根据矢量点的绝对坐标，对矢量点所在的多边形根据网格的坐标进行划分，并将多边形中，不在网格内部的部分进行裁剪，最终会得到包含在网格内部的多边形及其坐标。
控制模块5一次获取一个条带的网格的多边形坐标，发送给GPU(可支持多块GPU)进行并行填充。填充的粒度为多边形，填充时针对每个多边形的每一行进行扫描求交点，如果是遇到极值点或水平线则直接将极值点或水平线填充起来；如果不是则求取交点并对交点按坐标进行排序，排序后将奇数交点到偶数交点范围内的像素填充起来。本填充算法可以处理图3自接触多边形的填充，及图4多个相交多边形的填充。
以上说明书中描述的只是本发明的具体实施方式，各种举例说明不对本发明的实质内容构成限制，所属技术领域的普通技术人员在阅读了说明书后可以对以前所述的具体实施方式做修改或变形，而不背离本发明的实质和范围。

Claims (6)

1.一种快速计算从矢量图形提取网栅图形及填充的方法，其特征在于包括以下步骤：
1)由控制模块读取输入的GDS矢量图信息，对GDS文件相应层进行解析；并对矢量点进行GDS矢量图文件中定义的变换，形成GDS矢量图文件的矢量点的绝对坐标；
2)控制模块根据采集模块的视场大小以及镜头倍率将矢量图网格化，并根据矢量点的绝对坐标，对矢量点所在的多边形根据网格的坐标进行划分和裁剪；
3)控制模块一次获取一个条带的网格的多边形坐标，发送给GPU进行并行填充。
2.如权利要求1所述的一种快速计算从矢量图形提取网栅图形及填充的方法，其特征在于：所述的步骤1)中，GDS矢量图信息包括GDS矢量图文件名，GDS矢量图层号；变换包括缩放，旋转，插入点，模块化，阵列化。
3.如权利要求1所述的一种快速计算从矢量图形提取网栅图形及填充的方法，其特征在于：所述的步骤2)中，将矢量图划分为m行n列的网格，并根据矢量点的绝对坐标，对矢量点所在的多边形根据网格的坐标进行划分，并将多边形中，不在网格内部的部分进行裁剪，最终得到包含在网格内部的多边形及其坐标。
4.如权利要求1所述的一种快速计算从矢量图形提取网栅图形及填充的方法，其特征在于：所述的步骤3)中，填充的粒度为多边形，填充时针对每个多边形的每一行进行扫描求交点，若遇到极值点或水平线则直接将极值点或水平线进行填充；若不是则求取交点并对交点按坐标进行排序，排序后将奇数交点到偶数交点范围内的像素进行填充。
5.如权利要求1所述的一种快速计算从矢量图形提取网栅图形及填充的方法，其特征在于：所述的步骤3)中条带的形成方式为：控制模块向平台控制器发送待测物体的运动参数形成蛇形运动的轨迹；每个视场的图像大小用一个方格表示，一行表示一个条带。
6.如权利要求5所述的一种快速计算从矢量图形提取网栅图形及填充的方法，其特征在于：所述的蛇形运动轨迹的形成方式为：
a、奇数条带从左到右扫描；
b、偶数条带从右到左扫描；
c、重复a、b步骤直到待测物体全部扫描完。
CN201611153290.9A 2016-12-14 2016-12-14 一种快速计算从矢量图形提取网栅图形及填充的方法 Pending CN106780290A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611153290.9A CN106780290A (zh) 2016-12-14 2016-12-14 一种快速计算从矢量图形提取网栅图形及填充的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611153290.9A CN106780290A (zh) 2016-12-14 2016-12-14 一种快速计算从矢量图形提取网栅图形及填充的方法

Publications (1)

Publication Number Publication Date
CN106780290A true CN106780290A (zh) 2017-05-31

Family

ID=58888582

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611153290.9A Pending CN106780290A (zh) 2016-12-14 2016-12-14 一种快速计算从矢量图形提取网栅图形及填充的方法

Country Status (1)

Country Link
CN (1) CN106780290A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107957659A (zh) * 2017-12-06 2018-04-24 江苏维普光电科技有限公司 掩模版和晶圆缺陷检测正交性补偿方法
CN109710264A (zh) * 2018-12-19 2019-05-03 森大（深圳）技术有限公司 Gerber文件转化方法、系统、设备及存储介质
CN109709765A (zh) * 2019-03-04 2019-05-03 江苏维普光电科技有限公司 消除设计版图公差的缺陷检测方法及装置
CN110163210A (zh) * 2019-05-24 2019-08-23 北京百度网讯科技有限公司 一种兴趣点poi信息采集方法、装置、设备和存储介质
CN110647013A (zh) * 2019-08-30 2020-01-03 合肥芯碁微电子装备有限公司 一种基于gdsii格式的直写式光刻机并行数据处理方法
CN112287637A (zh) * 2020-11-03 2021-01-29 深圳高通半导体有限公司 矢量字符笔画填充优化方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101739696A (zh) * 2008-11-10 2010-06-16 富士通株式会社 用于对凸多边形进行栅格化的系统及方法
CN104408759A (zh) * 2014-11-19 2015-03-11 江苏影速光电技术有限公司 一种用于数字微镜显示的矢量图形栅格化方法
CN105184837A (zh) * 2015-08-31 2015-12-23 武汉云空间地理信息技术有限公司 一种矢量多边形栅格化的算法及系统
CN106168913A (zh) * 2016-07-06 2016-11-30 江苏维普光电科技有限公司 基于gpu与网栅快速压缩掩膜版和晶圆影像数据的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101739696A (zh) * 2008-11-10 2010-06-16 富士通株式会社 用于对凸多边形进行栅格化的系统及方法
CN104408759A (zh) * 2014-11-19 2015-03-11 江苏影速光电技术有限公司 一种用于数字微镜显示的矢量图形栅格化方法
CN105184837A (zh) * 2015-08-31 2015-12-23 武汉云空间地理信息技术有限公司 一种矢量多边形栅格化的算法及系统
CN106168913A (zh) * 2016-07-06 2016-11-30 江苏维普光电科技有限公司 基于gpu与网栅快速压缩掩膜版和晶圆影像数据的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李青元等: "基于绘制-检出的矢量数据栅格化方法研究", 《武汉大学学报 信息科学版》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107957659A (zh) * 2017-12-06 2018-04-24 江苏维普光电科技有限公司 掩模版和晶圆缺陷检测正交性补偿方法
CN109710264A (zh) * 2018-12-19 2019-05-03 森大（深圳）技术有限公司 Gerber文件转化方法、系统、设备及存储介质
CN109710264B (zh) * 2018-12-19 2022-06-14 森大（深圳）技术有限公司 Gerber文件转化方法、系统、设备及存储介质
CN109709765A (zh) * 2019-03-04 2019-05-03 江苏维普光电科技有限公司 消除设计版图公差的缺陷检测方法及装置
CN109709765B (zh) * 2019-03-04 2022-04-01 江苏维普光电科技有限公司 消除设计版图公差的缺陷检测方法及装置
CN110163210A (zh) * 2019-05-24 2019-08-23 北京百度网讯科技有限公司 一种兴趣点poi信息采集方法、装置、设备和存储介质
CN110647013A (zh) * 2019-08-30 2020-01-03 合肥芯碁微电子装备有限公司 一种基于gdsii格式的直写式光刻机并行数据处理方法
CN112287637A (zh) * 2020-11-03 2021-01-29 深圳高通半导体有限公司 矢量字符笔画填充优化方法
CN112287637B (zh) * 2020-11-03 2023-12-15 深圳高通半导体有限公司 矢量字符笔画填充优化方法

Similar Documents

Publication Publication Date Title
CN106780290A (zh) 一种快速计算从矢量图形提取网栅图形及填充的方法
CN112365585B (zh) 一种基于事件相机的双目结构光三维成像方法
CN107315011B (zh) 图像处理装置、图像处理方法及存储介质
CN107067469A (zh) 获取损伤零件缺损部位模型的系统
CN106003726A (zh) 一种智能化激光3d打印装置及打印方法
CN112525107A (zh) 一种基于事件相机的结构光三维测量方法
CN103438832A (zh) 基于线结构光的三维影像测量方法
CN106918813A (zh) 一种基于距离统计的三维声纳点云图像增强方法
CN104111038A (zh) 利用相位融合算法修复饱和产生的相位误差的方法
WO2011030771A1 (ja) 変位計測方法、変位計測装置及び変位計測プログラム
CN105809615A (zh) 点云数据影像化方法
TW201135609A (en) Appearance inspection device
CN111189415A (zh) 一种基于线结构光的多功能三维测量重建系统及方法
CN104503070B (zh) 一种基于压缩感知的宽视场显微成像系统及方法
CN112699952B (zh) 基于深度学习的列车故障图像扩增方法及系统
CN109859313B (zh) 3d点云数据获取方法、装置、3d数据生成方法及系统
CN108983702B (zh) 基于计算机显微视觉切片扫描技术的显微视觉系统的显微视场数字化扩展方法及系统
CN105205862A (zh) 一种图像三维重建方法及系统
CN106595502A (zh) 一种基于结构光的运动补偿3d测量方法
Chen et al. Fast 3-D shape measurement using blink-dot projection
CN115082538A (zh) 基于线结构光投影的多目视觉平衡环零件表面三维重建系统及方法
JP2006202152A (ja) 画像処理装置および画像処理方法並びにこれらに用いるプログラム
CN106168913B (zh) 基于gpu与网栅快速压缩掩膜版和晶圆影像数据的方法
JP2010237941A (ja) マスク画像生成装置、３次元物体モデル情報生成装置及びプログラム
Liu et al. Calibration algorithm for error screening based on line structured light

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170531