CN107862690B - 一种基于特征点匹配的电路板元器件定位方法和定位装置 - Google Patents

一种基于特征点匹配的电路板元器件定位方法和定位装置 Download PDF

Info

Publication number
CN107862690B
CN107862690B CN201711176016.8A CN201711176016A CN107862690B CN 107862690 B CN107862690 B CN 107862690B CN 201711176016 A CN201711176016 A CN 201711176016A CN 107862690 B CN107862690 B CN 107862690B
Authority
CN
China
Prior art keywords
circuit board
image
detected
feature point
camera
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.)
Active
Application number
CN201711176016.8A
Other languages
English (en)
Other versions
CN107862690A (zh
Inventor
王茗祎
熊志航
曾亚光
韩定安
熊红莲
谭海曙
吕秋浩
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.)
Foshan University
Original Assignee
Foshan University
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 Foshan University filed Critical Foshan University
Priority to CN201711176016.8A priority Critical patent/CN107862690B/zh
Publication of CN107862690A publication Critical patent/CN107862690A/zh
Application granted granted Critical
Publication of CN107862690B publication Critical patent/CN107862690B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30141—Printed circuit board [PCB]

Abstract

本发明公开一种基于特征点匹配的电路板元器件定位方法，首先通过相机采集电路板模板的高清图像并传输至计算机提取电路板模板的提取特征点，保存于计算机内。然后再打开传送带，使待测工件从传送带的一端向另一端传输，相机采集待测电路板的高清图像并发送至计算机提取待测电路板的特征点。最后计算机通过对比电路板模板与待测电路板图像的特征点，并得出两者的映射关系式，以完成电路板上元器件的定位，本发明还公开了一种使用基于特征点匹配的电路板元器件定位方法的定位装置。本发明技术方案能够实现对电路板元器件进行快速且准确的元器件定位，为下一步元器件的检测提供准确的位置信息。

Description

一种基于特征点匹配的电路板元器件定位方法和定位装置
技术领域
本发明涉及电路板检测技术领域，特别涉及一种基于特征点匹配的电路板元器件定位方法和定位装置。
背景技术
电路板作为现代电子设备的重要组成部分，其质量直接影响到产品的性能。电路板生产过程中，由于焊接工艺中可能存在某些工艺问题，可能导致电路板上元器件存在缺失、偏移、错件等缺陷，而出现上述的缺陷时，必然会影响电路板的质量和安全。因此，对电路板进行检测和及时差错纠正，可以避免废品、改善质量、降低损耗。
传统的电路板生产线上，流水线连续不断地传送待测电路板，流水线上的工作人员需要检测每个电路板上的每个元器件是否正确。但是人工视觉进行检测不仅速度慢、效率低，并且容易误检，因此电路板生产中迫切需要在线自动缺陷检测。
现有技术中，基于机器视觉方法在印刷电路板质量检测中的应用越来越广泛。现阶段存在的图像配准以及定位方法中，主要分为三大类：基于灰度信息法、变换域法和基于特征法。但是上述的三种方法的工作原理较简单，应用范围较窄，且计算速度慢，不适用于流水线上电路板检测。例如中国专利一种基于图像特征的电路板元件精确定位与检测的方法(申请号为：CN103217438A)，该专利技术方案基于SURF算法特征点匹配，先提取电路板模板图片和待测电路板图片的特征点，再将两幅图像进行配准，而特征点提取和匹配是图像配准及电路板元器件定位的关键，一旦特征点匹配错误，电路板图片上的元器件坐标位置将会出错，影响下一步元器件检测识别。
发明内容
本发明的主要目的是提出一种基于特征点匹配的电路板元器件定位方法，本发明还提出一种使用基于特征点匹配的电路板元器件定位方法的定位装置，旨在实现生产线对电路板的元器件进行快速，准确定位。
为实现上述目的，本发明提出的一种基于特征点匹配的电路板元器件定位方法，包括以下步骤：
S1：调整相机参数以及光源的亮度；
S2：通过所述相机采集电路板模板的高清图像，在电路板模板图像上选取待检测的目标元器件，并且通过SIFT特征点提取算法提取电路板模板图像的特征点，将待检测目标元器件在电路板模板图像上的位置坐标与电路板模板图像的特征点信息保存于计算机内；
S3：打开传送带，使待测工件从传送带的一端向另一端传输，所述相机采集待测电路板的高清图像并通过SIFT特征点提取算法提取所述待测电路板图像的特征点；
S4：所述计算机通过匹配所述电路板模板图像与所述待测电路板图像的特征点，并得出两张电路板图像之间的坐标映射关系式，即可知待检测目标元器件在待测电路板图像上的坐标，以完成目标元器件的定位。
优选地，所述步骤S2中所述相机将采集到的电路板模板图像转换为灰度图，所述计算机根据灰度图构建图像的高斯图像金字塔，搜素所有尺度上的图像极值点位置，通过高斯微分函数识别潜在关于尺度和旋转不变的特征点。
优选地，在每个特征点的候选点的位置上，拟合一个精细的模型来确定位置和尺度，依据稳定程度选择关键点，设定阈值，小于阈值则舍弃，以去除对比度低的关键点和不稳定的边缘响应点。
优选地，基于图像局部梯度方向，分配给每个关键点位置一个或多个方向。
优选地，在每个关键点周围的领域内，在选定尺度上测量图像局部的梯度。
本发明还提出一种使用所述基于特征点匹配的电路板元器件定位方法的定位装置，包括用于传送待测电路板的传送带，所述传送带上方有采集电路板图像的相机，所述相机与用于分析和处理电路板图像数据的计算机连接。
优选地，所述相机与所述传送带之间设置有环形光源可发出光线照射于电路板表面。
本发明技术方案首先通过相机采集电路板模板的高清图像。接着在电路板模板图像上选取待检测的目标元器件，同时通过SIFT特征点提取算法提取电路板模板图像的特征点，将待检测目标元器件在电路板模板图像上的位置坐标与电路板模板图像的特征点信息保存于计算机内。然后再打开传送带，使待测工件从传送带的一端向另一端传输，相机采集待测电路板的高清图像并通过SIFT特征点提取算法提取待测电路板图像的特征点。最后计算机通过匹配电路板模板图像与待测电路板图像的特征点，并得出两张电路板图像之间的坐标映射关系式，即可知待检测目标元器件在待测电路板图像上的坐标，以完成目标元器件的定位。本发明技术方案能够实现对电路板元器件进行快速且准确的元器件定位，为下一步元器件的检测提供准确的位置信息。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1为本发明基于特征点匹配的电路板元器件定位方法的工作流程图；
图2为本发明定位装置的结构示意图；
图3为本发明基于特征点匹配的电路板元器件定位方法的工作原理图。
附图标号说明：
标号 名称 标号 名称
1 计算机 4 传送带
2 相机 5 待测电路板
3 环形光源
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明，若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后……)，则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，若本发明实施例中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
请参见图1至图3，本发明提出的一种基于特征点匹配的电路板元器件定位方法，包括以下步骤：
S1：调整相机2参数以及光源的亮度；
S2：通过相机2采集电路板模板的高清图像，在电路板模板图像上选取待检测的目标元器件，并且通过SIFT特征点提取算法提取电路板模板图像的特征点，将待检测目标元器件在电路板模板图像上的位置坐标与电路板模板图像的特征点信息保存于计算机内；
S3：打开传送带4，使待测工件从传送带4的一端向另一端传输，相机2采集待测电路板5的高清图像并通过SIFT特征点提取算法提取待测电路板5图像的特征点；
S4：计算机1通过匹配电路板模板图像与待测电路板5图像的特征点，并得出两张电路板图像之间的坐标映射关系式，即可知待检测目标元器件在待测电路板5图像上的坐标，以完成目标元器件的定位。
优选地，上述步骤S2中相机2将采集到的电路板模板图像转换为灰度图，计算机根据灰度图构建图像的高斯图像金字塔，搜素所有尺度上的图像极值点位置，通过高斯微分函数识别潜在关于尺度和旋转不变的特征点。
优选地，在每个特征点的候选点的位置上，拟合一个精细的模型来确定位置和尺度，依据稳定程度选择关键点，设定阈值，小于阈值则舍弃，以去除对比度低的关键点和不稳定的边缘响应点。
优选地，基于图像局部梯度方向，分配给每个关键点位置一个或多个方向。
优选地，在每个关键点周围的领域内，在选定尺度上测量图像局部的梯度。
本发明还提出一种使用基于特征点匹配的电路板元器件定位方法的定位装置，包括用于传送待测电路板的传送带，传送带上方有采集电路板图像的相机，相机与用于分析和处理电路板图像数据的计算机连接。
优选地，相机与传送带之间设置有环形光源可发出光线照射于电路板表面。
请参见图1至图3，本发明实施例的基于特征点匹配的电路板元器件定位方法的工作原理为：
首先通过关闭传送带4，使得传送带4处于静止状态。然后将电路板模板放置于传动带4上表面，并且使电路板模板处于相机2的正下方，通过调整环形光源3的亮度，从而为相机2提供清晰的照明环境。然后再通过设置相机2的各个参数，使相机2能够采集到电路板模板的高清图像。相机2向下采集电路板模板的图像后，将采集到的图像传送至计算机1，计算机1处理采集到的电路板模板图像并转换为灰度图，构建该图像的高斯图像金字塔，通过搜素所有尺度上的图像位置，通过高斯微分函数来识别潜在的对于尺度以及旋转不变的特征点。
通过上述步骤，可以得到电路板模板特征点的候选点，在每个候选点的位置上，拟合一个精细模型来确定位置和尺度。再依据稳定程度选择关键点，小于阈值则舍弃，去除低对比度的关键点和不稳定的边缘响应点，增强后续匹配过程中的稳定性，提高匹配准确率。
然后基于图像局部的梯度，分配给每个关键点位置上的一个或多个方向，而后续对图像的数据进行操作都相对于关键点的方向、尺度和位置进行变换，从而确保对于这些变换的不变性。
然后在每个关键点周围的领域内，选定尺度上测量图像局部的梯度，而这些梯度则变换为一种表示，这种表示允许比较大的局部形状的变形和光照变化。
当电路板模板的特征点被选取且保存后，通过打开传送带4，使得待检测的电路板从一端向另一端进行传送，通过相机2对传送带4上待测电路板5采集图像并且通过相机2与计算机1相连电路将图像信息传送至计算机1内，以进行上述特征向量生成阶段。
当电路板模板以及待测电路板5图像的SIFT特征向量生成后，下一步采用关键点特征向量的欧式距离作为两幅图像中对应关键点的相似性判定度量。选取电路板模板图像中的某个特征点，并找出其与待测电路板5图像欧式距离最近的前两个特征点，在这两个关键点钟，如果最近的距离除以次近距离少于设定的比例阈值，则接受这一对匹配点。特别说明的是，在这样步骤中，模板图像的特征点只需计算一次即可，以后将每张待测电路板5图像的特征点提取出来和电路板模板图像的特征点进行匹配即可。
由于相机2固定在传送带4上方某个固定位置，这样使得相机2与传送带4上表面之间的距离不会发生改变，另外相机2采集到电路板图像不会发生形变或者形变程度可以忽略不计，放置于传送带4上的电路板可视为刚体，而刚体的变换可分解为刚体的旋转和刚体的平移，具体的公式为：
x′1＝x cosθ+y sinθ+a
y′1＝-xsinθ+ycosθ+b
提取上述步骤中匹配后的特征点，模板图上的(x1，y1)，(x2，y2)，(x3，y3)…(xn，yn)对应待测电路板5图上的特征点为(x′1，y′1)，(x′2，y′2)，(x′3，y′3)…(x′n，y′n)。
将变换方程坐标代入至旋转平移方程中可以得到：
使用最小二乘法解出超定方程组，得出cosθ、sinθ，a，b的值。
因为电路板模板图像与待测电路板5图像之间的映射关系已经得出，在采集电路板模板图像时，已经选出待检测元器件，将在模板图像上的坐标依次代入下列方程中：
即可得到待检测元器件在待测电路板5上的坐标，实现多个元器件的定位。
通过上述的变换，不管待测电路板5如何进行旋转和平移，都可以得到待测元器件在该图像上的坐标，为下一步元器件的检测做好准备。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。

Claims (7)

1.一种基于特征点匹配的电路板元器件定位方法，其特征在于，包括以下步骤：
S1：调整相机参数以及光源的亮度；
S2：通过所述相机采集电路板模板的高清图像，在电路板模板图像上选取待检测的目标元器件，并且通过SIFT特征点提取算法提取电路板模板图像的特征点，将待检测目标元器件在电路板模板图像上的位置坐标与电路板模板图像的特征点信息保存于计算机内；
S3：打开传送带，使待测工件从传送带的一端向另一端传输，所述相机采集待测电路板的高清图像并通过SIFT特征点提取算法提取所述待测电路板图像的特征点；
S4：所述计算机通过匹配所述电路板模板图像与所述待测电路板图像的特征点，并得出两张电路板图像之间的坐标映射关系式，即可知待检测目标元器件在待测电路板图像上的坐标，以完成目标元器件的定位；具体操作步骤为：
当电路板模板以及待测电路板图像的特征点特征向量生成后，下一步采用特征点特征向量的欧氏距离作为两幅图像中对应特征点的相似性判定度量；
选取电路板模板图像其中一个特征点，并找出其与待测电路板图像欧氏距离最近的前两个特征点，在这两个特征点中，如果最近的距离除以次近距离少于设定的比例阈值，则接受这一对特征点；
放置于传送带上的电路板视为刚体，而刚体的变换可分解为刚体的旋转和刚体的平移，具体的公式为：
x1′＝xcosθ+ysinθ+a；
y1′＝-xsinθ+ycosθ+b；
提取上述步骤中匹配后的特征点，模板图上的(x1，y1)，(x2，y2)，(x3，y3)…(xn，yn)对应待测电路板图上的特征点为(x1′，y1′)，(x2′，y2′)，(x3′，y3′)…(xn′，yn′)；
将上述n对匹配的特征点代入下面的旋转平移方程中：
使用最小二乘法解出超定方程组，得出cosθ、sinθ，a，b的值；
在采集电路板模板图像时，已选出待检测元器件，将在模板图像上的坐标依次代入下列方程中：
即可得到待检测元器件在待测电路板上的坐标，实现多个元器件的定位。
2.如权利要求1所述的基于特征点匹配的电路板元器件定位方法，其特征在于，所述步骤S2中所述相机将采集到的电路板模板图像转换为灰度图，所述计算机根据灰度图构建图像的高斯图像金字塔，搜素所有尺度上的图像极值点位置，通过高斯微分函数识别潜在关于尺度和旋转不变的特征点。
3.如权利要求2所述的基于特征点匹配的电路板元器件定位方法，其特征在于，在每个特征点的候选点的位置上，拟合一个精细的模型来确定位置和尺度，依据稳定程度选择特征点，设定阈值，小于阈值则舍弃，以去除对比度低的特征点和不稳定的边缘响应点。
4.如权利要求3所述的基于特征点匹配的电路板元器件定位方法，其特征在于，基于图像局部梯度方向，分配给每个特征点位置一个或多个方向。
5.如权利要求3所述的基于特征点匹配的电路板元器件定位方法，其特征在于，在每个特征点周围的领域内，在选定尺度上测量图像局部的梯度。
6.一种使用如权利要求1所述基于特征点匹配的电路板元器件定位方法的定位装置，其特征在于，包括用于传送待测电路板的传送带，所述传送带上方有采集电路板图像的相机，所述相机与用于分析和处理电路板图像数据的计算机连接。
7.如权利要求6所述的定位装置，其特征在于，所述相机与所述传送带之间设置有环形光源可发出光线照射于电路板表面。
CN201711176016.8A 2017-11-22 2017-11-22 一种基于特征点匹配的电路板元器件定位方法和定位装置 Active CN107862690B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711176016.8A CN107862690B (zh) 2017-11-22 2017-11-22 一种基于特征点匹配的电路板元器件定位方法和定位装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711176016.8A CN107862690B (zh) 2017-11-22 2017-11-22 一种基于特征点匹配的电路板元器件定位方法和定位装置

Publications (2)

Publication Number Publication Date
CN107862690A CN107862690A (zh) 2018-03-30
CN107862690B true CN107862690B (zh) 2023-11-14

Family

ID=61702318

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711176016.8A Active CN107862690B (zh) 2017-11-22 2017-11-22 一种基于特征点匹配的电路板元器件定位方法和定位装置

Country Status (1)

Country Link
CN (1) CN107862690B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108709500B (zh) * 2018-05-11 2020-08-11 佛山科学技术学院 一种电路板元件定位匹配方法
CN109615665B (zh) * 2018-12-27 2021-02-26 浙江大华技术股份有限公司 一种坐标校准系统、方法、装置及存储介质
CN110706293B (zh) * 2019-09-03 2023-04-25 佛山科学技术学院 基于surf特征匹配的电子元器件定位和检测方法
CN110967350B (zh) * 2019-11-05 2023-04-11 北京地平线机器人技术研发有限公司 基于图像识别的芯片测试方法、装置及电子设备
CN112082480A (zh) * 2020-09-08 2020-12-15 浙江清华柔性电子技术研究院 芯片的空间取向的测量方法、系统、电子装置和存储介质
CN112150464B (zh) * 2020-10-23 2024-01-30 腾讯科技（深圳）有限公司 一种图像检测方法、装置、电子设备及存储介质
CN112116668B (zh) * 2020-11-23 2021-04-06 常州微亿智造科技有限公司 质检用光学复制方法、装置及质检设备
CN112634227A (zh) * 2020-12-21 2021-04-09 广州镭晨智能科技有限公司 Pcb拼板的检测标识方法、装置、电子设备以及存储介质
CN113792725B (zh) * 2021-11-15 2022-02-18 南京熊猫电子制造有限公司 元器件检测装置和方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102539441A (zh) * 2011-12-29 2012-07-04 中国科学院长春光学精密机械与物理研究所 一种批量检验电路板上元器件焊接正确性的检验方法
CN102663756A (zh) * 2012-04-20 2012-09-12 华南理工大学 印刷电路板中异型元件和高密度封装元器件的配准方法
CN103217438A (zh) * 2013-04-02 2013-07-24 天津大学 一种基于图像特征的电路板元件精确定位与检测的方法
CN104123542A (zh) * 2014-07-18 2014-10-29 大连理工大学 一种轮毂工件定位的装置及其方法
WO2014187432A1 (en) * 2013-05-20 2014-11-27 Tao Kai Video iv monitor
CN104463178A (zh) * 2014-12-29 2015-03-25 广州视源电子科技股份有限公司 电子元件识别方法和系统
EP3069295A1 (en) * 2013-11-14 2016-09-21 Sicpa Holding SA Image analysis for authenticating a product
CN106370671A (zh) * 2016-10-12 2017-02-01 浙江理工大学 基于机器视觉的pcb上元器件检测系统及方法
CN106373161A (zh) * 2016-09-21 2017-02-01 哈尔滨工业大学 一种基于sift特征点的定位方法
WO2017050088A1 (zh) * 2015-09-24 2017-03-30 广州视源电子科技股份有限公司 一种电子元件定位方法及装置
US9659234B1 (en) * 2015-12-01 2017-05-23 Intel Corporation Adaptive selection of scale invariant image feature keypoints
CN106780440A (zh) * 2016-11-29 2017-05-31 北京邮电大学 爆炸电路板残片图像自动比对识别方法
CN107025648A (zh) * 2017-03-20 2017-08-08 中国人民解放军空军工程大学 一种电路板故障红外图像自动检测方法
CN107255476A (zh) * 2017-07-06 2017-10-17 青岛海通胜行智能科技有限公司 一种基于惯性数据和视觉特征的室内定位方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2192546A1 (en) * 2008-12-01 2010-06-02 Nederlandse Organisatie voor toegepast-natuurwetenschappelijk Onderzoek TNO Method for recognizing objects in a set of images recorded by one or more cameras

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102539441A (zh) * 2011-12-29 2012-07-04 中国科学院长春光学精密机械与物理研究所 一种批量检验电路板上元器件焊接正确性的检验方法
CN102663756A (zh) * 2012-04-20 2012-09-12 华南理工大学 印刷电路板中异型元件和高密度封装元器件的配准方法
CN103217438A (zh) * 2013-04-02 2013-07-24 天津大学 一种基于图像特征的电路板元件精确定位与检测的方法
WO2014187432A1 (en) * 2013-05-20 2014-11-27 Tao Kai Video iv monitor
EP3069295A1 (en) * 2013-11-14 2016-09-21 Sicpa Holding SA Image analysis for authenticating a product
CN104123542A (zh) * 2014-07-18 2014-10-29 大连理工大学 一种轮毂工件定位的装置及其方法
CN104463178A (zh) * 2014-12-29 2015-03-25 广州视源电子科技股份有限公司 电子元件识别方法和系统
WO2017050088A1 (zh) * 2015-09-24 2017-03-30 广州视源电子科技股份有限公司 一种电子元件定位方法及装置
US9659234B1 (en) * 2015-12-01 2017-05-23 Intel Corporation Adaptive selection of scale invariant image feature keypoints
CN106373161A (zh) * 2016-09-21 2017-02-01 哈尔滨工业大学 一种基于sift特征点的定位方法
CN106370671A (zh) * 2016-10-12 2017-02-01 浙江理工大学 基于机器视觉的pcb上元器件检测系统及方法
CN106780440A (zh) * 2016-11-29 2017-05-31 北京邮电大学 爆炸电路板残片图像自动比对识别方法
CN107025648A (zh) * 2017-03-20 2017-08-08 中国人民解放军空军工程大学 一种电路板故障红外图像自动检测方法
CN107255476A (zh) * 2017-07-06 2017-10-17 青岛海通胜行智能科技有限公司 一种基于惯性数据和视觉特征的室内定位方法和装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Automated PCB inspection in small series production based on SIFT algorithm;Charbel Szymanski等;2015 IEEE 24th International Symposium on Industrial Electronics;第594-599页 *
基于 ＳＩＦＴ 算法的ＰＣＢ 板基准点匹配;潘长开等;现代电子技术;第84-86页 *
基于SIFT算法的PCB板基准点匹配;潘长开;田学军;叶峰;;现代电子技术(第12期);全文 *
张永宏等.基于SIFT匹配算法的PCB板缺陷检测.计算机测量与控制.2012,第2328-2330页. *

Also Published As

Publication number Publication date
CN107862690A (zh) 2018-03-30

Similar Documents

Publication Publication Date Title
CN107862690B (zh) 一种基于特征点匹配的电路板元器件定位方法和定位装置
CN105740899B (zh) 一种机器视觉图像特征点检测与匹配复合的优化方法
KR920004956B1 (ko) 도형인식장치
CN105894002B (zh) 一种基于机器视觉的仪表示数识别方法
WO2017181724A1 (zh) 电子元件漏件检测方法和系统
CN107993224B (zh) 一种基于圆形标志物的物体检测定位方法
CN112037203A (zh) 基于复杂工件外轮廓配准的侧表面缺陷检测方法及系统
CN106501272B (zh) 机器视觉焊锡定位检测系统
CN105718931B (zh) 用于确定采集图像中的杂斑的系统和方法
CN105631458B (zh) 一种电子元件样本标注方法及装置
WO2018072333A1 (zh) 一种元件错件检测方法和装置
Zhang et al. A region-based normalized cross correlation algorithm for the vision-based positioning of elongated IC chips
CN103854278A (zh) 基于连通区域质心形状上下文的印刷电路板图像配准方法
CN108389184A (zh) 一种基于机器视觉的工件制孔数检测方法
CN107895166B (zh) 基于特征描述子的几何哈希法实现目标鲁棒识别的方法
CN115775246A (zh) 一种pcb元器件缺陷检测的方法
CN107748897B (zh) 基于模式识别的大尺寸弯曲零件轮廓度质量检测方法
CN114936997A (zh) 检测方法、装置、电子设备及可读存储介质
CN109034151A (zh) 一种用于多个指针式仪表识别的定位方法
CN113034492A (zh) 一种印刷质量缺陷检测方法、存储介质
US11074718B2 (en) Image processing device
CN105718929B (zh) 全天候未知环境下高精度快速圆形目标定位方法和系统
Wu et al. Accurate localization of defective circular PCB mark based on sub-pixel edge detection and least square fitting
Wang et al. Visual positioning of rectangular lead components based on Harris corners and Zernike moments
JP2010091525A (ja) 電子部品のパターンマッチング方法

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
GR01 Patent grant
GR01 Patent grant