CN109785324B - 一种大幅面pcb板定位方法 - Google Patents

Abstract

本发明提供了一种大幅面PCB板定位方法，其中通过在大幅面PCB板图像的四个边角区域提取圆、矩形和其他异形等图形特征来获取图像的定位信息，并针对所获取的偏移量求取方差来减小误差，并通过四个定位位置对实际图像进行透视变换最终获得定位准确的图像；本发明解决了现有的PCB定位方法通用性差、精度低等实际问题，采用递进式的定位方法，提高了大幅面PCB板定位的速度和精度，为后续缺陷检测的可行性和准确性提供了保障。

Description

一种大幅面PCB板定位方法

技术领域

本发明涉及自动光学检测领域，具体涉及一种大幅面PCB板定位方法。

背景技术

自动光学检测在印刷电路板(Print Circuit Board,PCB)的生产中有广泛的应用，主要用来进行PCB电路板的缺陷检测。PCB缺陷的自动光学检测通常有图像获取、图像拼接、图像定位、缺陷识别、缺陷分类等步骤。其中图像定位是指将摄像机获取的拍摄图像与模板图像对齐，方便后续与模板图像对比，寻找缺陷点。其精度直接影响缺陷检测的准确性和可靠性。

目前常见的PCB板定位方法有标识点(Mark点)定位和特征点定位。设计人员在制版时会绘制Mark点，方便在生产中对PCB定位。但没有统一的标准，Mark点的样式和布局各种各样，不具备通用性；另一种方法是使用图像处理算法，提取PCB图像中图形的特征点来进行定位，但大幅PCB图像中有大量的相似特征点，特征点匹配正确率低、精度差。鉴于以上情况开发一种精确、高效的大幅PCB定位方法。

发明内容

针对现有技术的不足，本发明提供一种大幅面PCB板定位方法，解决了现有PCB定位技术通用性不高，精度差，定位不准等问题，提高了定位的准确率，为后续PCB缺陷检测提供了基础。

为实现上述目的，本发明采用如下技术方案：

一种大幅面PCB板定位方法，其特征在于，包括以下步骤：

S1，解析Gerber文件，生成标准图像，进行二值化处理，获得模板图像Image_Model；

S2，使用相机采集局部图像，拼接图像生成大幅图，对大幅图进行二值化处理，得到拍摄图Image_Snap；

S3，在模板图Image_Model的四个角分别画出A、B、C、D四个等面积的ROI区域，分别为ROI_MA、ROI_MB、ROI_MC、ROI_MD；

S4，选择ROI_MA区域，使用连通域算法获取该区域中的所有图形，使用圆度阈值、矩形度阈值将图形分为圆形、矩形、异形三类；

S5，遍历所有圆形或矩形或其他，分别在拍摄图Image_Snap的映射区域中筛选匹配图形并选取定位值；

S6，使用同样的方法，分别在B、C、D区域中分别获取一个定位值；

S7，根据四个定位值对拍摄图Image_Snap进行透视变换，生成经过矫正后的定位实际图Image_Rough。

进一步的，所述步骤S5中遍历圆形选取定位值的具体方法如下：选择一个圆形作为模板圆形，获取圆形的坐标、半径、方向、面积、周长、凸度等特征；以坐标为圆心，半径与预设偏移值之和为新半径生成圆形，以该圆形为ROI区域映射到拍摄图Image_Snap中，获取映射图像Image_SnapReducedCircle；使用连通域算法获取该图像中的图形，根据模板圆形特征筛选出与之相匹配的圆形，获得匹配圆形的坐标和方向，计算匹配圆形与模板圆形的坐标、方向差，作为偏移量；遍历所有模板圆形，获取匹配圆形，求得所有偏移量；选取偏移量中方差最小的一组作为区域A中拍摄图对模板图的定位值。

进一步的，所述步骤S5中遍历矩形选取定位值的具体方法如下：选择一个矩形作为模板矩形，获取矩形的质心、方向等参数和面积、周长、凸度等特征；生成该矩形的外接圆，作为映射区域，在拍摄图中找到映射图形Image_SnapReducedRect，根据模板矩形特征寻找匹配矩形，计算匹配矩形与模板矩形的偏移量；遍历区域A中的所有矩形，获取所有偏移量，筛选方差最小的作为区域A中拍摄图对模板图的定位值。

进一步的，所述步骤S5中的异形指除了圆形和矩形以外剩余的所有图形归为异形一类，遍历异形选择定位值的具体方法如下：遍历异形中的图形，使用图形特征匹配的方式，寻找匹配图形，计算偏差值。

本发明提供的一种大幅面PCB板定位方法的有益效果在于：本发明采用基于分类图形特征的大幅PCB板定位方法，解决了传统使用Mark点进行PCB板定位通用性差和使用特征点进行PCB板定位错误率高的问题。使用图形特征定位，提高通用性；通过四个定位位置仿射变换，提高精度的方法，提高了图像定位的精确性，为后期PCB缺陷的精确查找提供了条件。

附图说明

图1为本发明流程示意图；

图2为本发明的定位区域映射示意图。

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、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，均属于本发明的保护范围。

实施例：一种大幅面PCB板定位方法。

S1，解析Gerber文件，生成标准图像，进行二值化处理，获得模板图像Image_Model。

S2，使用相机采集局部图像，拼接图像生成大幅图，对大幅图进行二值化处理，得到拍摄图Image_Snap。

S3，在模板图Image_Model的四个角分别画出A、B、C、D四个等面积的ROI区域，分别为ROI_MA、ROI_MB、ROI_MC、ROI_MD，区域的面积根据模板图的大小进行预设。

S4，选择ROI_MA区域，使用连通域算法获取该区域中的所有图形，使用圆度阈值、矩形度阈值将图形分为圆形、矩形、其他异形三类。

S5，遍历所有圆形，分别在拍摄图Image_Snap的映射区域中筛选匹配图形：

选择一个圆形作为模板圆形，获取圆形的坐标、半径、方向、面积、周长、凸度等特征；以坐标为圆心，半径与预设偏移值之和为新半径生成圆形；以该圆形为ROI区域映射到拍摄图Image_Snap中，获取映射图像Image_SnapReducedCircle；使用连通域算法获取该图像中的图形，根据模板圆形特征筛选出与之相匹配的圆形，获得匹配圆形的坐标和方向，计算匹配圆形与模板圆形的坐标、方向差，作为偏移量；遍历所有模板圆形，获取匹配圆形，求得所有偏移量；选取偏移量中方差最小的一组作为区域A中拍摄图对模板图的定位值。

S6，使用同样的方法，分别在B、C、D区域中分别获取一个定位值；加上区域A，共筛选出四个定位值；。

S7，若提取圆形无法获取足够的定位值，则遍历所有矩形：

提取区域ROI_MA中的所有矩形；选择其一作为模板矩形，获取矩形的质心、方向等参数和面积、周长、凸度等特征；生成该矩形的外接圆，作为映射区域,在拍摄图中找到映射图形Image_SnapReducedRect，根据模板矩形特征寻找匹配矩形，计算匹配矩形与模板矩形的偏移量；遍历区域A中的所有矩形，获取所有偏移量，筛选方差最小的偏移量作为区域A中拍摄图对模板图的定位值。

S8，使用同样的方法，在B、C、D区域中分别获取一个定位值，共获取四个定位值。

S9，若提取矩形获取定位值失败；则将剩余的所有图形归为一类，遍历其他异形中的图形，使用图形特征匹配的方式，寻找匹配图形，计算偏差值；在A、B、C、D四个区域获取四个定位值。

S10，根据四个定位值对拍摄图Image_Snap进行透视变换，生成经过矫正后的定位实际图Image_Rough。

以上所述为本发明的较佳实施例而已，但本发明不应局限于该实施例和附图所公开的内容，所以凡是不脱离本发明所公开的精神下完成的等效或修改，都落入本发明保护的范围。

Claims (1)

1.一种大幅面PCB板定位方法，其特征在于，包括以下步骤：

S1，解析Gerber文件，生成标准图像，进行二值化处理，获得模板图像Image_Model；

S2，使用相机采集局部图像，拼接图像生成大幅图，对大幅图进行二值化处理，得到拍摄图Image_Snap；

S3，在模板图Image_Model的四个角分别画出A、B、C、D四个等面积的ROI区域，分别为ROI_MA、ROI_MB、ROI_MC、ROI_MD；

S4，选择ROI_MA区域，使用连通域算法获取该区域中的所有图形，使用圆度阈值、矩形度阈值将图形分为圆形、矩形、异形三类；

S5，遍历所有圆形或矩形或其他，分别在拍摄图Image_Snap的映射区域中筛选匹配图形并选取定位值；

S6，使用同样的方法，分别在B、C、D区域中分别获取一个定位值；

S7，根据四个定位值对拍摄图Image_Snap进行透视变换，生成经过矫正后的定位实际图Image_Rough。

Images