CN109859198A - 一种大幅面pcb板多区域精准定位方法 - Google Patents
一种大幅面pcb板多区域精准定位方法 Download PDFInfo
- Publication number
- CN109859198A CN109859198A CN201910102846.9A CN201910102846A CN109859198A CN 109859198 A CN109859198 A CN 109859198A CN 201910102846 A CN201910102846 A CN 201910102846A CN 109859198 A CN109859198 A CN 109859198A
- Authority
- CN
- China
- Prior art keywords
- image
- block
- template
- rectangle
- abnormity
- 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.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种大幅面PCB板多区域精准定位方法,采用将模板图和粗定位图划分成多个区域,按照小区域内图形特征进行特征定位,分别提取圆、矩形、其他形状等特征来获取对应区域的偏差值,最后在所有区域偏差值中选取方差最小的四个作为整幅图的精准定位值,按照精准定位值对粗定位图进行透视变换,获得精准定位后的目标图像;本发明采用多区域多形状特征定位的方法解决了现有的PCB定位精度低、速度慢等问题,可有效的减少板弯带来的定位误差,极大的提高了大幅面PCB板定位的速度和精度。
Description
技术领域
本发明涉及检测设备技术领域,具体涉及一种大幅面PCB板多区域精准定位方法。
背景技术
印刷电路板(Print Circuit Board,PCB)由于生产工艺的提升和精度提高,生产中自动光学检测的要求越来越严格,在PCB检测过程中图像获取、图像定位、缺陷识别和缺陷分类等步骤中,图像定位的精度将直接影响到缺陷检出的精度和准确度。
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。但由于每家印刷电路板企业的标准有些许差别,而且大幅面的PCB板会出现不同程度的板弯等变形情况。因此传统的定位方法会存在定位精度低、鲁棒性差等缺点。基于传统的定位方法基础上提出一种大幅面PCB板的多区域精准定位方法,将模板和粗定位图划分成多个区域,以单个区域为对象,依照模板对每个小区域进行定位并矫正。并依照单个区域的精准定位来实现后续缺陷的分割提取。
发明内容
针对现有技术的不足,本发明提供一种大幅面PCB板多区域精准定位方法,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板多区域精准定位方法,其特征在于,包括以下步骤:
S1,根据预设的切分面积和重叠面积分别将模板图Image_Model和粗定位图Image_Rough切分成N块,Image_ReducedMi为模板图中第i块图像,Image_ReducedRi粗定位图中第i块图像;
S2,选中模板图的第一个图像块Image_ReducedM1,进行连通域操作,获取其中的所有图形,以圆形度和矩形度为阈值,将Image_ReducedM1中所有图形进行切割,分成圆形、矩形和异形三类,所述异形指除了圆形和矩形之外的形状;
S3,选中粗定位图的第一个图像块Image_ReducedR1,进行连通域操作,获取其中的所有图形,以圆形度和矩形度为阈值,将Image_ReducedR1中所有图形进行切割,分成圆形、矩形和异形三类,三类图形的集合与Image_ReducedR1求交集,将粗定位图分成圆形Image_ReducedR1Circle、矩形Image_ReducedR1Rectangle、异形Image_ReducedR1Others三部分;
S4,选择模板图第一区块圆形或矩形或异形集合中的一个图形作为模板图形,求出模板图形在粗定位图中的映射图像区,进而算出映射图形和模板图形的偏移量,筛选处最小的偏移量,作为第一区块的定位值;
S5,根据S4中的方法获取余下N-1个区块的定位值;
S6,在N个区块的定位值中选择四个方差最小的作为静定位值;
S7,根据精定位值,对粗定位图Image_Rough进行透视变换,得到目标图,即与模板图对齐后的图像Image_Dest。
进一步的,所述步骤S4中遍历圆形选取定位值的具体方法如下:选择模板图中第一区块圆形集合中的一个图形作为模板圆形,提取其坐标、方向、面积、周长、凸度等属性,根据预设的偏移量对该模板圆形进行膨胀操作,生成选择区域,与粗定位图第一区块的圆形部分Image_ReducedR1Circle求交集,在粗定位图中找到该模板圆形的映射图像区,获取映射图像去中的所有圆形,通过面积、周长、凸度等属性匹配,筛选出与模板圆形最接近的映射图形,获取映射圆形的坐标、方向参数,映射圆形与模板圆形参数做差,算出偏移量,遍历模板图第一区块Image_ReducedM1中圆形集合的所有模板圆形,找到它们在粗定位图圆形部分中的唯一对应映射圆形;模板圆形与其映射圆形求差,获得一组偏移量;求方差,筛选出方差最小的偏移量,作为第一区块的定位值。
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:选择模板图中第一区块矩形集合中的一个图形作为模板矩形,提取其坐标、方向、面积、周长、凸度等属性,根据预设的偏移量对该模板矩形进行膨胀操作,生成选择区域,与粗定位图第一区块的矩形部分Image_ReducedR1Rectangle求交集,在粗定位图中找到该模板矩形的映射图像区,获取映射图像去中的所有矩形,通过面积、周长、凸度等属性匹配,筛选出与模板矩形最接近的映射图形,获取映射矩形的坐标、方向参数,映射矩形与模板矩形参数做差,算出偏移量,遍历模板图第一区块Image_ReducedR1Rectangle中矩形集合的所有模板矩形,找到它们在粗定位图矩形部分中的唯一对应映射矩形;模板矩形与其映射矩形求差,获得一组偏移量;求方差,筛选出方差最小的偏移量,作为第一区块的定位值。
进一步的,所述步骤S5中遍历异形选择定位值的具体方法如下:所述步骤S5中遍历异形选取定位值的具体方法如下:选择模板图中第一区块异形集合中的一个图形作为模板异形,提取其坐标、方向、面积、周长、凸度等属性,根据预设的偏移量对该模板异形进行膨胀操作,生成选择区域,与粗定位图第一区块的异形部分Image_ReducedR1Others求交集,在粗定位图中找到该模板异形的映射图像区,获取映射图像去中的所有异形,通过面积、周长、凸度等属性匹配,筛选出与模板异形最接近的映射图形,获取映射异形的坐标、方向参数,映射异形与模板异形参数做差,算出偏移量,遍历模板图第一区块Image_ReducedR1Others中异形集合的所有模板异形,找到它们在粗定位图异形部分中的唯一对应映射异形;模板异形与其映射异形求差,获得一组偏移量;求方差,筛选出方差最小的偏移量,作为第一区块的定位值。
本发明提供的一种大幅面PCB板多区域精准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面PCB板多区域精准定位方法,解决了传统使用Mark点进行PCB板定位通用性差和板弯带来累积误差等问题;通过将大幅PCB板图像切分成小块进行定位运算,消除变形误差的同时提高运算效率;使用多种图形特征定位,提高通用性和精确性,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为本发明中原始图N切分示意图;
图3为本发明中图形提取定位示意图。
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板多区域精准定位方法。
S1,根据预设的切分面积和重叠面积分别将模板图Image_Model和粗定位图Image_Rough切分成N块;Image_ReducedMi为模板图中第i块图像,Image_ReducedRi粗定位图中第i块图像;切分块数N和重叠区域大小根据原始图像大小预先设置,设置重叠区域是为了提高精度。
S2,选中模板图的第一个图像块Image_ReducedM1,进行连通域操作,获取其中的所有图形;以圆形度和矩形度为阈值,将Image_ReducedM1中所有图形进行切割,分成圆形、矩形和异形三类。
S3,同上,将粗定位图第一图形块Image_ReducedR1中的图形分为圆形、矩形、异形三类。三类图形的集合与Image_ReducedR1求交集,将粗定位图分成圆形(Image_ReducedR1Circle)、矩形(Image_ReducedR1Rectangle)、异形(Image_ReducedR1Others)三部分。
S4,选中模板图第一区块圆形集合中的一个图形作为模板圆形,提取其坐标、方向、面积、周长、凸度等属性。
S5,根据预设的偏移量对该模板圆形进行膨胀操作,生成选择区域;与粗定位图第一区块的圆形部分Image_ReducedR1Circle求交集,在粗定位图中找到该模板圆形的映射图像区。
S6,获取映射图像区中的所有圆形,通过面积、周长、凸度等属性匹配,筛选出与模板圆形最接近的映射图形,获取映射圆形的坐标、方向参数;映射圆形与模板圆形参数做差,算出偏移量。
S7,遍历模板图第一区块Image_ReducedM1中圆形集合的所有模板圆形,找到它们在粗定位图圆形部分中的唯一对应映射圆形;模板圆形与其映射圆形求差,获得一组偏移量;求方差,筛选出方差最小的偏移量,作为第一区块的定位值。
S8,若圆形无法获得定位值,则使用同样的方法遍历矩形、异形图形,获取第一区块的定位值。
S9,使用相同的方法,获取余下N-1个区块的定位值。
S10,在N个区块的定位值中选择四个方差最小的作为精定位值。
S11,根据精定位值,对粗定位图Image_Rough进行透视变换,得到目标图,即与模板图对齐后的图像Image_Dest。
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 (5)
1.一种大幅面PCB板多区域精准定位方法,其特征在于,包括以下步骤:
S1,根据预设的切分面积和重叠面积分别将模板图Image_Model和粗定位图Image_Rough切分成N块,Image_ReducedMi为模板图中第i块图像,Image_ReducedRi粗定位图中第i块图像;
S2,选中模板图的第一个图像块Image_ReducedM1,进行连通域操作,获取其中的所有图形,以圆形度和矩形度为阈值,将Image_ReducedM1中所有图形进行切割,分成圆形、矩形和异形三类,所述异形指除了圆形和矩形之外的形状;
S3,选中粗定位图的第一个图像块Image_ReducedR1,进行连通域操作,获取其中的所有图形,以圆形度和矩形度为阈值,将Image_ReducedR1中所有图形进行切割,分成圆形、矩形和异形三类,三类图形的集合与Image_ReducedR1求交集,将粗定位图分成圆形Image_ReducedR1Circle、矩形Image_ReducedR1Rectangle、异形Image_ReducedR1Others三部分;
S4,选择模板图第一区块圆形或矩形或异形集合中的一个图形作为模板图形,求出模板图形在粗定位图中的映射图像区,进而算出映射图形和模板图形的偏移量,筛选处最小的偏移量,作为第一区块的定位值;
S5,根据S4中的方法获取余下N-1个区块的定位值;
S6,在N个区块的定位值中选择四个方差最小的作为静定位值;
S7,根据精定位值,对粗定位图Image_Rough进行透视变换,得到目标图,即与模板图对齐后的图像Image_Dest。
2.如权利要求1所述的大幅面PCB板多区域精准定位方法,其特征在于:所述步骤S4中遍历圆形选取定位值的具体方法如下:选择模板图中第一区块圆形集合中的一个图形作为模板圆形,提取其坐标、方向、面积、周长、凸度等属性,根据预设的偏移量对该模板圆形进行膨胀操作,生成选择区域,与粗定位图第一区块的圆形部分Image_ReducedR1Circle求交集,在粗定位图中找到该模板圆形的映射图像区,获取映射图像去中的所有圆形,通过面积、周长、凸度等属性匹配,筛选出与模板圆形最接近的映射图形,获取映射圆形的坐标、方向参数,映射圆形与模板圆形参数做差,算出偏移量,遍历模板图第一区块Image_ReducedM1中圆形集合的所有模板圆形,找到它们在粗定位图圆形部分中的唯一对应映射圆形;模板圆形与其映射圆形求差,获得一组偏移量;求方差,筛选出方差最小的偏移量,作为第一区块的定位值。
3.如权利要求1所述的大幅面PCB板多区域精准定位方法,其特征在于:所述步骤S5中遍历矩形选取定位值的具体方法如下:选择模板图中第一区块矩形集合中的一个图形作为模板矩形,提取其坐标、方向、面积、周长、凸度等属性,根据预设的偏移量对该模板矩形进行膨胀操作,生成选择区域,与粗定位图第一区块的矩形部分Image_ReducedR1Rectangle求交集,在粗定位图中找到该模板矩形的映射图像区,获取映射图像去中的所有矩形,通过面积、周长、凸度等属性匹配,筛选出与模板矩形最接近的映射图形,获取映射矩形的坐标、方向参数,映射矩形与模板矩形参数做差,算出偏移量,遍历模板图第一区块Image_ReducedR1Rectangle中矩形集合的所有模板矩形,找到它们在粗定位图矩形部分中的唯一对应映射矩形;模板矩形与其映射矩形求差,获得一组偏移量;求方差,筛选出方差最小的偏移量,作为第一区块的定位值。
4.如权利要求1所述的大幅面PCB板多区域精准定位方法,其特征在于:所述步骤S5中遍历异形选择定位值的具体方法如下:所述步骤S5中遍历异形选取定位值的具体方法如下:选择模板图中第一区块异形集合中的一个图形作为模板异形,提取其坐标、方向、面积、周长、凸度等属性,根据预设的偏移量对该模板异形进行膨胀操作,生成选择区域,与粗定位图第一区块的异形部分Image_ReducedR1Others求交集,在粗定位图中找到该模板异形的映射图像区,获取映射图像去中的所有异形,通过面积、周长、凸度等属性匹配,筛选出与模板异形最接近的映射图形,获取映射异形的坐标、方向参数,映射异形与模板异形参数做差,算出偏移量,遍历模板图第一区块Image_ReducedR1Others中异形集合的所有模板异形,找到它们在粗定位图异形部分中的唯一对应映射异形;模板异形与其映射异形求差,获得一组偏移量;求方差,筛选出方差最小的偏移量,作为第一区块的定位值。
5.如权利要求2-3任一所述的大幅面PCB板多区域精准定位方法,其特征在于:在第一区块中选取处定位值后,采用同样的方法分别在余下的N-1个区块中获取定位值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910102846.9A CN109859198B (zh) | 2019-02-01 | 2019-02-01 | 一种大幅面pcb板多区域精准定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910102846.9A CN109859198B (zh) | 2019-02-01 | 2019-02-01 | 一种大幅面pcb板多区域精准定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109859198A true CN109859198A (zh) | 2019-06-07 |
CN109859198B CN109859198B (zh) | 2020-10-30 |
Family
ID=66897377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910102846.9A Active CN109859198B (zh) | 2019-02-01 | 2019-02-01 | 一种大幅面pcb板多区域精准定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109859198B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930266A (zh) * | 2012-09-28 | 2013-02-13 | 廖怀宝 | 一种用轮廓重心法定位PCB板Mark点的方法 |
CN104408722A (zh) * | 2014-11-26 | 2015-03-11 | 南京工业大学 | 一种用于pcb视觉定位的检测方法 |
CN107389701A (zh) * | 2017-08-22 | 2017-11-24 | 西北工业大学 | 一种基于图像的pcb表观缺陷自动检测系统及方法 |
CN107966448A (zh) * | 2017-11-17 | 2018-04-27 | 福建工程学院 | 一种用于pcb锡膏印刷质量的2维检测方法 |
CN107967679A (zh) * | 2017-11-21 | 2018-04-27 | 凌云光技术集团有限责任公司 | 一种基于pcb产品矢量图形的自动选取定位核的方法 |
CN108205395A (zh) * | 2018-01-16 | 2018-06-26 | 安徽慧视金瞳科技有限公司 | 一种标定点中心坐标精准定位方法 |
CN108918527A (zh) * | 2018-05-15 | 2018-11-30 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于深度学习的印刷品缺陷检测方法 |
CN108985305A (zh) * | 2018-06-26 | 2018-12-11 | 武汉科技大学 | 一种激光蚀刻工业雷管编码图像定位及校正方法 |
CN109100370A (zh) * | 2018-06-26 | 2018-12-28 | 武汉科技大学 | 一种基于投影法和连通域分析的pcb板缺陷检测方法 |
-
2019
- 2019-02-01 CN CN201910102846.9A patent/CN109859198B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930266A (zh) * | 2012-09-28 | 2013-02-13 | 廖怀宝 | 一种用轮廓重心法定位PCB板Mark点的方法 |
CN104408722A (zh) * | 2014-11-26 | 2015-03-11 | 南京工业大学 | 一种用于pcb视觉定位的检测方法 |
CN107389701A (zh) * | 2017-08-22 | 2017-11-24 | 西北工业大学 | 一种基于图像的pcb表观缺陷自动检测系统及方法 |
CN107966448A (zh) * | 2017-11-17 | 2018-04-27 | 福建工程学院 | 一种用于pcb锡膏印刷质量的2维检测方法 |
CN107967679A (zh) * | 2017-11-21 | 2018-04-27 | 凌云光技术集团有限责任公司 | 一种基于pcb产品矢量图形的自动选取定位核的方法 |
CN108205395A (zh) * | 2018-01-16 | 2018-06-26 | 安徽慧视金瞳科技有限公司 | 一种标定点中心坐标精准定位方法 |
CN108918527A (zh) * | 2018-05-15 | 2018-11-30 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于深度学习的印刷品缺陷检测方法 |
CN108985305A (zh) * | 2018-06-26 | 2018-12-11 | 武汉科技大学 | 一种激光蚀刻工业雷管编码图像定位及校正方法 |
CN109100370A (zh) * | 2018-06-26 | 2018-12-28 | 武汉科技大学 | 一种基于投影法和连通域分析的pcb板缺陷检测方法 |
Non-Patent Citations (1)
Title |
---|
岑誉: "《多吸嘴贴片机的飞行视觉检测算法研究与系统开发》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109859198B (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108918526A (zh) | 一种柔性ic封装基板线路的缺口缺陷检测方法 | |
CN110929710B (zh) | 一种基于视觉的仪表指针读数自动识别方法与系统 | |
CN106951905A (zh) | 一种基于tof相机的树上苹果识别与定位方法 | |
CN107248159A (zh) | 一种基于双目视觉的金属工件缺陷检测方法 | |
CN107516077A (zh) | 基于激光点云和影像数据融合的交通标牌信息提取方法 | |
CN107169487A (zh) | 基于超像素分割及深度特征定位的显著性目标检测方法 | |
CN104050446A (zh) | 一种基于指针宽度特征的仪表指针图像识别方法 | |
CN103345755A (zh) | 一种基于Harris算子的棋盘格角点亚像素提取方法 | |
CN107239742A (zh) | 一种仪表指针刻度值计算方法 | |
CN107729853A (zh) | 一种适用于变电站窄刻度指针式仪表的自动识别方法 | |
CN104463138A (zh) | 基于视觉结构属性的文本定位方法及系统 | |
CN108345004A (zh) | 一种移动机器人的人体跟随方法 | |
CN103544489A (zh) | 一种车标定位装置及方法 | |
CN101968877A (zh) | 一种双层圆弧的编码标记点设计方法 | |
CN109785324B (zh) | 一种大幅面pcb板定位方法 | |
CN109766892A (zh) | 一种基于边缘检测的射线检测图像标记信息字符分割方法 | |
CN104457691B (zh) | 一种建筑物主体高程信息获取方法 | |
CN115063579A (zh) | 基于二维图像和三维点云投影的列车定位销松动检测方法 | |
CN101950409A (zh) | 一种基于象限的编码标记点设计方法 | |
CN109859198A (zh) | 一种大幅面pcb板多区域精准定位方法 | |
CN109410233A (zh) | 一种边缘特征约束的高分辨率图像道路精准提取方法 | |
CN116503821A (zh) | 基于点云数据和图像识别的道路标识识别方法及系统 | |
CN109614938A (zh) | 一种基于深度网络的文本目标检测方法及系统 | |
CN110298852A (zh) | 基于无人机影像色谱的地质界线自动提取方法 | |
CN113808262B (zh) | 一种基于深度图分析的建筑模型生成系统 |
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 |