CN113409259B - 基于图像特征信息的精密工件台倾角检测方法 - Google Patents

基于图像特征信息的精密工件台倾角检测方法 Download PDF

Info

Publication number
CN113409259B
CN113409259B CN202110643049.9A CN202110643049A CN113409259B CN 113409259 B CN113409259 B CN 113409259B CN 202110643049 A CN202110643049 A CN 202110643049A CN 113409259 B CN113409259 B CN 113409259B
Authority
CN
China
Prior art keywords
characteristic point
characteristic
pairs
pair
inclination angle
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
CN202110643049.9A
Other languages
English (en)
Other versions
CN113409259A (zh
Inventor
彭超
邹见效
万东栩
谢川
于力
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202110643049.9A priority Critical patent/CN113409259B/zh
Publication of CN113409259A publication Critical patent/CN113409259A/zh
Application granted granted Critical
Publication of CN113409259B publication Critical patent/CN113409259B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/40—Scaling the whole image or part thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于图像特征信息的精密工件台倾角检测方法，预先将标定物放置于处于水平状态下的精密工作台上并进行图像采集得到标准图，然后在精密工作台需要进行倾角检测时，将标定物放置于精密工作台上并进行图像采集得到当前的采样图，分别对标准图和采样图进行特征点提取与匹配，获取特征点对集合，从标准图和采样图的特征点对集合中选取三对特征点对，按照所设计的倾角计算方法计算得到精密工作台的倾角。本发明利用获取的图像信息完成了非接触式的精密工作台倾角检测，可以有效节约结构硬件成本，并提出了新的倾角计算方法，提高了精密工作台倾角检测的准确度。

Description

基于图像特征信息的精密工件台倾角检测方法
技术领域
本发明属于工件台倾角检测技术领域，更为具体地讲，涉及一种基于图像特征信息的精密工件台倾角检测方法。
背景技术
对于很多精密器材而言，调整工件台至水平状态是进行后续操作前的关键步骤。如光刻机工件台，若未将工件台调整至水平状态，则硅片表面与投影物镜焦面将会处于非平行状态，对硅片的刻蚀精度造成严重影响，芯片制造产品的质量和成品率也会随之下降。同时，机械中常见的测量平面度的方法，如打表测量法、光束平面法等方法往往有自身的测量局限性，且测量精度不高。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于图像特征信息的精密工件台倾角检测方法，利用图像特征信息完成倾角检测，可以提高检测精度，同时操作也更为简便。
为实现上述发明目的，本发明基于图像特征信息的精密工件台倾角检测方法包括以下步骤：
S1：预先将标定物放置于处于水平状态下的精密工作台上并进行图像采集得到标准图，然后在精密工作台需要进行倾角检测时，将标定物放置于精密工作台上并进行图像采集得到当前的采样图；
S2：分别对标准图和采样图进行特征点提取与匹配，获取特征点对集合；
S3：从标准图和采样图的特征点对集合中选取三对特征点对，记各个特征点在所在图像中的坐标分别为
Figure GDA0003199502660000011
i＝0表示该特征点属于标准图，i＝1表示该特征点属于采样图；
S4：根据步骤S3所得到的三对特征点对计算精密工作台的倾角，包括以下步骤：
S4.1：分别将三对特征点对中属于标准图和采样图的三个特征点作为顶点组成特征三角形ΔA0B0C0、ΔA1B1C1，然后分别计算特征三角形的边长
Figure GDA0003199502660000012
Figure GDA0003199502660000021
和
Figure GDA0003199502660000022
S4.2：以采样图的平面直角坐标系原点为原点、以采样图为水平面建立空间直角坐标系，将特征三角形ΔA0B0C0进行移动令特征点A0与特征点A1重合，然后在特征点A0固定条件下对特征三角形ΔA0B0C0进行缩放得到特征三角形
Figure GDA0003199502660000023
令特征三角形
Figure GDA0003199502660000024
在水平面的垂直投影为特征三角形ΔA1B1C1，
Figure GDA0003199502660000025
Figure GDA0003199502660000026
分别表示特征三角形ΔA0B0C0进行移动、缩放后特征点A0、特征点B0和特征点C0所对应的点，将缩放倍数x作为未知参数，构建如下方程组：
Figure GDA0003199502660000027
其中，
Figure GDA0003199502660000028
表示点
Figure GDA0003199502660000029
相对于水平面的高度值，
Figure GDA00031995026600000210
表示点
Figure GDA00031995026600000211
相对于水平面的高度值；
求解上述方程组，得到两组高度值，分别记为
Figure GDA00031995026600000212
S4.3：分别采用两组高度值计算得到两组精密工作台倾角，计算方法如下：
记当前所采用的高度值为
Figure GDA00031995026600000213
采样图中特征三角形△A1B1C1中三个特征点在所建立的空间直角坐标系中的坐标分别为
Figure GDA00031995026600000214
Figure GDA00031995026600000215
则特征三角形
Figure GDA00031995026600000216
中三个特征点在空间直角坐标系中的坐标分别为
Figure GDA00031995026600000217
在空间直角坐标系中，计算垂直于标准图特征三角形所在平面的法向量
Figure GDA00031995026600000218
根据法向量
Figure GDA00031995026600000219
计算得到精密工作台在空间直角坐标系中在x轴方向上的倾角
Figure GDA00031995026600000220
和在y轴方向上的倾角
Figure GDA00031995026600000221
Figure GDA00031995026600000222
Figure GDA00031995026600000223
本发明基于图像特征信息的精密工件台倾角检测方法，预先将标定物放置于处于水平状态下的精密工作台上并进行图像采集得到标准图，然后在精密工作台需要进行倾角检测时，将标定物放置于精密工作台上并进行图像采集得到当前的采样图，分别对标准图和采样图进行特征点提取与匹配，获取特征点对集合，从标准图和采样图的特征点对集合中选取三对特征点对，按照所设计的倾角计算方法计算得到精密工作台的倾角。
本发明利用获取的图像信息完成了非接触式的精密工作台倾角检测，可以有效节约结构硬件成本，并提出了新的倾角计算方法，提高了精密工作台倾角检测的准确度。
附图说明
图1是本发明基于图像特征信息的精密工件台倾角检测方法的具体实施方式流程图；
图2是本实施例中特征点对选取方法的流程图；
图3是本发明中采样图和标准图在三维空间中的位置关系图；
图4是本发明中精密工作台的倾角计算的流程图；
图5是采样图和标准图的相对位置示意图；
图6是标准图中特征三角形缩放的示意图；
图7是图6所示特征三角形的法向量示意图；
图8是本实施例中采样图和标准图中特征三角形示例图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
实施例
图1是本发明基于图像特征信息的精密工件台倾角检测方法的具体实施方式流程图。如图1所示，本发明基于图像特征信息的精密工件台倾角检测方法的具体步骤包括：
S101：图像采集：
预先将标定物放置于处于水平状态下的精密工作台上并进行图像采集得到标准图，然后在精密工作台需要进行倾角检测时，将标定物放置于精密工作台上并进行图像采集得到当前的采样图。
S102：特征点匹配：
分别对标准图和采样图进行特征点提取与匹配，获取特征点对集合。
本实施例中在进行标准图和采样图进行特征点提取之前，可以先对两幅图像进行预处理，例如滤波锐化等，然后对预处理后的两幅图像使用ORB(Oriented Fast andRotated Brief)算子进行特征点提取，并使用FLANN(Fast Approximate NearestNeighbor Search Library，快速最近邻逼近搜索函数库)算法完成特征点的匹配工作。
S103：特征点对选取：
从标准图和采样图的特征点对集合中选取三对特征点对，记各个特征点在所在图像中的坐标分别为
Figure GDA0003199502660000041
i＝0表示该特征点属于标准图，i＝1表示该特征点属于采样图。
为了使最终检测得到的精密工作台倾角更加准确，用于倾角计算的特征点对最好满足以下两点：一是根据三角形两边之和大于第三边的定理设计筛选算法，同时为提高倾角计算精度，应规避钝角角度接近于平角的三角形情况；二是特征点对之间的距离不能相距太近，因为这种情况计算特征三角形的顶点会影响倾角数值计算的精度。综上所述，设计得到本实施例的特征点对选取方法。图2是本实施例中特征点对选取方法的流程图。如图2所示，本实施例中特征点对选取的具体方法如下：
S201：特征点对排列：
记特征点对集合中特征点对数量为N，将N对特征点对按照其两个特征点的匹配度从大到小进行排列。
S202：确定特征点对A：
从排列后的特征点对序列中选取第1对特征点对作为特征点对A。
S203：令n＝2。
S204：判断第n对特征点对与特征点对A之间的距离dnA是否大于预设的边长阈值D，如果不是，进入步骤S205，否则进入步骤S206。
S205：令n＝n+1，返回步骤S204。
S206：确定特征点对B：
将当前特征点对作为特征点对B。
S207：令n′＝n+1；
S208：判断第n′对特征点对是否满足特征点对C的条件，即是否同时满足以下三个条件：第n′对特征点对与特征点对A之间的距离dn′A大于预设的边长阈值D，第n′对特征点对与特征点对B之间的距离dn′B大于预设的边长阈值D，dn′A+dn′B-dA,B＞P，其中dA,B表示特征点对A与特征点对B之间的距离，P为预设的阈值，如果不满足，进入步骤S209，否则进入步骤S210。
S209：令n′＝n′+1，返回步骤S208。
S210：确定特征点对C：
将当前特征点对作为特征点对C。
S104：计算倾角：
根据步骤S103所得到的三对特征点对计算精密工作台的倾角。
已知不共线的三点确定一个平面，由此得到了定位平面的一个方法，即最少通过三个不在一条线的点的空间直角坐标系的坐标可定位唯一的一个平面。本发明中以采样图作为水平面，标准图作为倾斜面。图3是本发明中采样图和标准图在三维空间中的位置关系图。如图3所示，由这六个点在空间直角坐标系中的坐标值，再结合空间立体几何的相关知识，可求得倾斜面A0B0C0的法向量，即对倾斜面进行了表征，从而得到精密工作台的倾角。
图4是本发明中精密工作台的倾角计算的流程图。如图4所示，本发明中精密工作台的倾角计算的具体步骤包括：
S401：确定特征三角形：
分别将三对特征点对中属于标准图和采样图的三个特征点组成特征三角形△A0B0C0、△A1B1C1，然后分别计算特征三角形的边长
Figure GDA0003199502660000051
和
Figure GDA0003199502660000052
Figure GDA0003199502660000053
S402：计算特征三角形顶点高度：
以采样图的平面直角坐标系原点为原点、以采样图为水平面建立空间直角坐标系，然后计算标准图中特征三角形顶点的相对于水平面的高度。
如图3所示，步骤S103得到了各个特征点在各自图像的二维直角坐标系下的坐标，进而计算得到两个特征三角形在各自图像中的三边长度。将采样图中特征三角形△A1B1C1和标准图中特征三角形△A0B0C0平移至同一空间直角坐标系下，且令两个特征三角形中特征点对A的两个特征点相交。图5是采样图和标准图的相对位置示意图。如图5所示，采样图和标准图的相对位置有如图5(a)、图5(b)、图5(c)、图5(d)所示的四种情况。为便于观察，为采样图和标准图添加虚线以表征该平面。根据图像采集的原理可知，△A1B1C1是△A0B0C0在水平面的垂直投影。
Figure GDA0003199502660000061
分别为特征点B0、特征点C0相对于水平面上的特征点B1、特征点C1的高度，其中箭头方向表示倾斜面在该点处相对于水平面的高度方向，箭头方向朝上表示此点高度位于水平面之上，箭头方向朝下表示此点高度位于水平面之下。
通过图5可以发现，在特征点A0、A1重合的条件下，采样图和标准图在空间中的位置关系总体上可以分为两种情况。第一种情况是在空间直角坐标系中，特征点A1(A0)在竖直方向上的高度位置在特征点B1、特征点C1的同侧(见图5(a)、图5(b))，第二种情况是特征点A1(A0)在竖直方向上的高度位置在特征点B1、特征点C1高度位置之间(见图5(c)、图5(d))。其中情况一又分为图5(a)的特征点A1(A0)同时高于特征点B1、特征点C1，以及图5(b)的特征点A1(A0)同时低于特征点B1、特征点C1点的这两种情形。情况二分为图5(c)的特征点C0是最高点，以及图5(d)的特征点B0是最高点的这两种情形。
在实际的图像采集过程中，因为工件台处于倾斜状态与水平状态时，放置其上的标定物与光电传感器之间的距离发生了变化，导致标定物上相同的两个特征点之间在图像上的像素距离也发生变化，也就是说，标准图上特征点B0或特征点C0的垂直投影有可能并不落在采样图上的特征点B1或特征点C1上，这将严重影响倾角计算的结果。然而虽然两点间的像素距离发生了变化，但特征点所确定的三角形三边长度的比例是固定的，可以通过将标准图的三角形在同一平面内缩小或放大一定的比例以保证其三点的垂直投影恰好与采样图的三角形重合。
图6是标准图中特征三角形缩放的示意图。如图6所示，对于如图5(a)中情况，三角形△A0B0C0是标准图上特征三角形的初始位置，通过将其中一条边B0C0在其所在平面内进行平移，可以确定标准图中特征点的垂直投影与采样图中特征点重合的位置，且该位置是唯一的。
将特征三角形△A0B0C0进行平移令特征点A0与特征点A1重合，然后在特征点A0固定条件下对特征三角形△A0B0C0进行缩放得到特征三角形
Figure GDA0003199502660000071
记缩放倍数为x，则有如下表达式：
Figure GDA0003199502660000072
Figure GDA0003199502660000073
Figure GDA0003199502660000074
其中，
Figure GDA0003199502660000075
分别表示缩放后特征三角形
Figure GDA0003199502660000076
中三角形边
Figure GDA0003199502660000077
的边长，
Figure GDA0003199502660000078
分别表示特征三角形△A0B0C0进行缩放后特征点A0、特征点B0和特征点C0所对应的点。
由于特征三角形ΔA1B1C1是缩放后特征三角形
Figure GDA0003199502660000079
在水平面的垂直投影，则有
Figure GDA00031995026600000710
综上所述，将特征三角形ΔA0B0C0进行移动令特征点A0与特征点A1重合，然后在特征点A0固定条件下对特征三角形ΔA0B0C0进行缩放得到特征三角形
Figure GDA00031995026600000711
令特征三角形
Figure GDA00031995026600000712
在水平面的垂直投影为特征三角形ΔA1B1C1，
Figure GDA00031995026600000713
Figure GDA00031995026600000714
分别表示特征三角形ΔA0B0C0进行移动、缩放后特征点A0、特征点B0和特征点C0所对应的点，将缩放倍数x作为未知参数，构建如下方程组：
Figure GDA00031995026600000715
其中，
Figure GDA00031995026600000716
表示点
Figure GDA00031995026600000717
相对于水平面的高度值，
Figure GDA00031995026600000718
表示点
Figure GDA00031995026600000719
相对于水平面的高度值。
求解上述方程组，得到两组高度值，分别记为
Figure GDA00031995026600000720
这两组高度值分别对应了图5中的(a)与(b)(或图5中的(c)与(d))这两种结果。因为这两种倾斜状态下的标定物垂直投影成像结果是相同的，故无法直接通过图像信息对方程组的解进行选取。可通过试错的方法进行结果的选取。
S403：计算倾角：
分别采用两组高度值计算得到两组精密工作台倾角，计算方法如下：
记当前所采用的高度值为
Figure GDA00031995026600000721
采样图中特征三角形ΔA1B1C1中三个特征点在所建立的空间直角坐标系中的坐标分别为
Figure GDA00031995026600000722
Figure GDA0003199502660000081
则特征三角形
Figure GDA0003199502660000082
中三个特征点在空间直角坐标系中的坐标分别为
Figure GDA0003199502660000083
在空间直角坐标系中，计算垂直于特征三角形
Figure GDA0003199502660000084
所在平面的法向量
Figure GDA0003199502660000085
图7是图6所示特征三角形的法向量示意图。实际计算中，单位法向量
Figure GDA0003199502660000086
会产生两组解，分别对应的待测倾斜面朝上及朝下的法向量，二者在后续的倾角计算结果中并无差异，此处仅取
Figure GDA0003199502660000087
的解以作后续使用。
即可根据法向量
Figure GDA0003199502660000088
计算得到精密工作台在空间直角坐标系中在x轴方向上的倾角
Figure GDA0003199502660000089
和在y轴方向上的倾角
Figure GDA00031995026600000810
Figure GDA00031995026600000811
Figure GDA00031995026600000812
为了更好地说明本发明的技术方案，采用具体实例对本发明进行实验验证。预先设置精密工件台在x轴方向上的倾角为5°，在y轴方向上的倾角为-5°。
图8是本实施例中采样图和标准图中特征三角形示例图。如图8所示，采样图中特征三角形的三个顶点的特征点坐标为：
A1(146.68,494.979),B1(82.1146,364.66),C1(232.707,427.019)
标准图中与之相匹配的三个特征点坐标为：
A0(594.808,498.062),B0(530.012,373.248),C0(677.221,429.982)
由特征点坐标求得采样图中特征三角形ΔA1B1C1的边长分别为：
B1C1＝162.993,A1C1＝109.632,A1B1＝145.436
标准图中的特征三角形ΔA0B0C0的边长为：
B0C0＝157.763,A0C0＝106.896,A0B0＝140.631
求解步骤S402中的方程组，得到两组解。本实施例中选取
Figure GDA00031995026600000813
Figure GDA00031995026600000814
这组解。采样图中特征三角形ΔA1B1C1中三个特征点在空间直角坐标系中的坐标分别为：
A1(146.68,494.979,0),B1(82.1146,364.66,0),C1(232.707,427.019,0)
则特征三角形
Figure GDA00031995026600000815
中三个特征点在空间直角坐标系中的坐标分别为
Figure GDA00031995026600000816
计算得到特征三角形
Figure GDA0003199502660000091
的法向量
Figure GDA0003199502660000092
的数值为
Figure GDA0003199502660000093
由法向量
Figure GDA0003199502660000094
可计算得到倾斜面分别在x轴方向上和y轴方向上的倾角为θx＝5.71745°，θy＝-5.18507°。
为了说明本发明的有效性，另外再选取两组特征点对重新进行倾角计算。
表1是本实施例中三组特征点对所计算得到的倾角统计信息表。
Figure GDA0003199502660000095
表1
可见，所求得的倾角与实际倾角的误差在工程应用可以接受范围内，说明了本发明的有效性。
此外，由于本发明中还提出了特征点对的筛选方法，因此对随机选择特征点对和经筛选确定特征点对两种方式的技术效果进行对比。每种方式分别选取三组特征点对进行倾角计算。表2是本发明中随机选择特征点对和经筛选确定特征点对的倾角计算结果对比表。
Figure GDA0003199502660000101
表2
如表2所示，在随机选择特征点对的情况下，求得的倾角最终结果与实际倾角数值相差较大。具体分析表5-2中的数据可知，随机选择特征点对的第一组和第三组特征三角形对计算得到的倾角结果较为接近实际倾角数值，但第二组的计算结果则产生严重偏离。回溯实验过程找到第二组数据对应的特征点对的坐标信息，发现图像中有两个特征点的位置过于紧密，也即获取的特征三角形的一边长度过小，对倾角计算结果产生较大影响。而经筛选确定特征点对所得到的倾角误差比较稳定。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (1)

1.一种基于图像特征信息的精密工件台倾角检测方法，其特征在于，包括以下步骤：
S1：预先将标定物放置于处于水平状态下的精密工作台上并进行图像采集得到标准图，然后在精密工作台需要进行倾角检测时，将标定物放置于精密工作台上并进行图像采集得到当前的采样图；
S2：分别对标准图和采样图进行特征点提取与匹配，获取特征点对集合；
S3：从标准图和采样图的特征点对集合中选取三对特征点对，记各个特征点在所在图像中的坐标分别为
Figure FDA0003514633690000011
i＝0表示该特征点属于标准图，i＝1表示该特征点属于采样图；特征点对选取包括以下步骤：
S3.1：记特征点对集合中特征点对数量为N，将N对特征点对按照其两个特征点的匹配度从大到小进行排列；
S3.2：从排列后的特征点对序列中选取第1对特征点对作为特征点对A；
S3.3：令n＝2；
S3.4：判断第n对特征点对与特征点对A之间的距离dnA是否大于预设的边长阈值D，如果不是，进入步骤S3.5，否则进入步骤S3.6；
S3.5：令n＝n+1，返回步骤S3.4；
S3.6：将当前特征点对作为特征点对B；
S3.7：令n′＝n+1；
S3.8：判断第n′对特征点对是否满足特征点对C的条件，即是否同时满足以下三个条件：第n′对特征点对与特征点对A之间的距离dn′A大于预设的边长阈值D，第n′对特征点对与特征点对B之间的距离dn′B大于预设的边长阈值D，dn′A+dn′B-dA,B＞P，其中dA,B表示特征点对A与特征点对B之间的距离，P为预设的阈值，如果不满足，进入步骤S3.9，否则进入步骤S3.10；
S3.9：令n′＝n′+1，返回步骤S3.8；
S3.10：将当前特征点对作为特征点对C；
S4：根据步骤S3所得到的三对特征点对计算精密工作台的倾角，包括以下步骤：
S4.1：分别将三对特征点对中属于标准图和采样图的三个特征点作为顶点组成特征三角形ΔA0B0C0、ΔA1B1C1，然后分别计算特征三角形的边长
Figure FDA0003514633690000021
Figure FDA0003514633690000022
和
Figure FDA0003514633690000023
S4.2：以采样图的平面直角坐标系原点为原点、以采样图为水平面建立空间直角坐标系，将特征三角形ΔA0B0C0进行移动令特征点A0与特征点A1重合，然后在特征点A0固定条件下对特征三角形ΔA0B0C0进行缩放得到特征三角形
Figure FDA0003514633690000024
令特征三角形
Figure FDA0003514633690000025
在水平面的垂直投影为特征三角形ΔA1B1C1，
Figure FDA0003514633690000026
Figure FDA0003514633690000027
分别表示特征三角形ΔA0B0C0进行移动、缩放后特征点A0、特征点B0和特征点C0所对应的点，将缩放倍数x作为未知参数，构建如下方程组：
Figure FDA0003514633690000028
其中，
Figure FDA0003514633690000029
表示点
Figure FDA00035146336900000210
相对于水平面的高度值，
Figure FDA00035146336900000211
表示点
Figure FDA00035146336900000212
相对于水平面的高度值；
求解上述方程组，得到两组高度值，分别记为
Figure FDA00035146336900000213
S4.3：分别采用两组高度值计算得到两组精密工作台倾角，计算方法如下：
记当前所采用的高度值为
Figure FDA00035146336900000214
k＝1,2，采样图中特征三角形ΔA1B1C1中三个特征点在所建立的空间直角坐标系中的坐标分别为
Figure FDA00035146336900000215
Figure FDA00035146336900000216
则特征三角形
Figure FDA00035146336900000217
中三个特征点在空间直角坐标系中的坐标分别为
Figure FDA00035146336900000218
在空间直角坐标系中，计算垂直于标准图特征三角形所在平面的法向量
Figure FDA00035146336900000219
根据法向量
Figure FDA00035146336900000220
计算得到精密工作台在空间直角坐标系中在x轴方向上的倾角
Figure FDA00035146336900000221
和在y轴方向上的倾角
Figure FDA00035146336900000222
Figure FDA00035146336900000223
Figure FDA00035146336900000224
CN202110643049.9A 2021-06-09 2021-06-09 基于图像特征信息的精密工件台倾角检测方法 Active CN113409259B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110643049.9A CN113409259B (zh) 2021-06-09 2021-06-09 基于图像特征信息的精密工件台倾角检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110643049.9A CN113409259B (zh) 2021-06-09 2021-06-09 基于图像特征信息的精密工件台倾角检测方法

Publications (2)

Publication Number Publication Date
CN113409259A CN113409259A (zh) 2021-09-17
CN113409259B true CN113409259B (zh) 2022-04-19

Family

ID=77683282

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110643049.9A Active CN113409259B (zh) 2021-06-09 2021-06-09 基于图像特征信息的精密工件台倾角检测方法

Country Status (1)

Country Link
CN (1) CN113409259B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106327491A (zh) * 2016-08-23 2017-01-11 西安电子科技大学 基于fpga的无掩膜光刻pcb板校正系统及方法
CN107908086A (zh) * 2017-11-14 2018-04-13 苏州苏大维格光电科技股份有限公司 基片的预对准方法
CN109556510A (zh) * 2017-09-27 2019-04-02 欧姆龙株式会社 位置检测装置以及计算机可读存储介质
CN112433641A (zh) * 2020-11-11 2021-03-02 大庆思特传媒科技有限公司 一种多rgbd深度传感器的自动校准桌面道具互动系统的实现方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104751112B (zh) * 2013-12-31 2018-05-04 石丰 一种基于模糊特征点信息的指纹模板及指纹识别方法
CN109961455B (zh) * 2017-12-22 2022-03-04 杭州萤石软件有限公司 一种目标检测方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106327491A (zh) * 2016-08-23 2017-01-11 西安电子科技大学 基于fpga的无掩膜光刻pcb板校正系统及方法
CN109556510A (zh) * 2017-09-27 2019-04-02 欧姆龙株式会社 位置检测装置以及计算机可读存储介质
CN107908086A (zh) * 2017-11-14 2018-04-13 苏州苏大维格光电科技股份有限公司 基片的预对准方法
CN112433641A (zh) * 2020-11-11 2021-03-02 大庆思特传媒科技有限公司 一种多rgbd深度传感器的自动校准桌面道具互动系统的实现方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"基于机器视觉的光刻机工件台调平系统设计与实现";万东栩;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;20220115;第49-56页 *
"基于线性CCD自适应成像的光刻机平台调平方法研究";梁明尧;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;20200115;第40页-52页 *

Also Published As

Publication number Publication date
CN113409259A (zh) 2021-09-17

Similar Documents

Publication Publication Date Title
CN110689579A (zh) 基于合作目标的快速单目视觉位姿测量方法及测量系统
JP2023518221A (ja) ウェハ中の検査ボリュームの断面画像化の方法
US8019147B2 (en) Three-dimensional data registration method for vision measurement in flow style based on double-sided target
Abouelatta 3D surface roughness measurement using a light sectioning vision system
CN109801333B (zh) 体积测量方法、装置、系统及计算设备
Liu et al. An improved online dimensional measurement method of large hot cylindrical forging
EP3980970A1 (en) Cross section imaging with improved 3d volume image reconstruction accuracy
TW201629811A (zh) 判定用於樣本上之關注區域之座標
WO2014205385A1 (en) Wafer inspection using free-form care areas
CN109483887B (zh) 激光选区熔化过程中成形层轮廓精度在线检测方法
CN112614098A (zh) 一种基于增强现实的毛坯定位与加工余量分析方法
CN116402866A (zh) 基于点云的零件数字孪生几何建模与误差评定方法及系统
JP5913903B2 (ja) 形状検査方法およびその装置
TWI510761B (zh) 表面多點對焦系統及方法
JP5286337B2 (ja) 半導体製造装置の管理装置、及びコンピュータプログラム
US6532310B1 (en) Removing noise caused by artifacts from a digital image signal
CN112001880A (zh) 一种平面构件的特征参数检测方法及装置
US10516822B2 (en) Method and device for merging images of calibration devices
Hurník et al. Enhancing the accuracy of forging measurement using silhouettes in images
CN113409259B (zh) 基于图像特征信息的精密工件台倾角检测方法
CN109148433B (zh) 用于确定集成电路器件的尺寸的方法和设备
Li et al. Method for detecting pipeline spatial attitude using point cloud alignment
Breier et al. Accurate laser triangulation using a perpendicular camera setup to assess the height profile of PCBs
CN116091401A (zh) 基于目标检测和复合目标码的航天器装配件识别定位方法
CN112258585B (zh) 一种面向图像畸变分区求解的标定场设计和图像处理方法

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