CN113989312B - 一种基于形状上下文特征的不规则pcb板轮廓匹配的方法 - Google Patents
一种基于形状上下文特征的不规则pcb板轮廓匹配的方法 Download PDFInfo
- Publication number
- CN113989312B CN113989312B CN202111325199.1A CN202111325199A CN113989312B CN 113989312 B CN113989312 B CN 113989312B CN 202111325199 A CN202111325199 A CN 202111325199A CN 113989312 B CN113989312 B CN 113989312B
- Authority
- CN
- China
- Prior art keywords
- contour
- points
- contours
- function
- concentric circle
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 230000001788 irregular Effects 0.000 title claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 230000009466 transformation Effects 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 150000003071 polychlorinated biphenyls Chemical class 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- 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]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于形状上下文特征的不规则PCB板轮廓匹配的方法，其中通过上下文特征对待匹配轮廓与标准轮廓进行建模，并且计算代价函数的最小值，得到两组轮廓点的对应关系，通过拒绝函数筛选错匹配，计算旋转矩阵与平移矩阵使待匹配轮廓与标准轮廓重合，最后利用汉明距离计算两个轮廓的相似度,本发明一种基于形状上下文特征的不规则PCB板轮廓匹配的方法，解决了现有对不规则轮廓匹配中轮廓表达能力差、精度低等实际问题，采用递进式的匹配方法，提高了PCB不规则轮廓匹配的速度和精度，为工业生产的不规则PCB板实用性和精度提供了保障。
Description
技术领域
本发明涉及机器视觉检测技术领域，具体为一种基于形状上下文特征的不规则PCB板轮廓匹配的方法。
背景技术
随着电子信息技术的发展，电子产品的更新迭代速度加快，印刷电路板(printedcircuit board,PCB)作为电子产品中的重要部件，正在向高质量、高性能方向发展。而PCB板常常会为了达到实际的应用需求而被设计成不规则形状，工业上很难对这类PCB板建立数据模型进行轮廓匹配，这就会造成较大的误差。
测量轮廓误差的大致流程是：对产品进行位置和边缘的定位，再计算产品图像的边缘信息与标准轮廓信息间的误差。而对图像的边缘信息和标准轮廓进行轮廓匹配尤为重要，如果无法对图像的轮廓信息与标准轮廓的误差进行精准的计算，那么可能无法满足实际的生产要求。
现有的轮廓特征有几何特征、域变换和空间特征三大类。其中几何特征应用比较广泛，它主要提取了图像中保持不变的特征，如边缘点、弧度等，作为两幅图像匹配的参考信息，但是这种方法无法获取图像深层次的轮廓特征。域变换包括小波变换和傅里叶变换等，这些方法虽然可以对形状信息的描述更加精确，但是它对于参数的要求非常高，如果无法精确对参数调整，那么可能得到错误的图像特征信息。而空间特征是指图像中分割出来的多个目标之间的相互空间位置或者相对方向关系，其中形状上下文特征是近年来形状特征表示最重要的方法。该方法着重描述轮廓点的局部信息，同时兼顾轮廓的整体信息，对轮廓的描述更加准确。
针对上述问题，本发明公开一种基于形状上下文特征的不规则PCB板轮廓匹配的方法，具有计算精准，表示能力显著提高，位置信息与图像特征高度对应，数据量少，计算方便等的特性。
发明内容
本发明的目的在于提供一种基于形状上下文特征的不规则PCB板轮廓匹配的方法，用于提升了轮廓表示能力以及刚性变换的精确度，减少错匹配数据，方便计算相似度，排除极端噪声，以解决上述背景技术中提出的精度低、计算能力差、数据复杂等技术问题。为实现上述目的，本发明提供如下技术方案一种基于形状上下文特征的不规则PCB板轮廓匹配的方法，包括：
S1：检测轮廓边缘后得到多个边缘点，用一个集合S表示；
S2：在极坐标下对集合S以距离ρ和角度θ进行划分，并以同心圆方式建立轮廓点的分布，以此建立直方图H＝(ρ，θ，n)，其中ρ为同心圆半径，θ为同心圆区域的扇形边与水平方向的夹角，n为同心圆扇形区域的个数；
S3：通过直方图H计算待匹配轮廓与标准轮廓的代价函数hi(k),hj(k)分别是两个轮廓任意点处的直方图；
S4：采用匈牙利算法对各代价函数C求最优值，并对两组轮廓点进行匹配后，使得各代价函数C达到最小；
S5：建立一个拒绝函数，当代价函数C大于阈值C0时，认为是错匹配，将数据丢弃；
S6：定义刚性变换的权重函数和误差函数L＝W||(Rpi+t)-qi||2,其中p,q分别为两个轮廓上的某一点，通过权重函数W计算轮廓的质心P；
S7：通过P中心化轮廓点得到极坐标点(Xi,Yi)，计算系数矩阵k＝XiWYiT，并将k进行奇异值分解得到旋转矩阵r＝YiTWXi和平移矩阵T＝Q-rP，其中Q为另一个轮廓质心；
S8：将r和t代入误差函数L计算是否为最小值，若是则停止，否则重复S6；
S9：通过r和t将轮廓刚性变换与标准轮廓重合，计算该轮廓与标准轮廓的汉明距离，即两个轮廓的差值，得到最终的相似度。
优选的，所述步骤S1中的集合S＝{s1,s2,…,sK}。
优选的，所述步骤S2中对集合S以距离ρ和角度θ进行R等分和T等分，直方图H以同心圆的方式建立扇形网络模型，并统计轮廓点的空间分布显示。
优选的，所述步骤S2中，将集合S描述成K个三元组(ρi,θi,ni)构成的直方图H,其中ρi为第i个同心圆半径，θi为第i个扇形区域的边与轮廓点形成的角度，ni为第i个扇形区域轮廓点的数量。
优选的，所述步骤S5中，拒绝函数是利用亚像素点的曲率特征来建立。
与现有技术相比，本发明的有益效果是：
本发明对图像的轮廓信息与标准轮廓信息根据上下文特征进行建模，得到两个轮廓的位置信息，提升了轮廓的表示能力；通过匈牙利算法对所求的模型进行最优化计算，得到最小值，这样可以得到两组轮廓点之间的对应关系，有利于提高刚性变换的精准度；并设置拒绝函数，减少错匹配的数据，然后通过轮廓点的对应关系，计算平移矩阵和旋转矩阵，将待匹配轮廓变换至与标准轮廓重合的位置，这样方便计算相似度，最后通过汉明距离可以得到两个轮廓的相似度，排除极端噪声情况。
附图说明
图1为本发明的流程图；
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、完整地描述，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。基于本发明中的实施例，本领域普通技术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，都属于本发明保护的范围。
请参阅图1，本发明提供一种技术方案：为了将PCB板的轮廓数字化建立模型保证误差最小，提供了如下步骤：
S1、将PCB板放置在待测区域，对PCB板轮廓进行边缘检测定位，并确定位置，在数字化设备上回得到多个边缘点，将所有的边缘点用一个集合S表示,表示为：S＝{s1,s2,…,sK}。
S2、在数字化设备上显示极坐标，在极坐标下，对集合S以距离ρ和角度θ进行R等分和T等分，将集合S描述成K个三元组(ρi,θi,ni)构成的直方图H,其中ρi为第i个同心圆半径，θi为第i个扇形区域的边与轮廓点形成的角度，ni为第i个扇形区域轮廓点的数量，并以同心圆的方式建立扇形网络模型，并对统计的轮廓点进行空间分布显示，以此建立直方图H＝(ρ，θ，n)，其中ρ为同心圆半径，θ为同心圆区域的扇形边与水平方向的夹角，n为同心圆扇形区域的个数。
S3、通过直方图H计算待匹配轮廓与标准轮廓的代价函数hi(k),hj(k)分别是两个轮廓任意点处的直方图。
S4、采用匈牙利算法对各代价函数C求最优值，并对两组轮廓点进行匹配后，使得各代价函数C达到最小。
S5、利用亚像素点的曲率特征来建立建立一个拒绝函数，当代价函数C大于阈值C0时，认为是错匹配，将数据丢弃。
S6、定义刚性变换的权重函数和误差函数L＝W||(Rpi+t)-qi||2,其中p,q分别为两个轮廓上的某一点，通过权重函数W计算轮廓的质心P；
S7、通过P中心化轮廓点得到极坐标点(Xi,Yi)，计算系数矩阵k＝XiWYiT，并将k进行奇异值分解得到旋转矩阵r＝YiTWXi和平移矩阵T＝Q-rP，其中Q为另一个轮廓质心；
S8、将r和t代入误差函数L计算是否为最小值，若是则停止，否则重复S6；
S9、通过r和t将轮廓刚性变换与标准轮廓重合，计算该轮廓与标准轮廓的汉明距离，即两个轮廓的差值，得到最终的相似度。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明，因此，无论从那一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (5)
1.一种基于形状上下文特征的不规则PCB板轮廓匹配的方法，其特征在于，包括如下步骤：
S1：检测轮廓边缘后得到多个边缘点，用一个集合S表示；
S2：在极坐标下对集合S以距离ρ和角度θ进行划分，并以同心圆方式建立轮廓点的分布，以此建立直方图H＝(ρ，θ，n)，其中ρ为同心圆半径，θ为同心圆区域的扇形边与水平方向的夹角，n为同心圆扇形区域的个数；
S3：通过直方图H计算待匹配轮廓与标准轮廓的代价函数hi(k),hj(k)分别是两个轮廓任意点处的直方图；
S4：采用匈牙利算法对各代价函数C求最优值，并对两组轮廓点进行匹配后，使得各代价函数C达到最小；
S5：建立一个拒绝函数，当代价函数C大于阈值C0时，认为是错匹配，将数据丢弃；
S6：定义刚性变换的权重函数和误差函数L＝W||(Rpi+t)-qi||2,其中p,q分别为两个轮廓上的某一点，通过权重函数W计算轮廓的质心P；
S7：通过P中心化轮廓点得到极坐标点(Xi,Yi)，计算系数矩阵k＝XiWYiT，并将k进行奇异值分解得到旋转矩阵r＝YiTWXi和平移矩阵T＝Q-rP，其中Q为另一个轮廓质心；
S8：将r和t代入误差函数L计算是否为最小值，若是则停止，否则重复S6；
S9：通过r和t将轮廓刚性变换与标准轮廓重合，计算该轮廓与标准轮廓的汉明距离，即两个轮廓的差值，得到最终的相似度。
2.根据权利要求1所述的一种基于形状上下文特征的不规则PCB板轮廓匹配的方法，其特征在于，所述步骤S1中的集合S＝{s1,s2,…,sK}。
3.根据权利要求1所述的一种基于形状上下文特征的不规则PCB板轮廓匹配的方法，其特征在于，所述步骤S2中对集合S以距离ρ和角度θ进行R等分和T等分，直方图H以同心圆的方式建立扇形网络模型，并统计轮廓点的空间分布显示。
4.根据权利要求3所述的一种基于形状上下文特征的不规则PCB板轮廓匹配的方法，其特征在于，所述步骤S2中，将集合S描述成K个三元组(ρi,θi,ni)构成的直方图H,其中ρi为第i个同心圆半径，θi为第i个扇形区域的边与轮廓点形成的角度，ni为第i个扇形区域轮廓点的数量。
5.根据权利要求1所述的一种基于形状上下文特征的不规则PCB板轮廓匹配的方法，其特征在于，所述步骤S5中，拒绝函数是利用亚像素点的曲率特征来建立。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111325199.1A CN113989312B (zh) | 2021-11-10 | 2021-11-10 | 一种基于形状上下文特征的不规则pcb板轮廓匹配的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111325199.1A CN113989312B (zh) | 2021-11-10 | 2021-11-10 | 一种基于形状上下文特征的不规则pcb板轮廓匹配的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113989312A CN113989312A (zh) | 2022-01-28 |
| CN113989312B true CN113989312B (zh) | 2024-04-09 |
Family
ID=79747604
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111325199.1A Active CN113989312B (zh) | 2021-11-10 | 2021-11-10 | 一种基于形状上下文特征的不规则pcb板轮廓匹配的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113989312B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017067321A1 (zh) * | 2015-10-19 | 2017-04-27 | 广州视源电子科技股份有限公司 | 一种基于外轮廓的pcb板卡匹配方法及装置 |
| CN107798326A (zh) * | 2017-10-20 | 2018-03-13 | 华南理工大学 | 一种轮廓视觉检测算法 |
| CN109829911A (zh) * | 2019-02-01 | 2019-05-31 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于轮廓超差算法的pcb板表面检测方法 |
-
2021
- 2021-11-10 CN CN202111325199.1A patent/CN113989312B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017067321A1 (zh) * | 2015-10-19 | 2017-04-27 | 广州视源电子科技股份有限公司 | 一种基于外轮廓的pcb板卡匹配方法及装置 |
| CN107798326A (zh) * | 2017-10-20 | 2018-03-13 | 华南理工大学 | 一种轮廓视觉检测算法 |
| CN109829911A (zh) * | 2019-02-01 | 2019-05-31 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于轮廓超差算法的pcb板表面检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于形状上下文特征和ICP的高精度轮廓视觉检测算法;刘屿;孙坤;谢宏威;;;华南理工大学学报(自然科学版);20180131(第01期);第131-138，144 页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113989312A (zh) | 2022-01-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106340044B (zh) | 摄像机外参自动标定方法及标定装置 | |
| CN111775152A (zh) | 基于三维测量引导机械臂抓取散乱堆叠工件的方法及系统 | |
| CN113610917B (zh) | 一种基于消隐点的圆阵靶标中心像点定位方法 | |
| CN111223133A (zh) | 一种异源图像的配准方法 | |
| CN111488874A (zh) | 一种指针式仪表倾斜校正方法及系统 | |
| CN113205486A (zh) | 基于三维点云的表面缺陷检测方法、装置及存储介质 | |
| CN102661708B (zh) | 一种基于surf的高密度封装元器件定位方法 | |
| CN102034101A (zh) | 一种pcb视觉检测中快速圆形标志定位方法 | |
| CN112884746B (zh) | 一种基于边缘形状匹配的字符缺陷智能检测算法 | |
| CN109583504A (zh) | 一种基于视觉的pcb板圆形定位孔快速准确识别方法 | |
| JPH08136220A (ja) | 物品の位置検出方法およびその装置 | |
| CN110211178B (zh) | 一种利用投影计算的指针式仪表识别方法 | |
| Bai et al. | Corner point-based coarse–fine method for surface-mount component positioning | |
| CN111681279A (zh) | 基于改进李群非线性优化的行车吊臂空间位姿测量方法 | |
| CN111008964A (zh) | 一种部件表面缺陷检测方法 | |
| CN110146017A (zh) | 工业机器人重复定位精度测量方法 | |
| CN110260818A (zh) | 一种基于双目视觉的电子连接器鲁棒检测方法 | |
| CN111968224A (zh) | 船舶3d扫描点云数据处理方法 | |
| CN116309817A (zh) | 一种基于rgb-d相机的托盘检测与定位方法 | |
| CN115457130A (zh) | 一种基于深度关键点回归的电动汽车充电口检测定位方法 | |
| CN111738971B (zh) | 一种基于线激光双目立体视觉的电路板立体扫描检测方法 | |
| CN113989312B (zh) | 一种基于形状上下文特征的不规则pcb板轮廓匹配的方法 | |
| Liu et al. | A novel subpixel industrial chip detection method based on the dual-edge model for surface mount equipment | |
| CN118229670A (zh) | 一种智能的轮毂模型尺寸快速测量方法 | |
| CN114022441A (zh) | 一种不规则五金件的缺陷检测方法 |
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 |