CN115511966A - 基于角点检测的元件识别定位方法及系统、存储介质 - Google Patents
基于角点检测的元件识别定位方法及系统、存储介质 Download PDFInfo
- Publication number
- CN115511966A CN115511966A CN202211221866.6A CN202211221866A CN115511966A CN 115511966 A CN115511966 A CN 115511966A CN 202211221866 A CN202211221866 A CN 202211221866A CN 115511966 A CN115511966 A CN 115511966A
- Authority
- CN
- China
- Prior art keywords
- points
- point
- angular
- candidate
- straight line
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 238000012216 screening Methods 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000002146 bilateral effect Effects 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000003647 oxidation Effects 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000000280 densification Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
-
- 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
- G06T7/64—Analysis of geometric attributes of convexity or concavity
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
-
- 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]
-
- 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
- G06T2207/30164—Workpiece; Machine component
-
- 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)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种本发明提出了一种基于角点检测的元件识别定位方法及系统、存储介质，所述方法包括以下步骤：提取元件图像的轮廓曲线，计算轮廓曲线在预设尺度下的曲率值，根据曲率值的局部极大值点作为候选角点；利用反余弦三角函数计算候选角点与与其相邻两个候选角点构成的角度，根据角度大小筛选候选角点，去除伪角点获得真实角点；连接真实角点得到基准直线，筛选基准直线附件的元件图像边缘点获得目标边缘点集，拟合目标边缘点集得到拟合直线，拟合直线的交点即为所述角点，根据所述角点确定元件中心，完成元件识别定位。本发明基于角点检测的元件识别定位方案具有计算量小、抗干扰能力强和定位精度高优点。
Description
技术领域
本发明涉及表面贴装元件识别定位技术领域，特别涉及一种基于角点检测的元件识别定位方法及系统、存储介质。
背景技术
贴片机的生产过程可大体描述为：贴装头移动至元件吸取位置，吸嘴吸取元件，利用元件识别检测定位元件，然后贴装头再移动到贴装位置，如此往复。贴片机在进行元件贴装时，由于元件在送料过程、真空压吸取动作等不可避免地产生机械偏差，贴装元件位置与理论位置偏差大，因此，需利用机器视觉检测、定位元件，获取目标元件的位置，将元件准确地贴装到PCB相应位置上。
虽然基于机器视觉的元件检测技术具有非接触、无损伤元件、精确、易于实现等优点，但该方法的精度受元件表面的噪声影响大，如元件不可避免的出现引脚氧化或元件表面在使用过程中表面受污染产生墨点或附着物以及元件材料本身引起的引脚表面灰度不均匀等，导致利用机器视觉的特征提取过程中，易产生系统误差进而影响测量准确性。
元件视觉特征的提取是机器视觉元件检测识别中的关键技术，而角点是二维图像中边界曲线具有曲率极大值的点，或是图像灰度变化剧烈的点，角点保留了元件图像重要特征的同时，降低了信息的数据量，提高了计算处理速度，因此，可通过角点检测提取元件图像特征点。目前角点检测方法主要有如下两种：一种是基于图像灰度变化的角点检测方法，如Harris和Susan算法；另一种是基于图像边缘特征的角点检测，通过边缘轮廓上的曲率值提交角点，如曲率尺度空间（curvature scale space, CSS）算法。CSS算法具有计算简便、易于实现的特点，得到广泛的研究应用，但CSS角点检测算法依然存在如下不足：首先，由于轮廓曲线由离散数据表示且存在噪声，故在小尺度下曲率存在很多极值点，导致在实际应用中，该方法在检测真实角点的同时，造成受污染引脚的伪角点一并检测出来，从而使测量结果产生误差；在大尺度下虽然可降低轮廓曲线噪声，但真实的角点位置可能会发生较大偏移，甚至漏掉真实角点，造成实际应用中，元件识别中心精度不准确的情况。其次，CSS角点检测提取过程是在多尺度空间下进行，提取出特征后再进行尺度选择，具有计算复杂度大的不足。再次，随着元件的微型化以及引脚间距的密集化，元件贴装对贴片机机器视觉系统的定位精度具有高的要求，而CSS角点检测算法的定位精度为像素级，难以满足高精度贴装的精度要求，需要与亚像素技术结合，才能实现元件贴装的精确定位。
综上，在有元件引脚的污染的前提下，如何准确且快速识别元件轮廓上的正确角点，成为影响测量精度和稳定性的重要问题。
发明内容
本发明的目的是为了克服现有技术存在的问题，本发明提出了一种基于角点检测的元件识别定位方法及系统、存储介质。
为了实现上述目的，本发明第一方面提供了一种基于角点检测的元件识别定位方法，包括以下步骤：
提取元件图像的轮廓曲线，计算轮廓曲线在预设尺度下的曲率值，根据曲率值的局部极大值点作为候选角点；
利用反余弦三角函数计算候选角点与与其相邻两个候选角点构成的角度，根据角度大小筛选候选角点，去除伪角点获得真实角点；
连接真实角点得到基准直线，筛选基准直线附件的元件图像边缘点获得目标边缘点集，拟合目标边缘点集得到拟合直线，拟合直线的交点即为所述角点，根据所述角点确定元件中心，完成元件识别定位。
本发明第二方面提供了一种基于角点检测的元件识别定位系统，包括：
候选角点模块，用于提取元件图像的轮廓曲线，计算轮廓曲线在预设尺度下的曲率值，根据曲率值的局部极大值点作为候选角点；
真实角点模块，用于利用反余弦三角函数计算候选角点与与其相邻两个候选角点构成的角度，根据角度大小筛选候选角点，去除伪角点获得真实角点；
定位识别模块，用于连接真实角点得到基准直线，筛选基准直线附件的元件图像边缘点获得目标边缘点集，拟合目标边缘点集得到拟合直线，拟合直线的交点即为所述角点，根据所述角点确定元件中心，完成元件识别定位。
本发明第三方面提供了一种计算机可读存储介质，包括程序，所述程序能够被处理器执行以实现上述基于角点检测的元件识别定位方法的步骤。
与现有技术相比，本发明存在以下技术效果：
针对受污染元件引脚产生的伪角点对真实角点干扰问题，通过采用上述的技术方案，对元件轮廓图像进行角点特征点提取，无需计算在不同尺度下的曲率角，具有计算量小的特点，计算时间上有明显提高。在此基础上，采用相连相邻候选角点的角度判断方法，能有效去除伪角点。为提高测量精度，采用了角点检测与最小二乘直线拟合直线相结合的方法，通过两条直线的交点，获得角点的亚像素定位，实现了角点更接近于真实角点。因此，本发明提出的基于角点检测的元件识别定位方法具有计算量小、抗干扰能力强和定位精度高优点。
附图说明
下面结合附图，对本发明的具体实施方式进行详细描述：
图1为本申请公开的一些实施例的元件识别图像处理流程示意图；
图2(a)为本申请公开的元件图像受吸嘴干扰的示意图的原始图像；
图2(b)为本申请公开的元件图像受吸嘴干扰的示意图的二值化图像；
图3为本申请公开的一些实施例的计算相邻候选角点的角度示意图；
图4为本申请公开的一些实施例的去除伪角点示意图；
图5为本申请公开的一些实施例的亚像素定位示意图。
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。
针对贴片机中贴装元件不可避免的出现引脚氧化或元件表面在使用过程中表面受污染产生墨点或附着物对为机器视觉中检测元件中心的干扰问题，为准确且快速地对获取元件的中心定位，本发明第一方面提出了一种基于角点检测的元件识别定位方法，该方法首先对原始图像进行预处理，再采用Canny算子进行边缘检测，得到图像的二值边缘图；其次根据元件特征尺寸位置的突变型，利用角点来描述的特点对轮廓图像进行特征点提取，再次利用计算相邻候选角度方法进行候选角点筛选，去除伪角点，考虑到初定位获得的真实角点是像素级别，利用最小二乘直线拟合，最后根据两条直线的交点，可获得角点的亚像素定位，进而获得图像中的关键元件尺寸。具体包括以下步骤，如图1所示：
S1、对原始元件图像感兴趣区域进行预处理；
示例性地，如图2(a)和(b)所示，图示为元件图像受吸嘴干扰的示意图，(a)为原始图像，(b)为二值化图像。贴片机吸嘴在吸取元件时可能会产生吸取偏移的情况，造成吸嘴对元件图像污染，即使对原始元件图像进行二值化，吸嘴影响也无法消除，本实施例以该元件图像为对象，针对元件识别中元件表面存在的干扰问题，描述本实施例，以实现高精度且快速地元件定位。
进一步地， 步骤S1中，具体步骤包括：
S11、首先对获取的原始元件的灰度图像，采用双边滤波方法进行保边去噪处理；
S12、然后利用一个标准差为1.5*5模板的高斯滤波器进行图像去噪，以增加图像的对比度；
S13、对灰度图像进行二值化处理。
利用上述预处理方法，可将原始图像优化为噪声点少、对比度强的清晰图像，避免了伪边缘的干扰，增强了图像的对比度，有利于后续的角点提取。
S2、提取元件图像的轮廓曲线，计算轮廓曲线在预设尺度下的曲率值，根据曲率值的局部极大值点作为候选角点；
为获取更深层次的特征信息的元件边缘轮廓，采用Canny算子对预处理后的图像进行提取，将边缘轮廓信息从背景中分割出来，得到二值边缘图，进而获取所需元件图像的轮廓曲线。
本发明实施例中，根据元件特征尺寸位置的突变性和角点处曲率角的多尺度不变性，对元件轮廓图像进行角点特征点提取的具体实现方法是：通过提取图像的边缘轮廓，从边缘中提取封闭或非封闭的轮廓曲线，通过搜索轮廓线上的曲率值，找出局部极值点来提取角点。
轮廓线上的曲率值计算方法为：在尺度σ下，利用关系式计算轮廓曲率：
式中：
g(u,σ)是尺度为σ的高斯函数：
其中，
为卷积算子，u为参变量，为预设尺度，g(u,σ)是尺度为σ的高斯函数，g u
(u,σ)、g uu (u,σ)分别是高斯函数关于u的一阶、二阶导数，x(u)和y(u)为曲线上的点坐标，x
(u,σ)和y(u,σ)为滤波后曲线上的点坐标。在预设尺度σ下，利用关系式计算轮廓曲率，并以
局部极大值点作为候选角点获取候选角点集。本方法仅计算单个在特定小尺度下对检测出
的角点进行定位，故能获得多个候选角点并根据后续方法删除冗余角点，进而无需计算多
个在不同尺度下的曲率角，计算量大大减少，计算效率明显提高。优选地，σ的取值为0.33。
S3、利用反余弦三角函数计算候选角点与与其相邻两个候选角点构成的角度，根据角度大小筛选候选角点，去除冗余的伪角点获得真实角点；
利用相邻候选角度方法筛选候选角点，去除伪角点，实现角点粗定位的具体实现方法是：依次计算相邻候选角点的角度，利用元件真实角点的相邻候选角点不变性进行伪角点的筛选；判断相邻候选角点是否满足角度阈值，若满足，则视为真实角点，否则视为伪角点并删除。
进一步地，步骤S3中具体步骤包括：
S31、采用反余弦三角函数计算候选角点与两个相邻候选角点形成的角度。
示例性地，如图3所示，假设轮廓曲线上相连候选角点记为P i-1(x i-1, y i-1)、P i (x i ,y i )和P i+1(x i+1, y i+1)三个点，根据下列关系式计算角度：
其中θ为候选角点i与其相邻两个候选角点i+1和i-1构成的角度，a为候选角点i-1与候选角点i之间的欧式距离a=|P i-1P i |，b为候选角点i与候选角点i+1之间的欧式距离b=|P i P i+1|，c为候选角点i-1与候选角点i之间的欧式距离c=|P i-1P i+1|。
S32、判断相邻候选角点是否满足角度阈值，若满足，则视为真实角点，否则视为伪角点并删除，角度阈值为85°-95°，优选为90°。
示例性地，如图4所示，轮廓曲线上标记的6个点都是候选角点，由于采用曲率尺度空间的角点检测受阈值的影响，往往会检测出伪角点，因此，需对候选角点进行预筛选，分别记为候选角点P i (i = 1, 2,..., 6)。根据式计算相连候选角度时，则元件真实角点（如角点P1、P2、P5和P6）计算得到的相连候选角点的角度几乎为固定值，其角度值约为90°，而对于候选角点P3和P4，其相连候选角点的角度值与角度阈值90°偏差大，将会视为伪角点被删除，所以该步骤有效去除了伪角点，最终得到元件真实角点P1、P2、P5和P6，如图5所示。因此，通过计算相邻候选角度方法进行候选角点筛选，去除伪角点，得到元件的真实角点。
S4、连接真实角点得到基准直线，筛选基准直线附件的元件图像边缘点获得目标边缘点集，拟合目标边缘点集得到拟合直线，拟合直线的交点即为所述角点，根据所述角点确定元件中心，完成元件识别定位。
本发明实施例中，利用最小二乘直线拟合，根据拟合两条直线的交点获得角点的亚像素定位，实现了元件中心的精准定位的具体实现方法是：首先将上述初定位的真实角点相连得到直线，以该直线为基准；其次根据Canny算子对元件图像边缘提取，根据边缘点与基准直线的距离为判断条件对边缘点进行筛选，进而获得基准直线的点集；再次利用最小二乘直线拟合获得准确的直线方程；最后，根据两条直线交点得到亚像素精度的角点，实现了元件中心的精准定位。
进一步地，步骤S4中，具体步骤包括：
S41、根据候选角点筛选获得的真实角点集，连接相连真实角点得到直线，记为L 1，并以L 1为基准直线；
S42、根据A4中Canny算子获得的轮廓边缘点集，分别计算边缘点集到L 1基准直线的距离，记为d i ，式中i为边缘点编号；
S43、判断d i 与阈值t之间的关系，若d i ≥t则删除轮廓点i，若d i <t则保留轮廓点i至点集D；
S44、对点集D用最小二乘直线拟合获得精确的直线方程L 1；
S45、重复步骤S41~S44得到多个直线方程L n ，再计算两条直线L k 和L k+1（k = 1, 2,..., n）的交点，该交点位置即为真实角点的亚像素位置，记为C i (xc i , yc i ) (i = 1, 2,3, 4)；
S46、根据C i (xc i , yc i )计算元件中心。
如图5所示，为通过最小二乘直线拟合方法实现元件中心的亚像素定位。由于采用曲率检测角点方法获得角点仅为像素级精度，而对于贴片机中元件贴装精度是高精密要求，故精度需要达到亚像素级别，本实施例中删除轮廓点阈值t值取t=2。C1、C2、C3、C4、分别为获取的真实角点，直线L 1、L 2、L 3和L 4为基于该4个真实角点根据边缘点拟合获得的，可以看出与元件边缘重合度高，最后，根据两条直线交点得到亚像素精度的角点，实现了元件中心的精准定位。
基于上述元件识别定位方法，本发明第二方面提出一种基于角点检测的元件识别定位系统，包括：
候选角点模块，用于提取元件图像的轮廓曲线，计算轮廓曲线在预设尺度下的曲率值，根据曲率值的局部极大值点作为候选角点；
真实角点模块，用于利用反余弦三角函数计算候选角点与与其相邻两个候选角点构成的角度，根据角度大小筛选候选角点，去除伪角点获得真实角点；
定位识别模块，用于连接真实角点得到基准直线，筛选基准直线附件的元件图像边缘点获得目标边缘点集，拟合目标边缘点集得到拟合直线，拟合直线的交点即为所述角点，根据所述角点确定元件中心，完成元件识别定位。
基于上述元件识别定位方法，本发明第三方面提出一种计算机可读存储介质，包括程序，所述程序能够被处理器执行以实现上述元件识别定位方法的步骤。
综上所述，针对受污染元件引脚产生的伪角点对真实角点干扰问题，本发明技术方案对元件轮廓图像进行角点特征点提取，无需计算在不同尺度下的曲率角，具有计算量小的特点，计算时间上有明显提高。在此基础上，采用相连相邻候选角点的角度判断方法，能有效去除伪角点。为提高测量精度，采用了角点检测与最小二乘直线拟合直线相结合的方法，通过两条直线的交点，获得角点的亚像素定位，实现了角点更接近于真实角点。因此，本发明提出的基于角点检测的元件识别定位方法具有计算量小、抗干扰能力强和定位精度高优点。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定，均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于角点检测的元件识别定位方法，其特征在于，包括以下步骤：
提取元件图像的轮廓曲线，计算轮廓曲线在预设尺度下的曲率值，根据曲率值的局部极大值点作为候选角点；
利用反余弦三角函数计算候选角点与与其相邻两个候选角点构成的角度，根据角度大小筛选候选角点，去除伪角点获得真实角点；
连接真实角点得到基准直线，筛选基准直线附件的元件图像边缘点获得目标边缘点集，拟合目标边缘点集得到拟合直线，拟合直线的交点即为所述角点，根据所述角点确定元件中心，完成元件识别定位。
2.根据权利要求1所述的元件识别定位方法，其特征在于，所述曲率值的计算公式如下：
3.根据权利要求1所述的元件识别定位方法，其特征在于，所述利用反余弦三角函数计
算候选角点与与其相邻两个候选角点构成的角度θ，计算公式为：
，其
中，θ为候选角点i与其相邻两个候选角点i+1和i-1构成的角度，a为候选角点i-1与候选角
点i之间的欧式距离，b为候选角点i与候选角点i+1之间的欧式距离，c为候选角点i-1与候
选角点i之间的欧式距离。
4.根据权利要求1所述的元件识别定位方法，其特征在于，所述根据角度大小筛选候选角点，去除伪角点获得真实角点，具体为：
判断所述角度大小是否满足角度阈值，若满足，则视为真实角点，否则视为伪角点并删除。
5.根据权利要求4所述的元件识别定位方法，其特征在于，所述角度阈值为85°-95°。
6.根据权利要求1-5中任意一项所述的元件识别定位方法，其特征在于，所述连接真实角点得到基准直线，筛选基准直线附件的元件图像边缘点获得目标边缘点集，拟合目标边缘点集得到拟合直线，拟合直线的交点即为所述角点，根据所述角点确定元件中心，包括以下步骤：
连接相邻真实角点得到基准直线；
由Canny算子对所述元件图像边缘提取获得轮廓边缘点集，以轮廓边缘点与基准直线的距离为判断条件，对轮廓边缘点进行筛选，获得基准直线的附近的目标边缘点集；
对目标边缘点集利用最小二乘直线拟合获得拟合直线；
根据拟合直线的交点得到亚像素精度的所述角点，根据所述角点确定元件中心。
7.根据权利要求6所述的元件识别定位方法，其特征在于，所述方法还包括对原始元件图像感兴趣区域进行预处理，依次包括采用双边滤波方法进行保边去噪、利用高斯滤波器进行图像去噪和二值化处理。
8.一种基于角点检测的元件识别定位系统，其特征在于，包括：
候选角点模块，用于提取元件图像的轮廓曲线，计算轮廓曲线在预设尺度下的曲率值，根据曲率值的局部极大值点作为候选角点；
真实角点模块，用于利用反余弦三角函数计算候选角点与与其相邻两个候选角点构成的角度，根据角度大小筛选候选角点，去除伪角点获得真实角点；
定位识别模块，用于连接真实角点得到基准直线，筛选基准直线附件的元件图像边缘点获得目标边缘点集，拟合目标边缘点集得到拟合直线，拟合直线的交点即为所述角点，根据所述角点确定元件中心，完成元件识别定位。
9.一种计算机可读存储介质，其特征在于，包括程序，所述程序能够被处理器执行以实现如权利要求1-7任一所述元件识别定位方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211221866.6A CN115511966B (zh) | 2022-10-08 | 2022-10-08 | 基于角点检测的元件识别定位方法及系统、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211221866.6A CN115511966B (zh) | 2022-10-08 | 2022-10-08 | 基于角点检测的元件识别定位方法及系统、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115511966A true CN115511966A (zh) | 2022-12-23 |
| CN115511966B CN115511966B (zh) | 2023-07-04 |
Family
ID=84508308
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211221866.6A Active CN115511966B (zh) | 2022-10-08 | 2022-10-08 | 基于角点检测的元件识别定位方法及系统、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115511966B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115775278A (zh) * | 2023-02-13 | 2023-03-10 | 合肥安迅精密技术有限公司 | 包含局部特征约束的元件识别定位方法及系统、存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8180605B1 (en) * | 2005-11-23 | 2012-05-15 | Livermore Software Technology Corporation | Methods and systems for creating a smooth contact-impact interface in finite element analysis |
| CN107341802A (zh) * | 2017-07-19 | 2017-11-10 | 无锡信捷电气股份有限公司 | 一种基于曲率与灰度复合的角点亚像素定位方法 |
| CN108827316A (zh) * | 2018-08-20 | 2018-11-16 | 南京理工大学 | 基于改进的Apriltag标签的移动机器人视觉定位方法 |
-
2022
- 2022-10-08 CN CN202211221866.6A patent/CN115511966B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8180605B1 (en) * | 2005-11-23 | 2012-05-15 | Livermore Software Technology Corporation | Methods and systems for creating a smooth contact-impact interface in finite element analysis |
| CN107341802A (zh) * | 2017-07-19 | 2017-11-10 | 无锡信捷电气股份有限公司 | 一种基于曲率与灰度复合的角点亚像素定位方法 |
| CN108827316A (zh) * | 2018-08-20 | 2018-11-16 | 南京理工大学 | 基于改进的Apriltag标签的移动机器人视觉定位方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115775278A (zh) * | 2023-02-13 | 2023-03-10 | 合肥安迅精密技术有限公司 | 包含局部特征约束的元件识别定位方法及系统、存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115511966B (zh) | 2023-07-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109003258B (zh) | 一种高精度亚像素圆形零件测量方法 | |
| CN108921176B (zh) | 一种基于机器视觉的指针式仪表定位与识别方法 | |
| CN106960208B (zh) | 一种仪表液晶数字自动切分和识别的方法及系统 | |
| CN114494045B (zh) | 一种基于机器视觉的大型直齿轮几何参数测量系统及方法 | |
| CN105260693A (zh) | 一种激光二维码定位方法 | |
| CN110569857B (zh) | 一种基于质心距离计算的图像轮廓角点检测方法 | |
| CN115096206B (zh) | 一种基于机器视觉的零件尺寸高精度测量方法 | |
| CN109509200A (zh) | 基于轮廓提取的棋盘格角点检测方法、装置以及计算机可读存储介质 | |
| CN105447489B (zh) | 一种图片ocr识别系统的字符与背景粘连噪声消除方法 | |
| CN112164050B (zh) | 用于流水线上产品表面缺陷的检测方法、设备及存储介质 | |
| CN115661110B (zh) | 一种透明工件识别与定位的方法 | |
| CN111652844B (zh) | 一种基于数字图像区域增长的x射线缺陷检测方法及系统 | |
| CN115511966B (zh) | 基于角点检测的元件识别定位方法及系统、存储介质 | |
| CN110288619B (zh) | 基于视觉的太阳花模组表面螺钉孔位置检测方法 | |
| CN116664570A (zh) | 基于工业视觉的扁形连接器生产缺陷检测方法 | |
| CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
| CN114998571A (zh) | 基于固定尺寸标志物的图像处理及颜色检测方法 | |
| CN116740062B (zh) | 基于不规则胶圈的缺陷检测方法及系统 | |
| CN113763279A (zh) | 一种具有矩形框图像的精确校正处理方法 | |
| CN111340040B (zh) | 一种纸张字符识别方法、装置、电子设备及存储介质 | |
| CN112734779A (zh) | 一种圆点标定板边缘亚像素检测方法 | |
| JP5160366B2 (ja) | 電子部品のパターンマッチング方法 | |
| CN116188408A (zh) | 一种基于Canny的鞋面边缘检测识别方法 | |
| CN110956200A (zh) | 一种轮胎花纹相似度检测方法 | |
| CN112884694A (zh) | 一种平面显示面板的缺陷检测方法、装置、设备及介质 |
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 |