CN117419749A - Uvw对位平台的视觉对位校准方法及相关装置 - Google Patents

Abstract

本发明涉及图像处理领域，公开了一种UVW对位平台的视觉对位校准方法及相关装置，用于提高UVW对位平台的视觉对位校准准确率。方法包括：根据初始设备对位校准参数组合对UVW对位平台进行初始化配置，并采集目标丝印工件的第一图像数据以及第二图像数据；进行特征点提取，得到第一标定特征点集合和第二标定特征点集合；进行偏移量分析，得到目标平移偏移量以及目标角度偏移量；构建丝印工件对位模型，并根据丝印工件对位模型对目标丝印工件进行视觉对位校准，以及对目标丝印工件进行对位精度分析，得到对位精度分析结果；根据对位精度分析结果对目标丝印工件进行设备对位校准参数优化，得到目标设备对位校准参数组合。

Description

UVW对位平台的视觉对位校准方法及相关装置

技术领域

本发明涉及图像处理领域，尤其涉及一种UVW对位平台的视觉对位校准方法及相关装置。

背景技术

在制造业中，UVW对位平台是一种用于精确定位和校准目标工件的重要设备。然而，由于制造过程中各种因素的影响，如设备的机械变形、装配误差等，UVW对位平台在长时间运行后存在位置漂移或失准的问题。因此，为了确保制造过程的准确性和稳定性，需要对UVW对位平台进行定期的视觉对位校准。

现有对位校准方案，通常是由人工干预的方式，但这在大规模生产和高精度要求下不够高效，而且对位校准的准确率不高。

发明内容

本发明提供了一种UVW对位平台的视觉对位校准方法及相关装置，用于提高UVW对位平台的视觉对位校准准确率。

本发明第一方面提供了一种UVW对位平台的视觉对位校准方法，所述UVW对位平台的视觉对位校准方法包括：

根据预置的初始设备对位校准参数组合对UVW对位平台进行初始化配置，并通过预置的双目视觉设备采集目标丝印工件的第一图像数据以及第二图像数据；

对所述第一图像数据进行特征点提取，得到第一标定特征点集合，并对所述第二图像数据进行特征点提取，得到第二标定特征点集合；

对所述第一标定特征点集合以及所述第二标定特征点集合进行偏移量分析，得到目标平移偏移量以及目标角度偏移量；

根据所述目标平移偏移量以及所述目标角度偏移量构建丝印工件对位模型，并根据所述丝印工件对位模型对所述目标丝印工件进行视觉对位校准，以及对所述目标丝印工件进行对位精度分析，得到对位精度分析结果；

根据所述对位精度分析结果对所述目标丝印工件进行设备对位校准参数优化，得到目标设备对位校准参数组合。

结合第一方面，在本发明第一方面的第一种实现方式中，所述根据预置的初始设备对位校准参数组合对UVW对位平台进行初始化配置，并通过预置的双目视觉设备采集目标丝印工件的第一图像数据以及第二图像数据，包括：

获取预置的初始设备对位校准参数组合，并根据所述初始设备对位校准参数组合对UVW对位平台进行初始化配置；

对预置的双目视觉设备进行系统相机参数标定，并通过参数标定后的双目视觉设备采集目标丝印工件的原始图像数据；

对所述原始图像数据进行灰度化处理，得到灰度图像数据，并对所述灰度图像数据进行图像分类，得到第一图像数据以及第二图像数据。

结合第一方面，在本发明第一方面的第二种实现方式中，所述对所述第一图像数据进行特征点提取，得到第一标定特征点集合，并对所述第二图像数据进行特征点提取，得到第二标定特征点集合，包括：

通过预置的边缘检测算法对所述第一图像数据进行靶标特征检测，得到第一靶标边缘特征集合，以及通过所述边缘检测算法对所述第二图像数据进行靶标特征检测，得到第二靶标边缘特征集合；

根据所述第一靶标边缘特征集合，对所述第一图像数据进行靶标识别，得到第一目标靶标和第二目标靶标，以及根据所述第二靶标边缘特征集合，对所述第二图像数据进行靶标识别，得到第三目标靶标和第四目标靶标；

分别对所述第一目标靶标、所述第二目标靶标、所述第三目标靶标和所述第四目标靶标进行靶标轮廓中心坐标提取，得到对应的第一靶标轮廓中心坐标A（Xm1，Ym1）、第二靶标轮廓中心坐标B（Xf1，Yf1）、第三靶标轮廓中心坐标C（Xm2，Ym2）以及第四靶标轮廓中心坐标D（Xf2，Yf2）；

根据所述第一靶标轮廓中心坐标A（Xm1，Ym1）和所述第三靶标轮廓中心坐标C（Xm2，Ym2）构建第一标定线段AC，并根据所述第二靶标轮廓中心坐标B（Xf1，Yf1）和所述第四靶标轮廓中心坐标D（Xf2，Yf2）构建第二标定线段BD；

获取所述第一标定线段AC的第一标定中点G1（（Xm1+Xm2）/2，（Ym1+Ym2）/2），以及获取所述第二标定线段BD的第二标定中点G2（（Xf1+Xf2）/2，（Yf1+Yf2）/2）；

根据所述第一靶标轮廓中心坐标、所述第二靶标轮廓中心坐标以及所述第一标定中点生成第一靶标边缘特征集合，以及根据所述第三靶标轮廓中心坐标、所述第四靶标轮廓中心坐标以及所述第二标定中点生成第二靶标边缘特征集合。

结合第一方面，在本发明第一方面的第三种实现方式中，所述对所述第一标定特征点集合以及所述第二标定特征点集合进行偏移量分析，得到目标平移偏移量以及目标角度偏移量，包括：

对所述第一标定特征点集合以及所述第二标定特征点集合进行透射变换，得到坐标透射变换关系；

根据所述坐标透射变换关系，对所述第一标定特征点集合以及所述第二标定特征点集合进行横向平移偏移量计算，得到横向平移偏移量，并对所述第一标定特征点集合以及所述第二标定特征点集合进行纵向平移偏移量计算，得到纵向平移偏移量；

根据所述横向平移偏移量以及所述纵向平移偏移量生成对应的目标平移偏移量；

对所述第一靶标轮廓中心坐标A（Xm1，Ym1）、所述第二靶标轮廓中心坐标B（Xf1，Yf1）、所述第三靶标轮廓中心坐标C（Xm2，Ym2）以及所述第四靶标轮廓中心坐标D（Xf2，Yf2）进行角度偏移量计算，得到目标角度偏移量。

结合第一方面，在本发明第一方面的第四种实现方式中，所述根据所述目标平移偏移量以及所述目标角度偏移量构建丝印工件对位模型，并根据所述丝印工件对位模型对所述目标丝印工件进行视觉对位校准，以及对所述目标丝印工件进行对位精度分析，得到对位精度分析结果，包括：

根据所述目标平移偏移量以及所述目标角度偏移量构建丝印工件对位模型；

根据所述丝印工件对位模型，对所述目标丝印工件的第一标定中点G1（（Xm1+Xm2）/2，（Ym1+Ym2）/2）以及所述第二标定中点G2（（Xf1+Xf2）/2，（Yf1+Yf2）/2）进行居中对位；

对所述第一标定中点G1（（Xm1+Xm2）/2，（Ym1+Ym2）/2）以及所述第二标定中点G2（（Xf1+Xf2）/2，（Yf1+Yf2）/2）进行居中精度计算，得到目标居中精度；

分别对所述第一目标靶标、所述第二目标靶标、所述第三目标靶标和所述第四目标靶标进行中心误差计算，得到第一靶标中心误差d1、第二靶标中心误差d2、第三靶标中心误差d3以及第四靶标中心误差d4；

根据所述第一靶标中心误差d1、所述第二靶标中心误差d2、所述第三靶标中心误差d3以及所述第四靶标中心误差d4，判断所述目标丝印工件是否符合预设精度标准，得到对位精度判断结果。

结合第一方面，在本发明第一方面的第五种实现方式中，所述根据所述对位精度分析结果对所述目标丝印工件进行设备对位校准参数优化，得到目标设备对位校准参数组合，包括：

根据所述对位精度分析结果，通过预置的遗传算法对所述目标丝印工件进行对位校准参数群体初始化，得到多个第一设备对位校准参数组合；

分别计算每个第一设备对位校准参数组合的第一适应度数据；

根据所述第一适应度数据对所述多个第一设备对位校准参数组合进行群体划分，得到第一设备对位校准参数组合群体、第二设备对位校准参数组合群体以及第三对位参数组合群体；

对所述第一设备对位校准参数组合群体和所述第二设备对位校准参数组合群体进行繁殖、交叉和变异，并对所述第三对位参数组合群体进行交叉和变异，得到多个第二设备对位校准参数组合；

分别计算每个第二设备对位校准参数组合的第二适应度数据，并根据所述第二适应度数据对所述多个第二设备对位校准参数组合进行对位校准参数最优化分析，得到目标设备对位校准参数组合。

结合第一方面，在本发明第一方面的第六种实现方式中，所述根据所述第一适应度数据对所述多个第一设备对位校准参数组合进行群体划分，得到第一设备对位校准参数组合群体、第二设备对位校准参数组合群体以及第三对位参数组合群体，包括：

对所述第一适应度数据与第一适应度阈值和第二适应度阈值进行比较，其中，第一适应度阈值＜第二适应度阈值；

若第一适应度数据＜第一适应度阈值，则将对应的第一设备对位校准参数组合划分至第一设备对位校准参数组合群体，若第一适应度阈值＜第一适应度数据＜第二适应度阈值，则将对应的第一设备对位校准参数组合划分至第二设备对位校准参数组合群体，若第二适应度阈值＜第一适应度数据，则将对应的第一设备对位校准参数组合划分至第三设备对位校准参数组合群体。

本发明第二方面提供了一种UVW对位平台的视觉对位校准装置，所述UVW对位平台的视觉对位校准装置包括：

采集模块，用于根据预置的初始设备对位校准参数组合对UVW对位平台进行初始化配置，并通过预置的双目视觉设备采集目标丝印工件的第一图像数据以及第二图像数据；

提取模块，用于对所述第一图像数据进行特征点提取，得到第一标定特征点集合，并对所述第二图像数据进行特征点提取，得到第二标定特征点集合；

分析模块，用于对所述第一标定特征点集合以及所述第二标定特征点集合进行偏移量分析，得到目标平移偏移量以及目标角度偏移量；

对位校准模块，用于根据所述目标平移偏移量以及所述目标角度偏移量构建丝印工件对位模型，并根据所述丝印工件对位模型对所述目标丝印工件进行视觉对位校准，以及对所述目标丝印工件进行对位精度分析，得到对位精度分析结果；

优化模块，用于根据所述对位精度分析结果对所述目标丝印工件进行设备对位校准参数优化，得到目标设备对位校准参数组合。

本发明第三方面提供了一种UVW对位平台的视觉对位校准设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述UVW对位平台的视觉对位校准设备执行上述的UVW对位平台的视觉对位校准方法。

本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的UVW对位平台的视觉对位校准方法。

本发明提供的技术方案中，根据初始设备对位校准参数组合对UVW对位平台进行初始化配置，并采集目标丝印工件的第一图像数据以及第二图像数据；进行特征点提取，得到第一标定特征点集合和第二标定特征点集合；进行偏移量分析，得到目标平移偏移量以及目标角度偏移量；构建丝印工件对位模型，并根据丝印工件对位模型对目标丝印工件进行视觉对位校准，以及对目标丝印工件进行对位精度分析，得到对位精度分析结果；根据对位精度分析结果对目标丝印工件进行设备对位校准参数优化，得到目标设备对位校准参数组合，本发明通过特征点提取和偏移量分析，能够实现对目标丝印工件的高精度对位校准。通过构建丝印工件对位模型，实现了更准确的视觉对位。采用了预置的双目视觉设备和自动化的特征点提取算法，使得对位校准过程更为自动化，减少了人为干预，提高了校准的效率和可靠性。通过对位精度分析结果进行校准参数优化，采用了预置的遗传算法，对多个设备对位校准参数进行多层次的优化，进一步提升了校准的准确性。采用了边缘检测算法和靶标特征检测，使其对不同类型的丝印工件具有较好的适应性，采用了实时数据采集和自动处理算法，具有较好的实时性和稳定性，适用于生产线上对位校准的实际需求。通过自动化和高精度的对位校准，有助于提高生产线上的工作效率，减少了因对位不准确而导致的生产中断和次品率，进而提高了UVW对位平台的视觉对位校准准确率。

附图说明

图1为本发明实施例中UVW对位平台的视觉对位校准方法的一个实施例示意图；

图2为本发明实施例中图像数据采集的流程图；

图3为本发明实施例中偏移量分析的流程图；

图4为本发明实施例中设备对位校准参数优化的流程图；

图5为本发明实施例中UVW对位平台的视觉对位校准装置的一个实施例示意图；

图6为本发明实施例中UVW对位平台的视觉对位校准设备的一个实施例示意图。

具体实施方式

本发明实施例提供了一种UVW对位平台的视觉对位校准方法及相关装置，用于提高UVW对位平台的视觉对位校准准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中UVW对位平台的视觉对位校准方法的一个实施例包括：

S101、根据预置的初始设备对位校准参数组合对UVW对位平台进行初始化配置，并通过预置的双目视觉设备采集目标丝印工件的第一图像数据以及第二图像数据；

可以理解的是，本发明的执行主体可以为UVW对位平台的视觉对位校准装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。

具体的，获取预置的初始设备对位校准参数组合，然后根据这些参数对UVW对位平台进行初始化配置。这些参数可以包括设备的位置、角度、旋转等信息。初始化配置是为了确保UVW对位平台处于已知的初始状态，以便进行后续的校准。例如，假设UVW对位平台的预置初始设备对位校准参数包括X轴位置为100毫米，Y轴位置为200毫米，以及Z轴角度为30度。根据这些参数，UVW对位平台被配置为位于给定位置和角度。对预置的双目视觉设备进行系统相机参数标定。这是为了确保双目视觉系统能够提供准确的图像数据。相机参数标定通常包括标定相机的内参和外参，以校正镜头畸变等。标定后，双目视觉设备能够提供准确的原始图像数据。例如，在相机参数标定中，校正了镜头畸变，确保了图像的几何精确性，这有助于提高后续图像处理的准确性。通过参数标定后的双目视觉设备采集目标丝印工件的原始图像数据。这些原始图像数据包括了工件的详细信息，但它们通常是彩色图像。例如，如果服务器使用双目相机拍摄目标丝印工件，服务器将获得两个图像，每个图像对应于双目系统中的一个相机。这些图像可以包含有关工件位置和状态的信息。对所获得的原始图像数据进行灰度化处理，以得到灰度图像数据。灰度化处理是为了将彩色图像转换为灰度图像，这有助于简化后续的图像处理过程。例如，通过将彩色图像转换为灰度图像，可以减少数据量，降低计算复杂性，并减少噪声对后续处理的影响。对灰度图像数据进行图像分类，以得到第一图像数据和第二图像数据。图像分类是为了将原始图像数据分成两个独立的图像，分别对应于双目系统中的两个相机。例如，通过图像分类，服务器将左相机和右相机的图像分开，以便分别处理。这为后续的对位校准提供了两个独立的数据源，以确保更高的校准精度。

S102、对第一图像数据进行特征点提取，得到第一标定特征点集合，并对第二图像数据进行特征点提取，得到第二标定特征点集合；

具体的，根据预制的边缘检测算法，从第一图像数据中检测靶标特征，并得到第一靶标边缘特征集合。类似地，从第二图像数据中检测靶标特征，并得到第二靶标边缘特征集合。这些靶标特征集合可以包括元件的轮廓边缘等信息。例如，边缘检测算法可以将元件的轮廓边缘检测出来，然后将这些边缘连接在一起，形成一个特征集合，用于后续的靶标识别。进行靶标识别。利用第一靶标边缘特征集合，对第一图像数据进行靶标识别，以得到第一目标靶标和第二目标靶标。同样，使用第二靶标边缘特征集合，对第二图像数据进行靶标识别，以获得第三目标靶标和第四目标靶标。例如，靶标识别可以依赖于检测到的靶标特征，如轮廓的形状和大小，来确定不同元件中的靶标位置。这些靶标将用于后续校准过程。分别提取靶标轮廓中心坐标。从第一目标靶标和第二目标靶标中提取中心坐标，得到对应的第一靶标轮廓中心坐标A（Xm1，Ym1）和B（Xf1，Yf1）。从第三目标靶标和第四目标靶标中提取中心坐标，得到第三靶标轮廓中心坐标C（Xm2，Ym2）和D（Xf2，Yf2），这些中心坐标可以通过计算靶标轮廓的重心来获得。这些中心坐标将用于后续的标定线段构建。根据中心坐标构建标定线段。具体地，使用第一靶标轮廓中心坐标A（Xm1，Ym1）和第三靶标轮廓中心坐标C（Xm2，Ym2），构建第一标定线段AC。同时，使用第二靶标轮廓中心坐标B（Xf1，Yf1）和第四靶标轮廓中心坐标D（Xf2，Yf2），构建第二标定线段BD。这些标定线段将用于后续的对位校准和校准参数的计算。标定线段的构建基于已检测到的靶标的位置信息，以确保准确性。获取第一标定线段AC的第一标定中点G1（（Xm1+Xm2）/2，（Ym1+Ym2）/2），以及获取第二标定线段BD的第二标定中点G2（（Xf1+Xf2）/2，（Yf1+Yf2）/2）。这些标定中点用于标定参数的计算和对位校准过程。它们代表了靶标之间的相对位置。使用第一靶标轮廓中心坐标A（Xm1，Ym1）和第二靶标轮廓中心坐标B（Xf1，Yf1），可以确定连接这两个中心点的直线，这条直线将代表第一靶标的边缘。边缘的形状和宽度可以根据需要进行定义，通常选择与靶标轮廓的形状相匹配的形状。生成的边缘特征集合将包括这条线段，它以第一靶标和第二靶标的中点为中心，代表了第一靶标的边缘特征。类似地，使用第三靶标轮廓中心坐标C（Xm2，Ym2）和第四靶标轮廓中心坐标D（Xf2，Yf2），可以确定连接这两个中心点的直线，这条直线将代表第二靶标的边缘。同样，边缘的形状和宽度可以根据需要进行定义，以匹配靶标轮廓的形状。生成的边缘特征集合将包括这条线段，它以第三靶标和第四靶标的中点为中心，代表了第二靶标的边缘特征。

S103、对第一标定特征点集合以及第二标定特征点集合进行偏移量分析，得到目标平移偏移量以及目标角度偏移量；

需要说明的是，服务器对第一标定特征点集合和第二标定特征点集合进行透射变换，以获取坐标透射变换关系。透射变换是一种数学变换，它可以将一个坐标系中的点映射到另一个坐标系中，以实现坐标的变换。这种变换可以用来校正由于平台位置漂移或失准引起的目标工件的位置偏移。例如，假设服务器有两组标定特征点集合，其中第一组标定特征点集合与第一靶标相关，第二组标定特征点集合与第二靶标相关。通过透射变换，服务器将这两组特征点集合之间的坐标变换关系建立起来。根据坐标透射变换关系，服务器进行横向平移偏移量和纵向平移偏移量的计算。利用坐标透射变换关系，服务器确定横向平移偏移量，即目标在X轴上的平移偏移。这是通过比较两组标定特征点集合之间的坐标差异来实现的。类似地，根据坐标透射变换关系，服务器确定纵向平移偏移量，即目标在Y轴上的平移偏移。这也是通过比较两组标定特征点集合之间的坐标差异来计算的。服务器将它们组合起来生成目标平移偏移量。这个平移偏移量将用于调整UVW对位平台，以确保目标工件的位置得到准确对位。服务器计算目标角度偏移量，这是通过分析第一靶标轮廓中心坐标A（Xm1，Ym1）、第二靶标轮廓中心坐标B（Xf1，Yf1）、第三靶标轮廓中心坐标C（Xm2，Ym2）以及第四靶标轮廓中心坐标D（Xf2，Yf2）来实现的。例如，假设服务器有四个靶标轮廓中心坐标，它们表示了目标工件的四个角。服务器通过这些坐标来计算目标工件当前的角度。服务器计算两个基准线的角度，一个基准线由第一靶标轮廓中心坐标A（Xm1，Ym1）到第三靶标轮廓中心坐标C（Xm2，Ym2），另一个基准线由第二靶标轮廓中心坐标B（Xf1，Yf1）到第四靶标轮廓中心坐标D（Xf2，Yf2）。这两个基准线可以代表目标工件的旋转方向。通过比较当前基准线的角度和参考基准线的角度，服务器计算目标工件的角度偏移量。将平移偏移量和角度偏移量结合起来，服务器得到完整的目标平移偏移量和目标角度偏移量。

S104、根据目标平移偏移量以及目标角度偏移量构建丝印工件对位模型，并根据丝印工件对位模型对目标丝印工件进行视觉对位校准，以及对目标丝印工件进行对位精度分析，得到对位精度分析结果；

具体的，服务器根据目标平移偏移量和目标角度偏移量构建丝印工件对位模型。这个模型将考虑平移和旋转，以帮助服务器校准目标丝印工件的位置和角度。这个模型将包括目标工件的几何特征和所需的变换信息。例如，假设服务器知道目标平移偏移量为（ΔX，ΔY）和目标角度偏移量为θ。服务器使用这些参数构建一个变换矩阵，以实现平移和旋转。这个变换矩阵可以将目标丝印工件的初始位置和角度映射到所需的位置和角度。服务器使用丝印工件对位模型对目标丝印工件进行视觉对位校准。这涉及将模型应用于实际图像数据，以调整UVW对位平台，使目标工件准确对位。例如，通过应用丝印工件对位模型，服务器根据实际图像数据计算出所需的平移和旋转变换。这些变换将用于调整UVW对位平台，以便目标工件正确对位。服务器进行对位精度分析，以确定对位的准确性。这一步骤包括几个关键方面。服务器首先使用模型将第一标定中点G1和第二标定中点G2进行居中对位。这确保了标定中点在正确的位置。服务器对居中后的标定中点G1和G2进行精度计算，以评估目标的居中准确性。接着，分别对第一目标靶标、第二目标靶标、第三目标靶标和第四目标靶标进行中心误差计算，以测量它们与目标中心的偏差。根据计算出的中心误差和预设的精度标准，服务器判断目标丝印工件是否符合要求的精度标准。例如，假设服务器计算出中心误差d1、d2、d3和d4分别为0.2毫米、0.15毫米、0.25毫米和0.18毫米。如果预设的精度标准为0.3毫米以内，那么服务器判断目标丝印工件符合精度标准。

S105、根据对位精度分析结果对目标丝印工件进行设备对位校准参数优化，得到目标设备对位校准参数组合。

具体的，根据对位精度分析结果，服务器通过预置的遗传算法对目标丝印工件的对位校准参数群体进行初始化。这个群体包括多个第一设备对位校准参数组合，每个组合都代表了一种的校准方式。这些参数组合将用于后续的优化。例如，假设服务器有三个第一设备对位校准参数组合：组合A、组合B和组合C。服务器分别计算每个第一设备对位校准参数组合的第一适应度数据。第一适应度数据可以代表每种参数组合的性能，通常以数字形式表示。这些数据将帮助服务器评估每个参数组合的优劣。例如，对于组合A、B和C，第一适应度数据分别为0.2、0.3和0.15。接着，根据第一适应度数据，服务器将多个第一设备对位校准参数组合分为不同的群体。通常，服务器会选择一些表现较好的参数组合，将它们划分到第一设备对位校准参数组合群体，然后将其他的划分到第二设备对位校准参数组合群体以及第三对位参数组合群体。例如，第一设备对位校准参数组合群体包括组合A和C；第二设备对位校准参数组合群体包括组合B；第三对位参数组合群体为空。对第一设备对位校准参数组合群体和第二设备对位校准参数组合群体进行繁殖、交叉和变异，并对第三对位参数组合群体进行交叉和变异，以生成多个第二设备对位校准参数组合。这一步骤利用遗传算法的原理，通过交叉和变异操作来创建新的参数组合，以增加参数空间的探索。例如，通过交叉和变异，服务器得到新的参数组合，如组合D、E、F等。分别计算每个第二设备对位校准参数组合的第二适应度数据，以评估它们的性能。第二适应度数据可以用来度量新参数组合的优劣。例如，对于组合D、E、F，第二适应度数据分别为0.25、0.2和0.18。根据第二适应度数据，对多个第二设备对位校准参数组合进行对位校准参数最优化分析。这个过程选择表现最好的参数组合，以作为最终的目标设备对位校准参数组合。例如，假设组合D的第二适应度数据最佳，那么组合D将被选为目标设备对位校准参数组合。

本发明实施例中，根据初始设备对位校准参数组合对UVW对位平台进行初始化配置，并采集目标丝印工件的第一图像数据以及第二图像数据；进行特征点提取，得到第一标定特征点集合和第二标定特征点集合；进行偏移量分析，得到目标平移偏移量以及目标角度偏移量；构建丝印工件对位模型，并根据丝印工件对位模型对目标丝印工件进行视觉对位校准，以及对目标丝印工件进行对位精度分析，得到对位精度分析结果；根据对位精度分析结果对目标丝印工件进行设备对位校准参数优化，得到目标设备对位校准参数组合，本发明通过特征点提取和偏移量分析，能够实现对目标丝印工件的高精度对位校准。通过构建丝印工件对位模型，实现了更准确的视觉对位。采用了预置的双目视觉设备和自动化的特征点提取算法，使得对位校准过程更为自动化，减少了人为干预，提高了校准的效率和可靠性。通过对位精度分析结果进行校准参数优化，采用了预置的遗传算法，对多个设备对位校准参数进行多层次的优化，进一步提升了校准的准确性。采用了边缘检测算法和靶标特征检测，使其对不同类型的丝印工件具有较好的适应性，采用了实时数据采集和自动处理算法，具有较好的实时性和稳定性，适用于生产线上对位校准的实际需求。通过自动化和高精度的对位校准，有助于提高生产线上的工作效率，减少了因对位不准确而导致的生产中断和次品率，进而提高了UVW对位平台的视觉对位校准准确率。

在一具体实施例中，如图2所示，执行步骤S101的过程可以具体包括如下步骤：

S201、获取预置的初始设备对位校准参数组合，并根据初始设备对位校准参数组合对UVW对位平台进行初始化配置；

S202、对预置的双目视觉设备进行系统相机参数标定，并通过参数标定后的双目视觉设备采集目标丝印工件的原始图像数据；

S203、对原始图像数据进行灰度化处理，得到灰度图像数据，并对灰度图像数据进行图像分类，得到第一图像数据以及第二图像数据。

具体的，服务器获取预置的初始设备对位校准参数组合。这些参数组合包括了对位平台的配置信息，以及用于校准目标工件的一些基本参数。这些参数通常由制造商提供或在设备安装时设定。例如，平台初始位置：X=0，Y=0，Z=0，旋转校准参数：θ=0°，φ=0°以及其他配置参数。服务器使用这些初始设备对位校准参数组合对UVW对位平台进行初始化配置。这将确保对位平台处于已知状态，可以进行后续的校准操作。例如，将平台移动到初始位置(X=0，Y=0，Z=0)；设置平台的旋转参数为初始状态(θ=0°，φ=0°)；配置其他参数，以确保平台正常运行。服务器对预置的双目视觉设备进行系统相机参数标定。这是为了确保双目摄像头捕获的图像能够准确地表示实际物体的尺寸和位置。相机参数标定通常涉及拍摄校准图像，并使用这些图像来估计相机的内部参数（如焦距、主点位置）和外部参数（如相机的位置和姿态）。一旦相机参数标定完成，服务器使用已校准的双目视觉设备采集目标丝印工件的原始图像数据。这些原始图像数据包括目标工件的影像，但尚未经过任何处理。服务器对原始图像数据进行处理，首先进行灰度化处理，以得到灰度图像数据。灰度化是将彩色图像转换为灰度级别的过程，通常通过加权平均计算来实现。例如，将原始彩色图像转换为灰度图像，每个像素的颜色信息将被转化为亮度值。对灰度图像数据进行图像分类，以得到第一图像数据和第二图像数据。图像分类是根据目标工件的特征或形状将图像分成不同类别的过程，以便后续的处理和分析。例如，根据工件的形状和特征，将灰度图像分为第一图像数据（包含特定特征的图像）和第二图像数据（包含不同特征的图像）。

在一具体实施例中，执行步骤S102的过程可以具体包括如下步骤：

（1）通过预置的边缘检测算法对第一图像数据进行靶标特征检测，得到第一靶标边缘特征集合，以及通过边缘检测算法对第二图像数据进行靶标特征检测，得到第二靶标边缘特征集合；

（2）根据第一靶标边缘特征集合，对第一图像数据进行靶标识别，得到第一目标靶标和第二目标靶标，以及根据第二靶标边缘特征集合，对第二图像数据进行靶标识别，得到第三目标靶标和第四目标靶标；

（3）分别对第一目标靶标、第二目标靶标、第三目标靶标和第四目标靶标进行靶标轮廓中心坐标提取，得到对应的第一靶标轮廓中心坐标A（Xm1，Ym1）、第二靶标轮廓中心坐标B（Xf1，Yf1）、第三靶标轮廓中心坐标C（Xm2，Ym2）以及第四靶标轮廓中心坐标D（Xf2，Yf2）；

（4）根据第一靶标轮廓中心坐标A（Xm1，Ym1）和第三靶标轮廓中心坐标C（Xm2，Ym2）构建第一标定线段AC，并根据第二靶标轮廓中心坐标B（Xf1，Yf1）和第四靶标轮廓中心坐标D（Xf2，Yf2）构建第二标定线段BD；

（5）获取第一标定线段AC的第一标定中点G1（（Xm1+Xm2）/2，（Ym1+Ym2）/2），以及获取第二标定线段BD的第二标定中点G2（（Xf1+Xf2）/2，（Yf1+Yf2）/2）；

（6）根据第一靶标轮廓中心坐标、第二靶标轮廓中心坐标以及第一标定中点生成第一靶标边缘特征集合，以及根据第三靶标轮廓中心坐标、第四靶标轮廓中心坐标以及第二标定中点生成第二靶标边缘特征集合。

具体的，通过预置的边缘检测算法对第一图像数据进行靶标特征检测，得到第一靶标边缘特征集合。边缘检测算法有多种，如Canny边缘检测或Sobel边缘检测。这些算法有助于检测出图像中的边缘特征。例如，使用Canny边缘检测算法对第一图像数据进行处理，得到第一靶标边缘特征集合，包括检测到的靶标边缘像素。根据第一靶标边缘特征集合，对第一图像数据进行靶标识别，得到第一目标靶标和第二目标靶标。这可以通过识别靶标的形状和特征来实现。例如，分析第一靶标边缘特征，确定靶标的位置和形状，从而识别第一目标靶标和第二目标靶标。同样，通过使用边缘检测算法对第二图像数据进行靶标特征检测，得到第二靶标边缘特征集合，并进行靶标识别，得到第三目标靶标和第四目标靶标。例如，通过分析第二靶标边缘特征，确定靶标的位置和形状，从而识别第三目标靶标和第四目标靶标。分别对第一目标靶标、第二目标靶标、第三目标靶标和第四目标靶标进行靶标轮廓中心坐标提取，得到对应的第一靶标轮廓中心坐标A（Xm1，Ym1）、第二靶标轮廓中心坐标B（Xf1，Yf1）、第三靶标轮廓中心坐标C（Xm2，Ym2）以及第四靶标轮廓中心坐标D（Xf2，Yf2）。根据第一靶标轮廓中心坐标A（Xm1，Ym1）和第三靶标轓中心坐标C（Xm2，Ym2），构建第一标定线段AC，以及根据第二靶标轮廓中心坐标B（Xf1，Yf1）和第四靶标轮廓中心坐标D（Xf2，Yf2），构建第二标定线段BD。例如，使用轮廓中心坐标构建两个标定线段AC和BD，用于后续的计算。获取第一标定线段AC的第一标定中点G1（（Xm1+Xm2）/2，（Ym1+Ym2）/2），以及获取第二标定线段BD的第二标定中点G2（（Xf1+Xf2）/2，（Yf1+Yf2）/2）。例如，计算标定线段AC和BD的中点坐标，得到第一标定中点G1和第二标定中点G2根据第一靶标轮廓中心坐标、第二靶标轮廓中心坐标以及第一标定中点生成第一靶标边缘特征集合，以及根据第三靶标轮廓中心坐标、第四靶标轮廓中心坐标以及第二标定中点生成第二靶标边缘特征集合。例如，根据轮廓中心坐标和标定中点，生成每个靶标的边缘特征集合，以便后续的分析和计算。

在一具体实施例中，如图3所示，执行步骤S103的过程可以具体包括如下步骤：

S301、对第一标定特征点集合以及第二标定特征点集合进行透射变换，得到坐标透射变换关系；

S302、根据坐标透射变换关系，对第一标定特征点集合以及第二标定特征点集合进行横向平移偏移量计算，得到横向平移偏移量，并对第一标定特征点集合以及第二标定特征点集合进行纵向平移偏移量计算，得到纵向平移偏移量；

S303、根据横向平移偏移量以及纵向平移偏移量生成对应的目标平移偏移量；

S304、对第一靶标轮廓中心坐标A（Xm1，Ym1）、第二靶标轮廓中心坐标B（Xf1，Yf1）、第三靶标轮廓中心坐标C（Xm2，Ym2）以及第四靶标轮廓中心坐标D（Xf2，Yf2）进行角度偏移量计算，得到目标角度偏移量。

具体的，对第一标定特征点集合和第二标定特征点集合进行透射变换，以获取坐标透射变换关系。透射变换用于将一个坐标系映射到另一个坐标系，从而实现坐标的变换。这是为了将两个不同的标定特征点集合之间建立准确的映射关系。例如，使用透射变换方法，将第一标定特征点集合映射到第二标定特征点集合的坐标系，建立坐标映射关系。根据坐标透射变换关系，对第一标定特征点集合和第二标定特征点集合进行横向平移偏移量计算，以获取横向平移偏移量。这可以通过比较映射后的坐标值来实现。同时，进行纵向平移偏移量计算，以获取纵向平移偏移量。例如，根据坐标映射关系，计算第一标定特征点和第二标定特征点之间的纵向平移偏移量。根据横向平移偏移量和纵向平移偏移量，生成对应的目标平移偏移量。这个平移偏移量表示了两个标定特征点集合之间的平移关系。对第一靶标轮廓中心坐标A（Xm1，Ym1）、第二靶标轮廓中心坐标B（Xf1，Yf1）、第三靶标轮廓中心坐标C（Xm2，Ym2）以及第四靶标轮廓中心坐标D（Xf2，Yf2）进行角度偏移量计算，以获取目标角度偏移量。这个步骤可以通过比较轮廓中心坐标和标定特征点的坐标来实现。

在一具体实施例中，执行步骤S104的过程可以具体包括如下步骤：

（1）根据目标平移偏移量以及目标角度偏移量构建丝印工件对位模型；

（2）根据丝印工件对位模型，对目标丝印工件的第一标定中点G1（（Xm1+Xm2）/2，（Ym1+Ym2）/2）以及第二标定中点G2（（Xf1+Xf2）/2，（Yf1+Yf2）/2）进行居中对位；

（3）对第一标定中点G1（（Xm1+Xm2）/2，（Ym1+Ym2）/2）以及第二标定中点G2（（Xf1+Xf2）/2，（Yf1+Yf2）/2）进行居中精度计算，得到目标居中精度；

（4）分别对第一目标靶标、第二目标靶标、第三目标靶标和第四目标靶标进行中心误差计算，得到第一靶标中心误差d1、第二靶标中心误差d2、第三靶标中心误差d3以及第四靶标中心误差d4；

（5）根据第一靶标中心误差d1、第二靶标中心误差d2、第三靶标中心误差d3以及第四靶标中心误差d4，判断目标丝印工件是否符合预设精度标准，得到对位精度判断结果。

具体的，服务器使用先前计算得到的目标平移偏移量和目标角度偏移量来构建丝印工件对位模型。这个模型包含一组数学方程，描述了丝印工件相对于UVW对位平台的位置和角度偏移。这涉及平移参数（X和Y坐标偏移）以及旋转参数（角度偏移）。例如，假设根据之前的测量，服务器计算出了工件需要相对于平台平移2毫米到左侧，旋转5度以使其与目标位置对齐。这些值将成为服务器的丝印工件对位模型的一部分。调整UVW对位平台，以使丝印工件的目标位置处于平台的中心。这确保了工件将在正确的位置上印刷。例如，根据对位模型，服务器调整UVW对位平台，使电子元件的目标位置位于平台的中心。这确保了在印刷时工件的目标位置是正确的。居中对位之后，服务器测量电子元件的实际中心与平台中心之间的距离。这个距离代表了工件相对于平台的中心对齐程度。如果这个距离非常接近于零，那么工件被认为是非常好的中心对齐。如果距离较大，则表明工件没有完全中心对齐。例如，假设服务器测量电子元件的中心与平台中心之间的距离，发现它只有0.1毫米。这说明工件非常接近于完美中心对齐。此外，服务器测量丝印工件上多个参考标记的实际中心与其理想位置之间的偏差。这将为服务器提供有关每个标记的偏差信息。例如，对于多个参考标记，服务器测量它们的实际中心与预期中心之间的偏差。这可以帮助服务器确定是否存在任何局部偏差或工件上的不均匀性。通过比较中心误差与预设的对位精度标准，服务器判断丝印工件的对位质量。如果所有标记的中心误差都在可接受的范围内，那么工件可以被认为是符合标准的。例如，假设服务器的对位精度标准要求所有标记的中心误差应小于0.2毫米。经过测量后，服务器发现所有标记的中心误差都小于0.2毫米，因此可以确定工件符合预设标准。

在一具体实施例中，如图4所示，执行步骤S105的过程可以具体包括如下步骤：

S401、根据对位精度分析结果，通过预置的遗传算法对目标丝印工件进行对位校准参数群体初始化，得到多个第一设备对位校准参数组合；

S402、分别计算每个第一设备对位校准参数组合的第一适应度数据；

S403、根据第一适应度数据对多个第一设备对位校准参数组合进行群体划分，得到第一设备对位校准参数组合群体、第二设备对位校准参数组合群体以及第三对位参数组合群体；

S404、对第一设备对位校准参数组合群体和第二设备对位校准参数组合群体进行繁殖、交叉和变异，并对第三对位参数组合群体进行交叉和变异，得到多个第二设备对位校准参数组合；

S405、分别计算每个第二设备对位校准参数组合的第二适应度数据，并根据第二适应度数据对多个第二设备对位校准参数组合进行对位校准参数最优化分析，得到目标设备对位校准参数组合。

具体的，基于对位精度分析结果，服务器初始化多个第一设备对位校准参数组合。这些参数包括平移偏移量和旋转角度等，用于调整设备，以改善对位精度。例如，如果服务器发现目标设备需要在X轴上平移2毫米并旋转3度才能达到理想对位，服务器创建一组初始参数组合，其中包括X轴平移值和旋转角度。例如，初始参数组合可以包括(X平移=0毫米，旋转=0度)，(X平移=2毫米，旋转=3度)，(X平移=1毫米，旋转=1.5度)等。对于每个第一设备对位校准参数组合，计算其适应度数据。适应度数据是一个指标，用于衡量该参数组合与理想对位的接近程度。例如，对于初始参数组合(X平移=2毫米，旋转=3度)，服务器计算该参数组合与目标设备理想对位的偏差。适应度值可以表示为平移偏差的平方加上旋转偏差的平方的平方根，以量化其对位质量。根据第一适应度数据，将多个第一设备对位校准参数组合划分为群体。通常，划分为三个群体：低适应度、中等适应度和高适应度。这将帮助服务器识别哪些参数组合表现良好，哪些需要改进。对于低适应度和中等适应度的参数组合群体，服务器进行繁殖、交叉和变异操作。服务器会将不同参数组合结合，生成新的参数组合，以期望改进对位精度。例如，从中等适应度的群体中，服务器选择两个参数组合，例如(X平移=2毫米，旋转=3度)和(X平移=1毫米，旋转=2度)，然后进行交叉操作，生成新的参数组合(X平移=1.5毫米，旋转=2.5度)。对于新生成的参数组合，计算其第二适应度数据。这与第一适应度数据类似，用于评估新参数组合对位质量。基于第二适应度数据，对所有第二设备对位校准参数组合进行评估。找到具有最佳适应度值的参数组合，即对位质量最高的组合，以作为目标设备的最终对位校准参数。例如，在所有生成的参数组合中，(X平移=1.2毫米，旋转=2.7度)具有最佳的第二适应度值。这将成为目标设备的最终对位校准参数组合。

在一具体实施例中，执行步骤S403的过程可以具体包括如下步骤：

（1）对第一适应度数据与第一适应度阈值和第二适应度阈值进行比较，其中，第一适应度阈值＜第二适应度阈值；

（2）若第一适应度数据＜第一适应度阈值，则将对应的第一设备对位校准参数组合划分至第一设备对位校准参数组合群体，若第一适应度阈值＜第一适应度数据＜第二适应度阈值，则将对应的第一设备对位校准参数组合划分至第二设备对位校准参数组合群体，若第二适应度阈值＜第一适应度数据，则将对应的第一设备对位校准参数组合划分至第三设备对位校准参数组合群体。

具体的，服务器将每个第一设备对位校准参数组合的第一适应度数据与两个预设的适应度阈值进行比较。这两个阈值分别是第一适应度阈值和第二适应度阈值。确保第一适应度阈值小于第二适应度阈值。例如，假设第一适应度阈值为0.1，第二适应度阈值为0.5。根据比较结果，将第一设备对位校准参数组合划分到不同的群体。若第一适应度数据小于第一适应度阈值，则将该参数组合划分至第一设备对位校准参数组合群体；若第一适应度阈值小于第一适应度数据且第一适应度数据小于第二适应度阈值，则将该参数组合划分至第二设备对位校准参数组合群体；若第二适应度阈值小于第一适应度数据，则将该参数组合划分至第三设备对位校准参数组合群体。例如，假设某参数组合的第一适应度数据为0.08，小于第一适应度阈值0.1，这将划分至第一设备对位校准参数组合群体；假设另一个参数组合的第一适应度数据为0.2，介于第一适应度阈值0.1和第二适应度阈值0.5之间，这将划分至第二设备对位校准参数组合群体；如果有参数组合的第一适应度数据为0.6，大于第二适应度阈值0.5，这将划分至第三设备对位校准参数组合群体。根据不同的第一适应度数据和预设的阈值，将参数组合划分到不同的群体。这有助于确定哪些参数组合表现良好，哪些需要改进。

上面对本发明实施例中UVW对位平台的视觉对位校准方法进行了描述，下面对本发明实施例中UVW对位平台的视觉对位校准装置进行描述，请参阅图5，本发明实施例中UVW对位平台的视觉对位校准装置一个实施例包括：

采集模块501，用于根据预置的初始设备对位校准参数组合对UVW对位平台进行初始化配置，并通过预置的双目视觉设备采集目标丝印工件的第一图像数据以及第二图像数据；

提取模块502，用于对所述第一图像数据进行特征点提取，得到第一标定特征点集合，并对所述第二图像数据进行特征点提取，得到第二标定特征点集合；

分析模块503，用于对所述第一标定特征点集合以及所述第二标定特征点集合进行偏移量分析，得到目标平移偏移量以及目标角度偏移量；

对位校准模块504，用于根据所述目标平移偏移量以及所述目标角度偏移量构建丝印工件对位模型，并根据所述丝印工件对位模型对所述目标丝印工件进行视觉对位校准，以及对所述目标丝印工件进行对位精度分析，得到对位精度分析结果；

优化模块505，用于根据所述对位精度分析结果对所述目标丝印工件进行设备对位校准参数优化，得到目标设备对位校准参数组合。

通过上述各个组成部分的协同合作，根据初始设备对位校准参数组合对UVW对位平台进行初始化配置，并采集目标丝印工件的第一图像数据以及第二图像数据；进行特征点提取，得到第一标定特征点集合和第二标定特征点集合；进行偏移量分析，得到目标平移偏移量以及目标角度偏移量；构建丝印工件对位模型，并根据丝印工件对位模型对目标丝印工件进行视觉对位校准，以及对目标丝印工件进行对位精度分析，得到对位精度分析结果；根据对位精度分析结果对目标丝印工件进行设备对位校准参数优化，得到目标设备对位校准参数组合，本发明通过特征点提取和偏移量分析，能够实现对目标丝印工件的高精度对位校准。通过构建丝印工件对位模型，实现了更准确的视觉对位。采用了预置的双目视觉设备和自动化的特征点提取算法，使得对位校准过程更为自动化，减少了人为干预，提高了校准的效率和可靠性。通过对位精度分析结果进行校准参数优化，采用了预置的遗传算法，对多个设备对位校准参数进行多层次的优化，进一步提升了校准的准确性。采用了边缘检测算法和靶标特征检测，使其对不同类型的丝印工件具有较好的适应性，采用了实时数据采集和自动处理算法，具有较好的实时性和稳定性，适用于生产线上对位校准的实际需求。通过自动化和高精度的对位校准，有助于提高生产线上的工作效率，减少了因对位不准确而导致的生产中断和次品率，进而提高了UVW对位平台的视觉对位校准准确率。

上面图5从模块化功能实体的角度对本发明实施例中的UVW对位平台的视觉对位校准装置进行详细描述，下面从硬件处理的角度对本发明实施例中UVW对位平台的视觉对位校准设备进行详细描述。

图6是本发明实施例提供的一种UVW对位平台的视觉对位校准设备的结构示意图，该UVW对位平台的视觉对位校准设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，CPU）610（例如，一个或一个以上处理器）和存储器620，一个或一个以上存储应用程序633或数据632的存储介质630（例如一个或一个以上海量存储设备）。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对UVW对位平台的视觉对位校准设备600中的一系列指令操作。更进一步地，处理器610可以设置为与存储介质630通信，在UVW对位平台的视觉对位校准设备600上执行存储介质630中的一系列指令操作。

UVW对位平台的视觉对位校准设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和/或，一个或一个以上操作系统631，例如Windows Server，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图6示出的UVW对位平台的视觉对位校准设备结构并不构成对UVW对位平台的视觉对位校准设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

本发明还提供一种UVW对位平台的视觉对位校准设备，所述UVW对位平台的视觉对位校准设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述UVW对位平台的视觉对位校准方法的步骤。

本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述UVW对位平台的视觉对位校准方法的步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种UVW对位平台的视觉对位校准方法，其特征在于，所述UVW对位平台的视觉对位校准方法包括：

根据预置的初始设备对位校准参数组合对UVW对位平台进行初始化配置，并通过预置的双目视觉设备采集目标丝印工件的第一图像数据以及第二图像数据；

对所述第一图像数据进行特征点提取，得到第一标定特征点集合，并对所述第二图像数据进行特征点提取，得到第二标定特征点集合；

对所述第一标定特征点集合以及所述第二标定特征点集合进行偏移量分析，得到目标平移偏移量以及目标角度偏移量；

根据所述目标平移偏移量以及所述目标角度偏移量构建丝印工件对位模型，并根据所述丝印工件对位模型对所述目标丝印工件进行视觉对位校准，以及对所述目标丝印工件进行对位精度分析，得到对位精度分析结果；

根据所述对位精度分析结果对所述目标丝印工件进行设备对位校准参数优化，得到目标设备对位校准参数组合。

2.根据权利要求1所述的UVW对位平台的视觉对位校准方法，其特征在于，所述根据预置的初始设备对位校准参数组合对UVW对位平台进行初始化配置，并通过预置的双目视觉设备采集目标丝印工件的第一图像数据以及第二图像数据，包括：

获取预置的初始设备对位校准参数组合，并根据所述初始设备对位校准参数组合对UVW对位平台进行初始化配置；

对预置的双目视觉设备进行系统相机参数标定，并通过参数标定后的双目视觉设备采集目标丝印工件的原始图像数据；

对所述原始图像数据进行灰度化处理，得到灰度图像数据，并对所述灰度图像数据进行图像分类，得到第一图像数据以及第二图像数据。

3.根据权利要求1所述的UVW对位平台的视觉对位校准方法，其特征在于，所述对所述第一图像数据进行特征点提取，得到第一标定特征点集合，并对所述第二图像数据进行特征点提取，得到第二标定特征点集合，包括：

通过预置的边缘检测算法对所述第一图像数据进行靶标特征检测，得到第一靶标边缘特征集合，以及通过所述边缘检测算法对所述第二图像数据进行靶标特征检测，得到第二靶标边缘特征集合；

根据所述第一靶标边缘特征集合，对所述第一图像数据进行靶标识别，得到第一目标靶标和第二目标靶标，以及根据所述第二靶标边缘特征集合，对所述第二图像数据进行靶标识别，得到第三目标靶标和第四目标靶标；

分别对所述第一目标靶标、所述第二目标靶标、所述第三目标靶标和所述第四目标靶标进行靶标轮廓中心坐标提取，得到对应的第一靶标轮廓中心坐标A（Xm1，Ym1）、第二靶标轮廓中心坐标B（Xf1，Yf1）、第三靶标轮廓中心坐标C（Xm2，Ym2）以及第四靶标轮廓中心坐标D（Xf2，Yf2）；

根据所述第一靶标轮廓中心坐标A（Xm1，Ym1）和所述第三靶标轮廓中心坐标C（Xm2，Ym2）构建第一标定线段AC，并根据所述第二靶标轮廓中心坐标B（Xf1，Yf1）和所述第四靶标轮廓中心坐标D（Xf2，Yf2）构建第二标定线段BD；

获取所述第一标定线段AC的第一标定中点G1（（Xm1+Xm2）/2，（Ym1+Ym2）/2），以及获取所述第二标定线段BD的第二标定中点G2（（Xf1+Xf2）/2，（Yf1+Yf2）/2）；

根据所述第一靶标轮廓中心坐标、所述第二靶标轮廓中心坐标以及所述第一标定中点生成第一靶标边缘特征集合，以及根据所述第三靶标轮廓中心坐标、所述第四靶标轮廓中心坐标以及所述第二标定中点生成第二靶标边缘特征集合。

4.根据权利要求3所述的UVW对位平台的视觉对位校准方法，其特征在于，所述对所述第一标定特征点集合以及所述第二标定特征点集合进行偏移量分析，得到目标平移偏移量以及目标角度偏移量，包括：

对所述第一标定特征点集合以及所述第二标定特征点集合进行透射变换，得到坐标透射变换关系；

根据所述坐标透射变换关系，对所述第一标定特征点集合以及所述第二标定特征点集合进行横向平移偏移量计算，得到横向平移偏移量，并对所述第一标定特征点集合以及所述第二标定特征点集合进行纵向平移偏移量计算，得到纵向平移偏移量；

根据所述横向平移偏移量以及所述纵向平移偏移量生成对应的目标平移偏移量；

对所述第一靶标轮廓中心坐标A（Xm1，Ym1）、所述第二靶标轮廓中心坐标B（Xf1，Yf1）、所述第三靶标轮廓中心坐标C（Xm2，Ym2）以及所述第四靶标轮廓中心坐标D（Xf2，Yf2）进行角度偏移量计算，得到目标角度偏移量。

5.根据权利要求4所述的UVW对位平台的视觉对位校准方法，其特征在于，所述根据所述目标平移偏移量以及所述目标角度偏移量构建丝印工件对位模型，并根据所述丝印工件对位模型对所述目标丝印工件进行视觉对位校准，以及对所述目标丝印工件进行对位精度分析，得到对位精度分析结果，包括：

根据所述目标平移偏移量以及所述目标角度偏移量构建丝印工件对位模型；

根据所述丝印工件对位模型，对所述目标丝印工件的第一标定中点G1（（Xm1+Xm2）/2，（Ym1+Ym2）/2）以及所述第二标定中点G2（（Xf1+Xf2）/2，（Yf1+Yf2）/2）进行居中对位；

对所述第一标定中点G1（（Xm1+Xm2）/2，（Ym1+Ym2）/2）以及所述第二标定中点G2（（Xf1+Xf2）/2，（Yf1+Yf2）/2）进行居中精度计算，得到目标居中精度；

分别对所述第一目标靶标、所述第二目标靶标、所述第三目标靶标和所述第四目标靶标进行中心误差计算，得到第一靶标中心误差d1、第二靶标中心误差d2、第三靶标中心误差d3以及第四靶标中心误差d4；

根据所述第一靶标中心误差d1、所述第二靶标中心误差d2、所述第三靶标中心误差d3以及所述第四靶标中心误差d4，判断所述目标丝印工件是否符合预设精度标准，得到对位精度判断结果。

6.根据权利要求1所述的UVW对位平台的视觉对位校准方法，其特征在于，所述根据所述对位精度分析结果对所述目标丝印工件进行设备对位校准参数优化，得到目标设备对位校准参数组合，包括：

根据所述对位精度分析结果，通过预置的遗传算法对所述目标丝印工件进行对位校准参数群体初始化，得到多个第一设备对位校准参数组合；

分别计算每个第一设备对位校准参数组合的第一适应度数据；

根据所述第一适应度数据对所述多个第一设备对位校准参数组合进行群体划分，得到第一设备对位校准参数组合群体、第二设备对位校准参数组合群体以及第三对位参数组合群体；

对所述第一设备对位校准参数组合群体和所述第二设备对位校准参数组合群体进行繁殖、交叉和变异，并对所述第三对位参数组合群体进行交叉和变异，得到多个第二设备对位校准参数组合；

分别计算每个第二设备对位校准参数组合的第二适应度数据，并根据所述第二适应度数据对所述多个第二设备对位校准参数组合进行对位校准参数最优化分析，得到目标设备对位校准参数组合。

7.根据权利要求6所述的UVW对位平台的视觉对位校准方法，其特征在于，所述根据所述第一适应度数据对所述多个第一设备对位校准参数组合进行群体划分，得到第一设备对位校准参数组合群体、第二设备对位校准参数组合群体以及第三对位参数组合群体，包括：

对所述第一适应度数据与第一适应度阈值和第二适应度阈值进行比较，其中，第一适应度阈值＜第二适应度阈值；

若第一适应度数据＜第一适应度阈值，则将对应的第一设备对位校准参数组合划分至第一设备对位校准参数组合群体，若第一适应度阈值＜第一适应度数据＜第二适应度阈值，则将对应的第一设备对位校准参数组合划分至第二设备对位校准参数组合群体，若第二适应度阈值＜第一适应度数据，则将对应的第一设备对位校准参数组合划分至第三设备对位校准参数组合群体。

8.一种UVW对位平台的视觉对位校准装置，其特征在于，所述UVW对位平台的视觉对位校准装置包括：

采集模块，用于根据预置的初始设备对位校准参数组合对UVW对位平台进行初始化配置，并通过预置的双目视觉设备采集目标丝印工件的第一图像数据以及第二图像数据；

提取模块，用于对所述第一图像数据进行特征点提取，得到第一标定特征点集合，并对所述第二图像数据进行特征点提取，得到第二标定特征点集合；

分析模块，用于对所述第一标定特征点集合以及所述第二标定特征点集合进行偏移量分析，得到目标平移偏移量以及目标角度偏移量；

对位校准模块，用于根据所述目标平移偏移量以及所述目标角度偏移量构建丝印工件对位模型，并根据所述丝印工件对位模型对所述目标丝印工件进行视觉对位校准，以及对所述目标丝印工件进行对位精度分析，得到对位精度分析结果；

优化模块，用于根据所述对位精度分析结果对所述目标丝印工件进行设备对位校准参数优化，得到目标设备对位校准参数组合。

9.一种UVW对位平台的视觉对位校准设备，其特征在于，所述UVW对位平台的视觉对位校准设备包括：存储器和至少一个处理器，所述存储器中存储有指令；

所述至少一个处理器调用所述存储器中的所述指令，以使得所述UVW对位平台的视觉对位校准设备执行如权利要求1-7中任一项所述的UVW对位平台的视觉对位校准方法。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的UVW对位平台的视觉对位校准方法。