KR100801665B1

KR100801665B1 - 얼라인 마크 인식 머신 비전 시스템 및 얼라인 마크 인식방법

Info

Publication number: KR100801665B1
Application number: KR1020060133293A
Authority: KR
Inventors: 박찬식; 권상주; 손웅희; 이상무; 박상덕; 남경태
Original assignee: 한국생산기술연구원
Priority date: 2006-12-24
Filing date: 2006-12-24
Publication date: 2008-02-11

Abstract

본 발명은 얼라인 마크 인식 머신 비전 시스템 및 얼라인 마크 인식 방법에 관한 것이다. 본 발명에 따른 얼라인 마크 인식 방법은 입력 영상을 마크 객체 영역과 배경이 분리된 이진 영상으로 변환하는 단계와, 마크 객체 영역을 라벨링하는 단계와, 그리고 마크 객체 영역에서 라벨링된 영역의 수가 1개인 경우 제1 마크 영상에 대응하는 제1 특징점 픽셀들과 제2 마크 영상에 대응하는 제2 특징점 픽셀들을 이용하여 제1 마크 영상의 중심점과 상기 제2 마크 영상의 중심점을 결정하는 단계를 포함한다. 본 발명에 따르면 조명 변화, 입력 영상의 회전 변화 및 외부 노이즈에 보다 영향을 적게 받으면서 얼라인 마크 영상의 중심점을 고속으로 신뢰성있게 계산해낼 수 있다.

얼라인, 마크, 머신, 비전, 영상

Description

얼라인 마크 인식 머신 비전 시스템 및 얼라인 마크 인식 방법{Machine Vision System and Method for Align Mark Cognition}

도 1은 디스플레이 생산 공정에서 전체적인 얼라인먼트 과정을 개념적으로 나타낸 도면이다.

도 2a는 종래의 농담 정규화 상관법 알고리즘을 설명하기 위해 제공되는 도면이다.

도 2b는 종래의 점 상관 알고리즘을 설명하기 위해 제공되는 도면이다.

도 3은 본 발명의 일 실시예에 따른 마크 인식 머신 비전 시스템의 구성을 나타낸 블록도이다.

도 4는 도 3에 도시된 이진 영상 변환부를 보다 자세히 나타낸 블록도이다.

도 5는 입력 영상이 이진 영상으로 변환되는 과정을 설명하기 위해 제공되는 도면이다.

도 6은 본 발명에 따른 이진 영상에서 마크 객체 영역이 라벨링된 것을 예시하는 도면이다.

도 7은 본 발명에 따른 마크 영상이 겹쳐져 있는 경우 각 마크 영상의 중심점을 구하는 기하학적 특징 픽셀 알고리즘을 설명하기 위해 제공되는 도면이다.

도 8은 본 발명에 따른 이진 영상과 마크 영상의 매칭 영역을 설명하기 위해 제공되는 도면이다.

도 9는 본 발명의 일 실시예에 따른 얼라인 마크 인식 방법에 대한 흐름도이다.

본 발명은 얼라인 마크 인식 머신 비전 시스템 및 얼라인 마크 인식 방법에 관한 것이다.

원래 머신 비전(Machine Vision)이라는 용어는 인간의 시각기능에 대하여 기계에 의한 인공적 시각기능이라는 의미에서 사용해 왔다. 생산현장에서는 머신 비전 시스템이 이미지 입력부로서 카메라를 이용한 이미지 처리 시스템을 가리키는 것으로 일반화되고 있으며 품질 검사와 공정 모니터링에서 중요한 역할을 수행하고 있다.

최근 들어 반도체 집적도의 증가를 비롯하여 이동통신 단말기, 노트북, PDA 등 산업 전반의 소형화 추세는 전자 부품의 초소형화를 가져왔다. 이러한 전자 부품의 초소형화와 더불어 단순 반복 작업에서 사람의 집중력이 오래 지속되지 못하는 문제 등으로 인해 품질 검사와 공정 모니터링을 더 이상 사람의 육안에만 의존할 수 없게 되었다. 이러한 이유로 최근 들어 머신 비전이 여러 산업 분야에 많이 도입되고 있다.

한편 디스플레이 생산 공정에서 증착 공정, 리소그래피(lithography)공정, 접합 공정 등 각 공정마다 요구되는 마스크와 패널 사이의 미세 얼라인(align)을 위한 비주얼 얼라인먼트(Visual Alignment)기술은 얼라인 마크의 고속 인식 기술, 얼라인 오차 실시간 보정 기술, 초정밀 스테이지 제어 기술 등의 복합 기술로 구성되어 있다.

도 1을 참조하면, B/W CCD 카메라(Black/White charge-coupled device camera:10, 20)를 통해 마스크와 패널에 새겨진 얼라인 마크를 촬영한 영상(40)에 소정의 이미지 프로세싱을 적용하여 마크 객체를 추출한다(S10). 이후 영상(50)에 붉은색으로 표시한 것과 같이 두 마크의 중심점을 구하여(S20), 두 마크의 중심점의 차이(misalignment:이하 '미스얼라인먼트'라 함)를 구한다(S30). 다음으로 미스얼라인먼트를 이용하여 스테이지(30)의 역기구학(inverse kinematics)을 풀면 스테이지(30)의 자유도를 이루고 있는 각 모터(도시하지 않음)의 회전량을 구하게 되고 이후 각 모터를 동시에 회전 시켜 두 중심점의 차이값을 보정한다.

이러한 얼라인먼트 과정은 실제적으로는 한번의 샘플링에 의해 이루어지는 것이 아니라 모터 백래쉬와 같은 여러 불확실성 요인 때문에 여러 차례의 샘플링에 걸쳐서 진행되며 종래의 장비를 사용하면 평균 약 18~20초의 비교적 많은 시간이 소요되고 있다. 따라서 전체적으로 얼라인먼트 성능을 높이기 위해서는 미스얼라인먼트를 보정하는 스테이지 모션(motion)제어 기술의 발전과 더불어 마스크와 패널의 얼라인 마크를 보다 빠르고 정확하게 인식하는 머신 비전 알고리즘의 발전이 요구되고 있다.

그런데 농담 정규화 상관법(Normal Gray-Scale Correlation) 및 점 상관 알고리즘(Point Correlation)등과 같은 종래의 머신 비전 알고리즘은 조명 변화나 회전변화 등에 민감하고 계산 시간이 오래 소요되는 문제점 등이 있었다.

이하 도 2a 및 도 2b를 참조하여 종래의 비전 알고리즘에 대해서 보다 자세히 살펴본다.

도 2a를 참고하면, 농담 정규화 상관법(이하 'NGC'라 함)알고리즘은 입력 영상(60)에서 추출하고자 하는 일정 크기의 영상을 템플릿(61, 62)으로 지정해놓고 템플릿(61, 62)영상과 입력 영상(60) 내부의 검사 영역을 각각 하나의 벡터로 변환한 후 두 벡터의 내적을 통해 매칭의 정도를 판단한다. 이 방법은 입력 영상(202)의 전체영역(2차원)을 검사하면서 템플릿(61, 62)의 영역(2차원)을 매칭하기 때문에 4차원의 시간 복잡도를 가지게 되어 계산 시간이 오래 걸리는 단점이 있다. 또한 영상 자체를 비교하기 때문에 비선형적인 조명변화, 영상의 크기 또는 회전 변환, 외부 노이즈로 인한 입력영상(60)의 변화에 상당히 민감하다는 단점이 있다.

도 2b를 참고하면, 점 상관 알고리즘(이하,'PC 알고리즘'이라 함)은 영상 자체를 매칭하기 때문에 발생하는 NGC 알고리즘의 단점을 극복하기 위해서 제안되었다. PC 알고리즘은 영상 자체가 아닌 템플릿(71, 72) 내부의 중요한 몇개의 점만 을 키 점(Key Point)로 선정하여 이 키 점만을 벡터화하여 입력 영상(70)과 매칭하는 알고리즘이다. 도 2b에서 키 점은 붉은 색 점으로 표시하였다. PC 알고리즘은 매칭 영역이 2차원에서 1차원으로 줄어들기 때문에 3차원의 시간 복잡도를 가지게 되어 계산 시간이 크게 줄어든다는 장점이 있지만 키 점을 추출해내는 또 다른 알고리즘이 필요하게 되는 문제점이 있다. 또한 조명 변화와 회전 변화에 여전히 민감하다는 단점이 있다.

한편 이와 같은 알고리즘들의 단점을 극복하고자 개발된 여러 범용 비전 라이브러리들은 좋은 성능을 지니고는 있지만 마크의 모양이 비교적 단순하고 비교적 단조로운 얼라인먼트 환경에서 적용하기에는 너무 높은 사양을 가지고 있다. 또한 범용 비전 라이브러리들은 여러 머신 비전 시스템에 적용하기 위해 범용성을 전제로 만들어지기 때문에 가격이 비싸고 실제 얼라인먼트 시스템에서 마주치는 독특한 문제점을 해결하기에는 미흡하다. 아울러 얼라인먼트 비전 시스템 자체를 라이브러리에 맞춰 개발해야 하는 단점도 있다.

따라서 본 발명이 이루고자 하는 기술적 과제는 조명 변화, 입력 영상의 회전 변화 및 외부 노이즈에 보다 영향을 적게 받으면서 마크 영상의 중심점을 고속으로 계산해낼 수 있는 마크 영상 인식 머신 비전 시스템 및 방법을 제공하는 것이다.

이러한 기술적 과제를 이루기 위한 본 발명의 일 실시예에 따른 얼라인 마크 인식 방법은, 입력 영상을 마크 객체 영역과 배경이 분리된 이진 영상으로 변환하는 단계와, 상기 마크 객체 영역을 라벨링하는 단계와, 그리고 상기 마크 객체 영역에서 라벨링된 영역의 수가 1개인 경우 제1 마크 영상에 대응하는 제1 특징점 픽셀들과 제2 마크 영상에 대응하는 제2 특징점 픽셀들을 이용하여 상기 제1 마크 영상의 중심점과 상기 제2 마크 영상의 중심점을 결정하는 단계를 포함한다.

상기 제1 마크 영상 및 제2 마크 영상의 중심점을 결정하는 단계는, 상기 마크 객체 영역에 상기 제1 특징점 픽셀들이 모두 포함될 때 상기 제1 특징점 픽셀들의 좌표의 평균값을 상기 제1 마크 영상의 중심점으로 결정하는 단계 및, 상기 제2 특징점 픽셀들이 상기 마크 객체 영역에 모두 포함될 때 상기 제2 특징점 픽셀들의 좌표의 평균값을 상기 제2 마크 영상의 중심점으로 결정하는 단계를 포함할 수 있다.

상기 라벨링된 영역의 수가 2개인 경우 라벨링된 영역 별로 면적 중심법을 적용하여 상기 제1 마크 영상의 중심점과 상기 제2 마크 영상의 중심점을 구하는 단계를 더 포함할 수 있다.

상기 라벨링된 영역의 수가 3개 이상인 경우 상기 라벨링된 영역 중에서 소정 크기보다 작은 영역을 제거하는 단계를 더 포함할 수 있다.

상기 소정 크기는 상기 제1 및 제2 마크 영상의 크기 중 작은 쪽의 크기일 수 있다.

상기 이진 영상 변환 단계는, 상기 입력 영상에 대해 보톰-햇(bottom-Hat)변환을 수행하는 단계와, 그리고 상기 보톰-햇 변환된 영상에서 상기 마크 객체 영역과 상기 배경을 분리할 수 있는 문턱치를 구하고, 상기 문턱치에 의한 이진화를 수행하여 상기 마크 객체 영역과 상기 배경으로 분리된 상기 이진 영상으로 변환하는 단계를 포함할 수 있다.

본 발명의 다른 실시예에 따른 컴퓨터로 읽을 수 있는 매체는 상기한 방법 중 어느 하나를 컴퓨터에 실행시키기 위한 프로그램을 기록한다.

본 발명의 또 다른 실시예에 따른 얼라인 마크 인식 머신 비전 시스템은 입력 영상을 마크 객체 영역과 배경이 분리된 이진 영상으로 변환하는 이진 영상 변환부와, 상기 마크 객체 영역을 라벨링하는 라벨링부와, 그리고 상기 마크 객체 영역에서 라벨링된 영역의 수가 1개인 경우 제1 마크 영상에 대응하는 제1 특징점 픽셀들과 제2 마크 영상에 대응하는 제2 특징점 픽셀들을 이용하여 상기 제1 마크 영상의 중심점과 상기 제2 마크 영상의 중심점을 결정하는 중심점 결정부를 포함한다.

상기 중심점 결정부는 상기 제1 특징점 픽셀들이 상기 마크 객체 영역에 모두 포함될 때 상기 제1 특징점 픽셀들의 좌표의 평균값을 상기 제1 마크 영상의 중심점으로 결정하고, 상기 제2 특징점 픽셀들이 상기 마크 객체 영역에 모두 포함될 때 상기 제2 특징점 픽셀들의 좌표의 평균값을 상기 제2 마크 영상의 중심점으로 결정할 수 있다.

상기 중심점 결정부는 상기 라벨링된 영역의 수가 2개인 경우 라벨링된 영역 별로 면적 중심법을 적용하여 상기 제1 마크 영상의 중심점과 상기 제2 마크 영상의 중심점을 구할 수 있다.

상기 중심점 결정부는 상기 라벨링된 영역의 수가 3개 이상인 경우 상기 라벨링된 영역 중에서 소정 크기보다 작은 영역을 제거할 수 있다.

상기 소정 크기는 실험적으로 구해진 상기 제1 및 제2 마크 영상의 크기 중 작은 쪽의 크기일 수 있다.

상기 이진 영상 변환부는, 상기 입력 영상에 대해 보톰-햇(bottom-Hat)변환을 수행하는 보톰-햇 변환부와, 그리고 상기 보톰-햇 변환된 영상에서 상기 마크 객체 영역과 상기 배경을 분리할 수 있는 문턱치를 구하고, 상기 문턱치에 의한 이진화를 수행하여 상기 마크 객체 영역과 상기 배경으로 분리된 상기 이진 영상으로 변환하는 이진화 수행부를 포함할 수 있다.

이하 첨부된 도면을 참조하여 본 발명에 대하여 상세히 설명하기로 한다.

도 3을 참조하면, 본 발명에 따른 머신 비전 시스템(100)은 카메라(110), 이진 영상 변환부(120), 라벨링부(130), 중심점 결정부(140) 및 노이즈 제거부(150)를 포함할 수 있다.

카메라(110)는 디스플레이 생산 공정에서 사용되는 마스크(도시하지 않음)와 패널(도시하지 않음)에 새겨진 얼라인 마크를 촬영하여 이진 영상 변화부(120)에 입력한다. 일반적으로 얼라인 마크는 십자가(+) 또는 원(ㅇ)등 단순한 모양이 이용되기 때문에 다루기 어려운 컬러 영상은 불필요하다. 따라서 카메라(110)는 얼라인 마크를 흑백 영상으로 촬영하는 B/W CCD 카메라로 구현할 수 있다.

이진 영상 변환부(120)는 카메라(110)로부터 촬영되어 입력된 영상(이하, '입력 영상'이라 함)을 마크 객체 영역과 배경이 분리된 이진 영상으로 변환한다.

도 4는 도 3에 도시된 이진 영상 변환부를 보다 자세히 나타낸 블록도이고, 도 5는 입력 영상이 이진 영상으로 변환되는 과정을 설명하기 위해 제공되는 도면이다.

도 4 및 도 5를 참고하면, 이진 영상 변환부(120)는 보톰-햇(Bottom-Hat)변환부(121), 이진화 수행부(123) 및 노이즈 필터링부(125)를 포함한다.

보톰-햇(Bottom-Hat)변환부(121)는 비선형적인 조명 효과를 줄이기 위해 입력 영상(200)에 Bottom-Hat 변환을 수행하여 마크 객체 영역을 제외한 배경의 밝기가 일정한 영상(210)을 얻는다.

이진화 수행부(123)는 반복법(Iteration Method)에 의한 동적 이진화 알고리즘을 적용하여 마크 객체 영역과 배경을 분리할 수 있는 문턱치(threshold)를 구하고 그 문턱치에 의한 이진화를 수행하여 마크 객체 영역과 배경이 분리된 이진 영상(220)을 얻는다.

노이즈 필터링부(125)는 열림닫힘 모폴로지(Opening Closing Morphology)를 이용하여 이진 영상(220)에서 불필요한 노이즈를 제거한다.

다시 도 3을 참고하면, 라벨링부(130)는 이진 영상에서 객체 인식 방법으로 알려져 있는 라벨링 알고리즘을 이용하여 마크 객체 영역을 라벨링한다. 라벨링이란 서로 떨어진 객체를 구별하는 것을 의미한다. 도 6은 본 발명에 따른 이진 영상에서 마크 객체 영역이 라벨링된 것을 예시하는 도면이다. 도 6에서 마크 객체 영역은 원 영역(231)과 십자가 영역(232)으로 분리되어 라벨링되어 있다.

중심점 결정부(140)는 라벨링부(130)에서 라벨링된 영역의 총 수에 따라 소정의 방법에 의해 마크 영상의 중심점을 결정한다.

라벨링된 영역의 총 수가 0개이면 중심점 결정부(140)는 입력 영상 자체가 잘못된 경우이므로 카메라(110)를 통해 다시 얼라인 마크를 촬영한 후 이진 영상 변환부(120)에 입력하도록 한다.

라벨링된 영역의 총 수가 3개 이상이면 이미지 프로세싱 과정 중에 작은 크기의 노이즈가 남아 있는 경우로 볼 수 있다. 따라서 중심점 결정부(140)는 노이즈 제거부(150)를 통해 소정 크기보다 작은 노이즈를 제거하도록 한다. 실험적으로 마크 영상의 크기 값을 미리 알 수 있으므로 라벨링된 영역 중에서 마크 영상의 크기 값보다 작은 영역을 제거할 수 있다. 특히 패널 마크와 마스크 마크 중에 작은 쪽보다 작은 라벨링 영역은 노이즈로 보아 제거하는 것이 바람직하다.

라벨링된 영역의 총 수가 2개이면 라벨링된 두개의 영역(231, 232)이 마스크에 새겨진 얼라인 마크에 대응하는 마크 영상(이하, '제1 마크 영상'이라 함)과 패널에 새겨진 얼라인 마크에 대응하는 마크 영상(이하 '제2 마크 영상'이라 함)으로 볼 수 있다. 따라서 중심점 결정부(140)는 아래 수학식 1로 나타낸 면적 중심법을 이용하여 제1 마크 영상의 중심점과 제2 마크 영상의 중심점을 결정할 수 있다.

여기서 X_i, Y_i 는 마크 영상 영역 내부의 i번째 픽셀의 x, y 좌표를 나타내고, n은 마크 영역을 이루고 있는 픽셀들의 총 개수이다.

라벨링된 영역의 총 수가 1개이면 라벨링된 영역에 제1 마크 영상과 제2 마크 영상이 겹쳐 있는 것으로 볼 수 있다. 따라서 중심점 결정부(140)는 아래에서 설명하는 본 발명에 따른 기하학적 특징 픽셀 알고리즘에 의해 마크 영상의 중심점을 결정한다.

일반적으로 얼라인먼트 시스템에서 사용되는 마크 모양은 복잡한 모양이 아닌 원, 십자, 사각형 등과 같은 단순한 모양이 사용된다. 이러한 도형을 영상으로 옮기게 되면 그 도형을 대표할 수 있는 특징 픽셀(feature pixel)을 설정할 수 있다. 예를 들면, 도 7에 도시한 바와 같이 원형 마크 영상(310)에서는 원의 중심으로부터 반지름 길이만큼 떨어져 있는 밝기값 '255'를 가지는 8개의 픽셀들이 특징 픽셀로 설정될 수 있다. 마찬가지로 십자 마크 영상(320)에서는 5개의 픽셀들이 특징 픽셀로 설정될 수 있다. 실시예에 따라 원형 마크와 십자 마크에 대한 특징 픽셀들은 여기서 예시한 것과 다르게 설정될 수 있으며 마크 영상도 원형과 십자가 아닌 다른 모양이 사용될 수 있음은 물론이다.

중심점 결정부(140)는 이진 영상(220)에 특징 픽셀들을 매칭 스캔하면서 모든 특징 픽셀들이 마크 객체 영역(221)에 포함되는 경우를 찾아 낸다. 예컨대 원형 마크 영상(310)의 특징 픽셀들을 이진 영상(220)에 좌상측으로부터 우하측으로 매칭 스캔해가면서 특징 픽셀들의 밝기값이 모두 '255'일 때의 특징 픽셀들의 중심점을 구하면 원형 마크의 중심점을 구할 수 있다. 그런데 실제 마크 영상은 두께를 가지고 있기 때문에 특징 픽셀들을 이진 영상에 매칭 스캔해가면서 모든 특징 픽셀들의 밝기값이 '255'가 될 때마다 특징 픽셀들의 좌표를 스택(stack:미도시)에 저장하고 매칭이 끝난 후 그 좌표들의 평균값으로부터 마크 영상의 중심점을 구하는 것이 바람직하다.

한편 마스크와 패널을 프리얼라인먼트(pre-alignment)시켜서 이진 영상 내부에 마크 영상이 모두 포함되어 있는 것으로 가정하면 본 발명에 따른 기하학적 특징 픽셀 알고리즘을 적용하여 특징 픽셀과 이진 영상을 매칭해야 하는 영역을 줄일 수 있다. 이하 도 8를 참조하여 매칭 영역이 줄어드는 것에 대해 설명한다

도 8(a)는 이진 영상과 원형 마크 영상의 매칭 영역을 나타낸 도면이고, 도 8(b)는 이진 영상과 십자 마크 영상의 매칭 영역을 나타낸 도면이다.

먼저 도 8(a)를 참조하여 원형 마크에 대해서 설명하면, 이진 영상(220) 내부에 원형 마크 영상(420)이 모두 포함되어 있다고 가정하였으므로 특징 픽셀이 이진 영상(220)의 범위를 벗어난 경우(410)에 대해서는 매칭을 할 필요가 없으며 특 징 픽셀이 이진 영상(220)에 모두 포함된 경우(420)에 대해서만 매칭을 수행하면 된다. 따라서 매칭 영역(Ao)의 크기는 (M-2R)×(N-2R)으로 작게 된다. 마찬가지로 십자 마크에 대해서도 도 8(b)에 나타낸 바와 같이 매칭 영역(A+)의 크기는 (M-2D)×(N-2D)로 작게 된다.

한편 본 알고리즘은 마크 영상이 서로 겹쳐져 있는 경우에 수행되므로 먼저 하나의 마크에 대해 중심점이 구해지면 다른 마크에 대해서는 먼저 중심점이 구해진 마크와 겹쳐질 수 있는 영역에 대해서만 매칭을 수행하면 된다. 예컨대, 원형 마크의 중심점이 먼저 구해졌다고 하면 십자 마크에 대해서는 원형 마크의 중심점을 중심으로 하는 '2(R+L)×2(R+L)'의 크기를 가지는 매칭 영역에 대해서만 매칭하면 된다. 이와 같이 본 알고리즘에 의하면 입력 영상 전체에 대해서 마크 영상을 매칭할 필요가 없기 때문에 계산 시간이 대폭 줄어들게 된다.

도 9를 참조하면, 먼저 머신 비전 시스템은 마스크와 패널에 각각 새겨진 얼라인 마크들이 촬영된 입력 영상을 획득한다(S910).

다음으로 머신 비전 시스템은 입력 영상을 마크 객체 영역과 배경이 분리된 이진 영상으로 변환한다(S920). 단계(S920)에 대해서 보다 자세히 설명하면, 먼저 입력 영상에 Bottom-Hat 변환을 수행하여 마크 객체 영역을 제외한 배경의 밝기가 일정한 영상을 얻는다(S921). 다음으로 반복법(Iteration Method)에 의한 동적 이진화 알고리즘을 적용하여 마크 객체 영역과 배경을 분리할 수 있는 문턱치(threshold)를 구하고 그 문턱치에 의한 이진화를 수행하여 마크 객체 영역과 배경이 분리된 이진 영상을 얻는다(S923). 이후 열림닫힘 모폴로지(Opening Closing Morphology)를 이용하여 이진 영상에서 불필요한 노이즈를 제거한다(S925).

다음으로 머신 비전 시스템은 이진 영상에 포함된 마크 객체 영역을 라벨링 알고리즘을 통해 분리하여 라벨링한다(S930).

이후 머신 비전 시스템은 라벨링된 영역의 총 수를 판정한다(S940).

라벨링된 영역의 총 수가 0개이면 입력 영상 자체가 잘못된 경우이므로 카메라를 통해 다시 얼라인 마크를 촬영하여(S910) 상기 과정을 반복한다.

라벨링된 영역의 총 수가 3개 이상이면 이미지 프로세싱 과정 중에 작은 크기의 노이즈가 남아 있는 경우이므로 마크 영상의 크기 값보다 작은 영역을 제거하고(S950) 다시 라벨링된 영역의 총 수를 판정한다(S940).

라벨링된 영역의 총 수가 1개이면 상기한 기하학적 특징 픽셀 알고리즘을 이용하여 각 마크 영상에 대한 중심점을 구한다(S960).

라벨링된 영역의 총 수가 2개이면 면적 중심법을 이용하여 라벨링된 두개의 영역의 중심점을 각각 구한다(S970).

본 발명의 실시예는 다양한 컴퓨터로 구현되는 동작을 수행하기 위한 프로그램 명령을 포함하는 컴퓨터로 읽을 수 있는 매체를 포함한다. 이 매체는 지금까지 설명한 것과 같이 본 발명의 실시예에 따른 마크 머신 비전 인식 방법을 실행시키기 위한 프로그램 또는 프로세스를 기록한다. 이 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 이러한 매체의 예에는 하드디스크, 플로피디스크 및 자기 테이프와 같은 자기 매체, CD 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 자기-광 매체, 롬, 램, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 구성된 하드웨어 장치 등이 있다. 또는 이러한 매체는 프로그램 명령, 데이터 구조 등을 지정하는 신호를 전송하는 반송파를 포함하는 광 또는 금속선, 도파관 등의 전송 매체일 수 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.

이상에서 본 발명의 바람직한 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

이와 같이 본 발명에 의하면, 조명 변화, 입력 영상의 회전 변화 및 외부 노이즈에 보다 영향을 적게 받으면서 마크 영상의 중심점을 고속으로 신뢰성 있게 계산해낼 수 있다.

Claims

입력 영상을 마크 객체 영역과 배경이 분리된 이진 영상으로 변환하는 단계와,

상기 마크 객체 영역을 라벨링하는 단계와, 그리고

상기 마크 객체 영역에서 라벨링된 영역의 수가 1개인 경우 제1 마크 영상에 대응하는 제1 특징점 픽셀들과 제2 마크 영상에 대응하는 제2 특징점 픽셀들을 이용하여 상기 제1 마크 영상의 중심점과 상기 제2 마크 영상의 중심점을 결정하는 단계를 포함하는 얼라인 마크 인식 방법.
제 1 항에 있어서,

상기 제1 마크 영상 및 제2 마크 영상의 중심점을 결정하는 단계는,

상기 마크 객체 영역에 상기 제1 특징점 픽셀들이 모두 포함될 때 상기 제1 특징점 픽셀들의 좌표의 평균값을 상기 제1 마크 영상의 중심점으로 결정하는 단계 및, 상기 제2 특징점 픽셀들이 상기 마크 객체 영역에 모두 포함될 때 상기 제2 특징점 픽셀들의 좌표의 평균값을 상기 제2 마크 영상의 중심점으로 결정하는 단계를 포함하는 얼라인 마크 인식 방법.
제 1 항에 있어서,

상기 라벨링된 영역의 수가 2개인 경우 라벨링된 영역 별로 면적 중심법을 적용하여 상기 제1 마크 영상의 중심점과 상기 제2 마크 영상의 중심점을 구하는 단계를 더 포함하는 얼라인 마크 인식 방법.
제 1 항에 있어서,

상기 라벨링된 영역의 수가 3개 이상인 경우 상기 라벨링된 영역 중에서 소정 크기보다 작은 영역을 제거하는 단계를 더 포함하는 얼라인 마크 인식 방법.
제 4 항에 있어서,

상기 소정 크기는 상기 제1 및 제2 마크 영상의 크기 중 작은 쪽의 크기인 얼라인 마크 인식 방법.
제 1 항에 있어서,

상기 이진 영상 변환 단계는,

상기 입력 영상에 대해 보톰-햇(bottom-Hat)변환을 수행하는 단계와, 그리고

상기 보톰-햇 변환된 영상에서 상기 마크 객체 영역과 상기 배경을 분리할 수 있는 문턱치를 구하고, 상기 문턱치에 의한 이진화를 수행하여 상기 마크 객체 영역과 상기 배경으로 분리된 상기 이진 영상으로 변환하는 단계를 포함하는 얼라인 마크 인식 방법.
입력 영상을 마크 객체 영역과 배경이 분리된 이진 영상으로 변환하는 이진 영상 변환부와,

상기 마크 객체 영역을 라벨링하는 라벨링부와, 그리고

상기 마크 객체 영역에서 라벨링된 영역의 수가 1개인 경우 제1 마크 영상에 대응하는 제1 특징점 픽셀들과 제2 마크 영상에 대응하는 제2 특징점 픽셀들을 이용하여 상기 제1 마크 영상의 중심점과 상기 제2 마크 영상의 중심점을 결정하는 중심점 결정부를 포함하는 얼라인 마크 인식 머신 비전 시스템.
제 7 항에 있어서,

상기 중심점 결정부는,

상기 제1 특징점 픽셀들이 상기 마크 객체 영역에 모두 포함될 때 상기 제1 특징점 픽셀들의 좌표의 평균값을 상기 제1 마크 영상의 중심점으로 결정하고, 상기 제2 특징점 픽셀들이 상기 마크 객체 영역에 모두 포함될 때 상기 제2 특징점 픽셀들의 좌표의 평균값을 상기 제2 마크 영상의 중심점으로 결정하는 얼라인 마크 인식 머신 비전 시스템.
제 7 항에 있어서,

상기 중심점 결정부는,

상기 라벨링된 영역의 수가 2개인 경우 라벨링된 영역 별로 면적 중심법을 적용하여 상기 제1 마크 영상의 중심점과 상기 제2 마크 영상의 중심점을 구하는 얼라인 마크 인식 머신 비전 시스템.
제 7 항에 있어서,

상기 중심점 결정부는,

상기 라벨링된 영역의 수가 3개 이상인 경우 상기 라벨링된 영역 중에서 소정 크기보다 작은 영역을 제거하는 얼라인 마크 인식 머신 비전 시스템.
제 10 항에 있어서,

상기 소정 크기는 실험적으로 구해진 상기 제1 및 제2 마크 영상의 크기 중 작은 쪽의 크기인 얼라인 마크 인식 머신 비전 시스템.
제 7 항에 있어서,

상기 이진 영상 변환부는,

상기 입력 영상에 대해 보톰-햇(bottom-Hat)변환을 수행하는 보톰-햇 변환부와, 그리고 상기 보톰-햇 변환된 영상에서 상기 마크 객체 영역과 상기 배경을 분리할 수 있는 문턱치를 구하고, 상기 문턱치에 의한 이진화를 수행하여 상기 마크 객체 영역과 상기 배경으로 분리된 상기 이진 영상으로 변환하는 이진화 수행부를 포함하는 얼라인 마크 인식 머신 비전 시스템.
컴퓨터에 제1항 내지 제6항 중 어느 한 항의 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 매체.