TW201317729A - 產品局部對齊方法及系統 - Google Patents
產品局部對齊方法及系統 Download PDFInfo
- Publication number
- TW201317729A TW201317729A TW100139884A TW100139884A TW201317729A TW 201317729 A TW201317729 A TW 201317729A TW 100139884 A TW100139884 A TW 100139884A TW 100139884 A TW100139884 A TW 100139884A TW 201317729 A TW201317729 A TW 201317729A
- Authority
- TW
- Taiwan
- Prior art keywords
- moving object
- feature element
- theoretical
- value
- feature
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 239000011159 matrix material Substances 0.000 claims abstract description 35
- 239000000284 extract Substances 0.000 claims description 7
- 238000012804 iterative process Methods 0.000 claims 1
- 238000012360 testing method Methods 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 3
- 238000004091 panning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
- G06T3/147—Transformations for image registration, e.g. adjusting or mapping for alignment of images using affine transformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration 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)
- Image Analysis (AREA)
- Navigation (AREA)
Abstract
一種產品局部對齊方法及系統,該系統用於:獲取構成移動對象的三角形資料,並從中擬合出移動對象的特徵元素;將移動對象與理論對象的特徵元素進行匹配;根據移動對象特徵元素中心點的位置和在理論對象中所匹配的特徵元素中心點的位置對移動對象進行初步定位;利用擬牛頓迭代方法進行精確迭代,輸出移動對象的平移旋轉矩陣;根據所述平移旋轉矩陣對初步定位的移動對象進行平移旋轉,使所述初步定位的移動對象與理論對象對齊。本發明可以快速將待測產品局部與理論對象進行精確對齊。
Description
本發明涉及一種對齊方法及系統,尤其是涉及一種產品局部對齊方法及系統。
在進行產品檢測時,有時需對產品局部進行檢測,要將該產品局部與理論對象進行對齊。現有的對齊過程的主要缺點有:在整個產品理論對象有多處與需檢測局部(移動對象)相似的情況下,可能無法準確完成移動對象的對齊操作;直接根據產品理論對象中心及移動對象中心計算平移矩陣,將移動對象平移到產品理論對象中心進行粗略對齊,偏移較大,無法得到好的對齊效果;對齊速度慢。
鑒於以上內容,有必要提供一種產品局部對齊方法及系統,可以快速將待測產品局部與理論對象進行精確對齊。
所述產品局部對齊方法包括:輸入步驟:輸入理論對象與移動對象,所述理論對象為待測產品的標準圖像或者樣品掃描圖像,所述移動對象為所述待測產品需檢測的局部掃描圖像;擬合步驟:獲取構成移動對象的三角形資料,並從該三角形資料中擬合出該移動對象的特徵元素;匹配步驟:將移動對象的特徵元素與理論對象的特徵元素進行匹配,提取移動對象的特徵元素在理論對象中所匹配的特徵元素;定位步驟:根據移動對象特徵元素中心點的位置和在理論對象中所匹配的特徵元素中心點的位置對移動對象進行初步定位;迭代步驟:利用擬牛頓迭代方法對初步定位的移動對象的位置進行精確迭代,輸出移動對象的平移旋轉矩陣;及更新步驟:根據所述平移旋轉矩陣對初步定位的移動對象進行平移旋轉,使所述初步定位的移動對象與理論對象對齊。
所述產品局部對齊系統包括:輸入模組,用於輸入理論對象與移動對象,所述理論對象為待測產品的標準圖像或者樣品掃描圖像,所述移動對象為所述待測產品需檢測的局部掃描圖像;擬合模組,用於獲取構成移動對象的三角形資料,並從該三角形資料中擬合出該移動對象的特徵元素;匹配模組,用於將移動對象的特徵元素與理論對象的特徵元素進行匹配,提取移動對象的特徵元素在理論對象中所匹配的特徵元素;定位模組,用於根據移動對象特徵元素中心點的位置和在理論對象中所匹配的特徵元素中心點的位置對移動對象進行初步定位;迭代模組,用於利用擬牛頓迭代方法對初步定位的移動對象的位置進行精迭代,輸出移動對象的平移旋轉矩陣;及更新模組,用於根據所述平移旋轉矩陣對初步定位的移動對象進行平移旋轉,使所述初步定位的移動對象與理論對象對齊。
相較於習知技術,本發明所述之產品局部對齊方法及系統,可以將移動對象(即待測產品局部)與理論對象的特徵元素進行匹配,排除理論對象中其他相似的特徵元素,並對所述移動對象進行較為準確的初步定位;在該初步定位的基礎上,再使用擬牛頓迭代方法進行精確迭代,使所述初步定位的移動對象與理論對象對齊,則對齊速度更快,對齊效果也更加精確。
參閱圖1所示,係為本發明產品局部對齊系統較佳實施方式之應用環境圖。所述產品局部對齊系統10運行於測試伺服器1中,所述測試伺服器1中還包括儲存器20。所述測試伺服器1連接於測試機台2,所述測試機台2用於測試待測產品30。
所述產品局部對齊系統10用於在需要對所述待測產品30的局部進行檢測時,將該待測產品30的局部移動對象(以下簡稱為“移動對象”)與該待測產品30的整個理論對象(以下簡稱為“理論對象”)進行對齊。所述理論對象為所述待測產品30的標準圖像或者樣品掃描圖像,所述移動對象為所述待測產品30需檢測的局部掃描圖像。參閱圖2所示,圖中右上角的局部掃描圖像為移動對象,左側的圖像為理論對象。
所述儲存器20用於儲存所述移動對象和理論對象,以及理論對象的特徵元素列表。
參閱圖3所示,係為本發明產品局部對齊系統較佳實施方式之功能模組圖。
所述產品局部對齊系統10包括輸入模組100、擬合模組200、匹配模組300、定位模組400、迭代模組500及更新模組600。
所述輸入模組100用於輸入理論對象與移動對象。所述輸入可以為從所述儲存器20中讀取理論對象與移動對象,或者直接讀取從所述測試機台2上傳輸的移動對象。
所述擬合模組200用於獲取構成移動對象的三角形資料(參閱圖4A所示),並從該三角形資料中擬合出該移動對象的特徵元素。所述擬合模組200遍曆移動對象所有的三角形,提取所有只使用過一次的邊,並將該只使用過一次的邊所對應的點輸出(參閱圖4B所示)。所有連接在一起的只使用過一次的邊所對應的點構成一個點集,該點集為所述移動對象的邊界邊。將輸出的所有點擬合成特徵元素,可以分別擬合線、面、圓、圓球、圓錐、圓柱等,如果擬合成的特徵元素最小值小於擬合公差,則表明該擬合特徵元素符合要求,輸出該擬合特徵元素。參閱圖5所示,圖中各點到理想圓的距離小於所述擬合公差,則圖中各點擬合成的圓為所述移動對象的特徵元素。
所述匹配模組300用於將移動對象的特徵元素與理論對象的特徵元素進行匹配。所述匹配模組300遍曆理論對象的特徵元素列表,根據輸出的移動對象的特徵元素的屬性及各特徵元素之間的位置關係,在理論對象特徵元素列表中進行特徵匹配,提取移動對象的特徵元素在理論對象中所匹配的特徵元素。例如移動對象的特徵元素及理論對象的特徵元素列表中均含有一個直徑3mm的圓孔、一個直徑4mm的圓孔和一個直徑4.5mm的圓孔,並且所述直徑3mm的圓孔與直徑4mm的圓孔的距離均為8mm,直徑3mm的圓孔與直徑4.5mm的圓孔的距離均為9mm,直徑4mm的圓孔與直徑4.5mm的圓孔的距離均為10mm,則移動對象中的該三個圓孔與理論對象中的該三個圓孔可以匹配。參閱圖6所示,移動對象中有三個圓孔,理論對象在框線內所示的部分也有三個圓孔,且該三個圓孔的大小、位置關係等與移動對象中相同,則移動對象中的該三個圓孔與理論對象中的該三個圓孔可以匹配。
所述定位模組400用於根據移動對象特徵元素中心點的位置和在理論對象中所匹配的特徵元素中心點的位置對移動對象進行初步定位。所述定位模組400首先分別得到移動對象特徵元素及在理論對象中所匹配的特徵元素的最大包圍盒。
其中,移動對象特徵元素的最大包圍盒boxMov為:
移動對象特徵元素中所有點的座標分別取X軸最小值pt1Min.x、Y軸最小值pt1Min.y、Z軸最小值pt1Min.z、X軸最大值pt1Max.x、Y軸最大值pt1Max.y、Z軸最大值pt1Max.z賦值給boxMov(pt1Min.x,pt1Min.y,pt1Min.z,pt1Max.x,pt1Max.y,pt1Max.z)。
在理論對象中所匹配的特徵元素的最大包圍盒boxRef為:
在理論對象中所匹配的特徵元素中所有點的座標分別取X軸最小值pt2Min.x、Y軸最小值pt2Min.y、Z軸最小值pt2Min.z、X軸最大值pt2Max.x、Y軸最大值pt2Max.y、Z軸最大值pt2Max.z賦值給boxRef(pt2Min.x,pt2Min.y,pt2Min.z,pt2Max.x,pt2Max.y,pt2Max.z)。
然後根據移動對象特徵元素最大包圍盒的中心點與在理論對象中所匹配的特徵元素最大包圍盒的中心點的位置,計算迭代初始參數P[6],得到移動對象初始平移矩陣,根據該初始平移矩陣對所述移動對象進行初步定位。參閱圖7所示,圖中的長方體所示為該移動對象特徵元素的最大包圍盒,中間的圓點所示為該最大包圍盒的中心點。
所述迭代初始參數P[6]為一個包含6個數值的陣列,其中:
P[0]=CenMov[0]-CenRef[0],其中CenMov[0]為移動對象特徵元素最大包圍盒的中心點在X軸的座標值,CenRef[0]為在理論對象中所匹配的特徵元素最大包圍盒的中心點在X軸的座標值;
P[1]=CenMov[1]-CenRef[1],其中CenMov[1]為移動對象特徵元素最大包圍盒的中心點在Y軸的座標值,CenRef[1]為在理論對象中所匹配的特徵元素最大包圍盒的中心點在Y軸的座標值;
P[2]=CenMov[2]-CenRef[2],其中CenMov[2]為移動對象特徵元素最大包圍盒的中心點在Z軸的座標值,CenRef[2]為在理論對象中所匹配的特徵元素最大包圍盒的中心點在Z軸的座標值;
P[3]為移動對象特徵元素最大包圍盒的中心點與在理論對象中所匹配的特徵元素最大包圍盒的中心點連成的線與X軸的夾角;
P[4]為移動對象特徵元素最大包圍盒的中心點與在理論對象中所匹配的特徵元素最大包圍盒的中心點連成的線與Y軸的夾角;
P[5]為移動對象特徵元素最大包圍盒的中心點與在理論對象中所匹配的特徵元素最大包圍盒的中心點連成的線與Z軸的夾角。
其中P[0]、P[1]、P[2]構成移動對象初始平移矩陣。
參閱圖8所示,係為圖2中的移動對象按照該初始平移矩陣平移之後之示意圖。
值得注意的是,在其他實施方式中,所述移動對象可能無法擬合出特徵元素,此時可以指定用該移動對象的外邊界作為特徵元素來進行初步定位。
所述迭代模組500用於利用擬牛頓迭代方法對初步定位的移動對象的位置進行精確迭代,輸出移動對象的平移旋轉矩陣,具體過程參閱圖11的描述。
所述更新模組600用於根據所述平移旋轉矩陣對初步定位的移動對象進行平移旋轉,使所述初步定位的移動對象與理論對象對齊。
參閱圖9所示,係為圖8中的初步定位的移動對象與理論對象對齊之後之示意圖。
參閱圖10所示,係為本發明產品局部對齊方法較佳實施方式之流程圖。
步驟S10,所述輸入模組100輸入理論對象與移動對象。所述輸入可以為從所述儲存器20中讀取理論對象與移動對象,或者直接讀取從所述測試機台2上傳輸的移動對象。
步驟S12,所述擬合模組200獲取構成移動對象的三角形資料,並從該三角形資料中擬合出該移動對象的特徵元素。所述擬合模組200遍曆移動對象所有的三角形,提取所有只使用過一次的邊,並將該只使用過一次的邊所對應的點輸出。所有連接在一起的只使用過一次的邊所對應的點構成一個點集,該點集為所述移動對象的邊界邊。將輸出的所有點擬合成特徵元素,可以分別擬合線、面、圓、圓球、圓錐、圓柱等,如果擬合成的特徵元素最小值小於擬合公差,則表明該擬合特徵元素符合要求,輸出該擬合特徵元素。
步驟S14,所述匹配模組300將移動對象的特徵元素與理論對象的特徵元素進行匹配。所述匹配模組300遍曆理論對象的特徵元素列表,根據輸出的移動對象的特徵元素的屬性及各特徵元素之間的位置關係,在理論對象特徵元素列表中進行特徵匹配,提取移動對象的特徵元素在理論對象中所匹配的特徵元素。
步驟S16,所述定位模組400根據移動對象特徵元素中心點的位置和在理論對象中所匹配的特徵元素中心點的位置對移動對象進行初步定位。所述定位模組400首先分別得到移動對象特徵元素及在理論對象中所匹配的特徵元素的最大包圍盒。
其中,移動對象特徵元素的最大包圍盒boxMov為:
移動對象特徵元素中所有點的座標分別取X軸最小值pt1Min.x、Y軸最小值pt1Min.y、Z軸最小值pt1Min.z、X軸最大值pt1Max.x、Y軸最大值pt1Max.y、Z軸最大值pt1Max.z賦值給boxMov(pt1Min.x,pt1Min.y,pt1Min.z,pt1Max.x,pt1Max.y,pt1Max.z)。
在理論對象中所匹配的特徵元素的最大包圍盒boxRef為:
在理論對象中所匹配的特徵元素中所有點的座標分別取X軸最小值pt2Min.x、Y軸最小值pt2Min.y、Z軸最小值pt2Min.z、X軸最大值pt2Max.x、Y軸最大值pt2Max.y、Z軸最大值pt2Max.z賦值給boxRef(pt2Min.x,pt2Min.y,pt2Min.z,pt2Max.x,pt2Max.y,pt2Max.z)。
然後根據移動對象特徵元素最大包圍盒的中心點與在理論對象中所匹配的特徵元素最大包圍盒的中心點的位置,計算迭代初始參數P[6],得到移動對象初始平移矩陣,根據該初始平移矩陣對所述移動對象進行初步定位。
所述迭代初始參數P[6]為一個包含6個數值的陣列,其中:
P[0]=CenMov[0]-CenRef[0],其中CenMov[0]為移動對象特徵元素最大包圍盒的中心點在X軸的座標值,CenRef[0]為在理論對象中所匹配的特徵元素最大包圍盒的中心點在X軸的座標值;
P[1]=CenMov[1]-CenRef[1],其中CenMov[1]為移動對象特徵元素最大包圍盒的中心點在Y軸的座標值,CenRef[1]為在理論對象中所匹配的特徵元素最大包圍盒的中心點在Y軸的座標值;
P[2]=CenMov[2]-CenRef[2],其中CenMov[2]為移動對象特徵元素最大包圍盒的中心點在Z軸的座標值,CenRef[2]為在理論對象中所匹配的特徵元素最大包圍盒的中心點在Z軸的座標值;
P[3]為移動對象特徵元素最大包圍盒的中心點與在理論對象中所匹配的特徵元素最大包圍盒的中心點連成的線與X軸的夾角;
P[4]為移動對象特徵元素最大包圍盒的中心點與在理論對象中所匹配的特徵元素最大包圍盒的中心點連成的線與Y軸的夾角;
P[5]為移動對象特徵元素最大包圍盒的中心點與在理論對象中所匹配的特徵元素最大包圍盒的中心點連成的線與Z軸的夾角。
其中P[0]、P[1]、P[2]構成移動對象初始平移矩陣。
值得注意的是,在其他實施方式中,所述移動對象可能無法擬合出特徵元素,此時可以指定用該移動對象的外邊界作為特徵元素來進行初步定位。
步驟S18,所述迭代模組500利用擬牛頓迭代方法對初步定位的移動對象的位置進行精確迭代,輸出移動對象的平移旋轉矩陣,具體過程參閱圖11的描述。
步驟S20,所述更新模組600根據所述平移旋轉矩陣對初步定位的移動對象進行平移旋轉,使所述初步定位的移動對象與理論對象對齊。
參閱圖11所示,係為圖10中步驟S18的之具體流程圖。
步驟S100,獲取所述迭代初始參數P[6]。
步驟S102,計算迭代函數f(x)的值:
其中:
n為所述移動對象特徵元素中所有點的個數,X2、Y2、Z2分別為所述移動對象特徵元素在當前位置時各個點在X軸、Y軸、Z軸的座標值,X1、Y1、Z1分別為在理論對象中所匹配的特徵元素各個點在X軸、Y軸、Z軸的座標值。
步驟S104,判斷計算出的迭代函數f(x)的值是否小於預先設定的最小值FunX。若迭代函數f(x)的值小於FunX,則執行步驟S114;若迭代函數f(x)的值大於或等於FunX,則執行步驟S106。
步驟S106,計算移動對象當前位置的下降方向。當所述移動對象在某一方向移動一步(如移動預先設定的距離D)之後計算出的迭代函數f(x)的值小於移動之前計算出的迭代函數f(x)的值時,判斷該方向即為所述移動對象當前位置的下降方向,下一步將所述移動對象沿該下降方向繼續移動;當所述移動對象在某一方向移動一步之後計算出的迭代函數f(x)的值大於或等於移動之前計算出的迭代函數f(x)的值時,判斷該方向不是移動對象當前位置的下降方向,換個方向繼續移動。第一次計算下降方向時,可以先取任意方向。
步驟S108,判斷移動對象當前位置是否存在下降方向。若存在下降方向,則執行步驟S110;若不存在下降方向,則執行步驟S114。
步驟S110,將移動對象在所述下降方向上移動距離D,計算移動之後的迭代函數f(x+1)。
步驟S112,判斷移動之後的迭代函數f(x+1)的值是否小於移動之前的迭代函數f(x)的值。若移動之後的迭代函數f(x+1)的值小於移動之前的迭代函數f(x)的值,則重複執行步驟S110,繼續將移動對象在所述下降方向上移動距離D;若移動之後的迭代函數f(x+1)的值大於或等於移動之前的迭代函數f(x)的值,則返回步驟S106,重新計算移動對象當前位置的下降方向。
步驟S114,計算當前迭代參數Para[6],該當前迭代參數Para[6]為一個包含6個數值的陣列。其中,Para[0]為所述移動對象特徵元素在當前位置時各個點與X軸的距離,Para[1]為所述移動對象特徵元素在當前位置時各個點與Y軸的距離,Para[2]為所述移動對象特徵元素在當前位置時各個點與Z軸的距離,Para[3]為所述移動對象特徵元素在當前位置時各個點與在理論對象中所匹配的特徵元素的相應點連成的線與X軸的夾角,Para[4]為所述移動對象特徵元素在當前位置時各個點與在理論對象中所匹配的特徵元素的相應點連成的線與Y軸的夾角,Para[5]為所述移動對象特徵元素在當前位置時各個點與在理論對象中所匹配的特徵元素的相應點連成的線與Z軸的夾角。
步驟S116,輸出所述移動對象的平移旋轉矩陣Matrix:
Matrix=Move*(Move2*(Mat*moveX1)),其中:
Mat=Move1*MatX*MatY*MatZ
所述矩陣中的Center[0]、Center[1]、Center[2]分別為所述移動對象特徵元素在當前位置時的中心點在X軸、Y軸、Z軸的座標值;angleX=Para[3]*π/180,angleY=Para[4]*π/180,angleZ=Para[5]*π/180,其中,π為圓周率。
使用本發明產品局部對齊方法及系統,可以首先擬合移動對象的特徵元素,然後將移動對象的特徵元素與理論對象的特徵元素進行匹配,排除理論對象中其他相似的特徵元素,並根據相匹配的特徵元素中心點的位置,對所述移動對象進行較為準確的初步定位;在該初步定位的基礎上,再使用擬牛頓迭代方法進行精確迭代,自動輸出移動對象的平移旋轉矩陣,根據所述平移旋轉矩陣使所述初步定位的移動對象與理論對象精確對齊,則對齊速度更快,對齊效果也更加精確。
綜上所述,本發明符合發明專利要件,爰依法提出專利申請。惟,以上所述者僅爲本發明之較佳實施方式,本發明之範圍並不以上述實施方式爲限,舉凡熟悉本案技藝之人士援依本發明之精神所作之等效修飾或變化,皆應涵蓋於以下申請專利範圍內。
1...測試伺服器
2...測試機台
10...產品局部對齊系統
20...儲存器
30...待測產品
100...輸入模組
200...擬合模組
300...匹配模組
400...定位模組
500...迭代模組
600...更新模組
圖1係為本發明產品局部對齊系統較佳實施方式之應用環境圖。
圖2係為本發明所對齊的移動對象及理論對象之示意圖。
圖3係為本發明產品局部對齊系統較佳實施方式之功能模組圖。
圖4A-4B係為本發明中三角形資料及邊界邊之示意圖。
圖5係為本發明中擬合特徵元素之示意圖。
圖6係為本發明中特徵元素匹配之示意圖。
圖7係為本發明中最大包圍盒及其中心點之示意圖。
圖8係為圖2中的移動對象按照平移矩陣平移之後之示意圖。
圖9係為圖8中的移動對象與理論對象對齊之後之示意圖。
圖10係為本發明產品局部對齊方法較佳實施方式之流程圖。
圖11係為圖10中步驟S18之具體流程圖。
10...產品局部對齊系統
100...輸入模組
200...擬合模組
300...匹配模組
400...定位模組
500...迭代模組
600...更新模組
Claims (10)
- 一種產品局部對齊方法,該方法包括:
輸入步驟:輸入理論對象與移動對象,所述理論對象為待測產品的標準圖像或者樣品掃描圖像,所述移動對象為所述待測產品需檢測的局部掃描圖像;
擬合步驟:獲取構成移動對象的三角形資料,並從該三角形資料中擬合出該移動對象的特徵元素;
匹配步驟:將移動對象的特徵元素與理論對象的特徵元素進行匹配,提取移動對象的特徵元素在理論對象中所匹配的特徵元素;
定位步驟:根據移動對象特徵元素中心點的位置和在理論對象中所匹配的特徵元素中心點的位置對移動對象進行初步定位;
迭代步驟:利用擬牛頓迭代方法對初步定位的移動對象的位置進行精確迭代,輸出移動對象的平移旋轉矩陣;及
更新步驟:根據所述平移旋轉矩陣對初步定位的移動對象進行平移旋轉,使所述初步定位的移動對象與理論對象對齊。 - 如申請專利範圍第1項所述之產品局部對齊方法,其中,所述擬合步驟具體包括:
遍曆移動對象所有的三角形,提取所有只使用過一次的邊,並將該只使用過一次的邊所對應的點輸出;
將輸出的所有點擬合成特徵元素;及
若擬合成的特徵元素最小值小於擬合公差,則輸出該特徵元素。 - 如申請專利範圍第1項所述之產品局部對齊方法,其中,所述匹配步驟具體包括:
遍曆理論對象的特徵元素列表;
根據移動對象的特徵元素的屬性及各特徵元素之間的位置關係,在理論對象特徵元素列表中進行特徵匹配;及
提取移動對象的特徵元素在理論對象中所匹配的特徵元素。 - 如申請專利範圍第1項所述之產品局部對齊方法,其中,所述定位步驟具體包括:
分別得到移動對象特徵元素的最大包圍盒及在理論對象中所匹配的特徵元素的最大包圍盒;
根據移動對象特徵元素最大包圍盒的中心點與在理論對象中所匹配的特徵元素最大包圍盒的中心點的位置,計算迭代初始參數,得到移動對象初始平移矩陣;及
根據該初始平移矩陣對所述移動對象進行初步定位。 - 如申請專利範圍第4項所述之產品局部對齊方法,其中,所述迭代步驟具體包括:
獲取迭代初始參數;
計算迭代函數f(x)的值;
判斷計算出的迭代函數f(x)的值是否小於預先設定的最小值;
當計算出的迭代函數f(x)的值大於或等於預先設定的最小值時,計算移動對象當前位置的下降方向;
判斷移動對象當前位置是否存在下降方向;
當存在下降方向時,將移動對象在所述下降方向上移動預先設定的距離D,計算移動之後的迭代函數f(x+1)的值;
當移動之後的迭代函數f(x+1)的值小於移動之前的迭代函數f(x)的值時,繼續將移動對象在所述下降方向上移動距離D,當移動之後的迭代函數f(x+1)的值大於或等於移動之前的迭代函數f(x)的值時,重新計算移動對象當前位置的下降方向;及
當計算出的迭代函數f(x)的值小於預先設定的最小值,或者移動對象當前位置不存在下降方向時,計算當前迭代參數,輸出所述移動對象的平移旋轉矩陣。 - 一種產品局部對齊系統,該系統包括:
輸入模組,用於輸入理論對象與移動對象,所述理論對象為待測產品的標準圖像或者樣品掃描圖像,所述移動對象為所述待測產品需檢測的局部掃描圖像;
擬合模組,用於獲取構成移動對象的三角形資料,並從該三角形資料中擬合出該移動對象的特徵元素;
匹配模組,用於將移動對象的特徵元素與理論對象的特徵元素進行匹配,提取移動對象的特徵元素在理論對象中所匹配的特徵元素;
定位模組,用於根據移動對象特徵元素中心點的位置和在理論對象中所匹配的特徵元素中心點的位置對移動對象進行初步定位;
迭代模組,用於利用擬牛頓迭代方法對初步定位的移動對象的位置進行精迭代,輸出移動對象的平移旋轉矩陣;及
更新模組,用於根據所述平移旋轉矩陣對初步定位的移動對象進行平移旋轉,使所述初步定位的移動對象與理論對象對齊。 - 如申請專利範圍第6項所述之產品局部對齊系統,其中,所述擬合模組的擬合過程具體包括:
遍曆移動對象所有的三角形,提取所有只使用過一次的邊,並將該只使用過一次的邊所對應的點輸出;
將輸出的所有點擬合成特徵元素;及
若擬合成的特徵元素最小值小於擬合公差,則輸出該特徵元素。 - 如申請專利範圍第6項所述之產品局部對齊系統,其中,所述匹配模組的匹配過程具體包括:
遍曆理論對象的特徵元素列表;
根據移動對象的特徵元素的屬性及各特徵元素之間的位置關係,在理論對象特徵元素列表中進行特徵匹配;及
提取移動對象的特徵元素在理論對象中所匹配的特徵元素。 - 如申請專利範圍第6項所述之產品局部對齊系統,其中,所述定位模組的定位過程具體包括:
分別得到移動對象特徵元素的最大包圍盒及在理論對象中所匹配的特徵元素的最大包圍盒;
根據移動對象特徵元素最大包圍盒的中心點與在理論對象中所匹配的特徵元素最大包圍盒的中心點的位置,計算迭代初始參數,得到移動對象初始平移矩陣;及
根據該初始平移矩陣對所述移動對象進行初步定位。 - 如申請專利範圍第9項所述之產品局部對齊系統,其中,所述迭代模組的迭代過程具體包括:
獲取迭代初始參數;
計算迭代函數f(x)的值;
判斷計算出的迭代函數f(x)的值是否小於預先設定的最小值;
當計算出的迭代函數f(x)的值大於或等於預先設定的最小值時,計算移動對象當前位置的下降方向;
判斷移動對象當前位置是否存在下降方向;
當存在下降方向時,將移動對象在所述下降方向上移動預先設定的距離D,計算移動之後的迭代函數f(x+1)的值;
當移動之後的迭代函數f(x+1)的值小於移動之前的迭代函數f(x)的值時,繼續將移動對象在所述下降方向上移動距離D,當移動之後的迭代函數f(x+1)的值大於或等於移動之前的迭代函數f(x)的值時,重新計算移動對象當前位置的下降方向;及
當計算出的迭代函數f(x)的值小於預先設定的最小值,或者移動對象當前位置不存在下降方向時,計算當前迭代參數,輸出所述移動對象的平移旋轉矩陣。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110338265.9A CN103093450B (zh) | 2011-10-31 | 2011-10-31 | 产品局部对齐方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201317729A true TW201317729A (zh) | 2013-05-01 |
TWI529509B TWI529509B (zh) | 2016-04-11 |
Family
ID=48172523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW100139884A TWI529509B (zh) | 2011-10-31 | 2011-11-02 | 產品局部對齊方法及系統 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8842902B2 (zh) |
CN (1) | CN103093450B (zh) |
TW (1) | TWI529509B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117113794B (zh) * | 2023-10-23 | 2024-01-26 | 之江实验室 | 磁约束带电粒子成像系统中反角度准直器的设计方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010049589A1 (en) * | 1993-01-21 | 2001-12-06 | Nikon Corporation | Alignment method and apparatus therefor |
JP3927353B2 (ja) * | 2000-06-15 | 2007-06-06 | 株式会社日立製作所 | 比較検査における画像の位置合せ方法、比較検査方法及び比較検査装置 |
US6542638B2 (en) * | 2001-02-21 | 2003-04-01 | Shannon Roy Campbell | Method for matching spatial patterns |
US7106891B2 (en) * | 2001-10-15 | 2006-09-12 | Insightful Corporation | System and method for determining convergence of image set registration |
US20050168460A1 (en) * | 2002-04-04 | 2005-08-04 | Anshuman Razdan | Three-dimensional digital library system |
TWI310142B (en) * | 2003-05-28 | 2009-05-21 | Hon Hai Prec Ind Co Ltd | Cad-based cav system and method |
JP4479999B2 (ja) * | 2004-05-20 | 2010-06-09 | 大日本スクリーン製造株式会社 | パターンマッチング用の図形選択支援装置、図形選択支援方法およびプログラム |
JP4143101B2 (ja) * | 2006-08-10 | 2008-09-03 | アドバンスド・マスク・インスペクション・テクノロジー株式会社 | 試料検査装置、画像位置合わせ方法、位置ずれ量推定方法及びプログラム |
US7885483B2 (en) * | 2006-11-24 | 2011-02-08 | National Synchrotron Radiation Research Center | Image alignment method |
CN100559398C (zh) * | 2007-06-19 | 2009-11-11 | 北京航空航天大学 | 自动的深度图像配准方法 |
CN101387506B (zh) * | 2007-09-14 | 2010-11-10 | 鸿富锦精密工业(深圳)有限公司 | 点云最优对齐方法 |
US20090232388A1 (en) * | 2008-03-12 | 2009-09-17 | Harris Corporation | Registration of 3d point cloud data by creation of filtered density images |
CN101635051B (zh) * | 2008-07-25 | 2012-08-29 | 鸿富锦精密工业(深圳)有限公司 | 边界元素提取方法及其计算机系统 |
CN101673312B (zh) * | 2008-09-08 | 2012-12-19 | 鸿富锦精密工业(深圳)有限公司 | 特征元素对齐方法 |
CN101871767B (zh) * | 2009-04-25 | 2012-05-30 | 鸿富锦精密工业(深圳)有限公司 | 零件形位公差检测系统及方法 |
US8571350B2 (en) * | 2010-08-26 | 2013-10-29 | Sony Corporation | Image processing system with image alignment mechanism and method of operation thereof |
US8554016B2 (en) * | 2010-11-10 | 2013-10-08 | Raytheon Company | Image registration system and method for registering images for deformable surfaces |
-
2011
- 2011-10-31 CN CN201110338265.9A patent/CN103093450B/zh not_active Expired - Fee Related
- 2011-11-02 TW TW100139884A patent/TWI529509B/zh active
-
2012
- 2012-10-25 US US13/659,992 patent/US8842902B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
US8842902B2 (en) | 2014-09-23 |
TWI529509B (zh) | 2016-04-11 |
CN103093450B (zh) | 2017-03-08 |
US20130108178A1 (en) | 2013-05-02 |
CN103093450A (zh) | 2013-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6807639B2 (ja) | 奥行きカメラを校正する方法 | |
EP3404612B1 (en) | Monitoring object shape and deviation from design | |
KR101604037B1 (ko) | 카메라와 레이저 스캔을 이용한 3차원 모델 생성 및 결함 분석 방법 | |
EP2737426B1 (en) | Coordinate measuring system data reduction | |
WO2014024579A1 (ja) | 光学データ処理装置、光学データ処理システム、光学データ処理方法、および光学データ処理用プログラム | |
JP2017182695A (ja) | 情報処理プログラム、情報処理方法および情報処理装置 | |
Murtiyoso et al. | Acquisition and processing protocols for UAV images: 3D modeling of historical buildings using photogrammetry | |
US20080030498A1 (en) | System and method for integrating dispersed point-clouds of multiple scans of an object | |
CN109272555B (zh) | 一种rgb-d相机的外部参数获得及标定方法 | |
Percoco et al. | Preliminary study on the 3D digitization of millimeter scale products by means of photogrammetry | |
US20210192705A1 (en) | Method for measuring hole provided in workpiece | |
KR20190007467A (ko) | 비전 시스템에 대한 캘리브레이션 | |
Ahmadabadian et al. | Stereo‐imaging network design for precise and dense 3D reconstruction | |
JP2017037460A (ja) | 加工システム及び加工方法 | |
TWI529509B (zh) | 產品局部對齊方法及系統 | |
Sánchez et al. | Fast and accurate mesh registration applied to in-line dimensional inspection processes | |
Aldelgawy et al. | Calibration of smartphone’s rear dual camera system | |
JP6906177B2 (ja) | 交点検出装置、カメラ校正システム、交点検出方法、カメラ校正方法、プログラムおよび記録媒体 | |
JP2016194896A (ja) | 自動的に生成された3次元スキャンデータの幾何形状を利用した検査対象物の検査方法 | |
CN111047677A (zh) | 一种多相机构建人体点云的方法及装置 | |
Dubreuil et al. | Calibration based on part set-up measurement for on-machine inspection using vision | |
Abzal et al. | Development of a new laser triangulation system based on an optical frame of reference | |
KR101967284B1 (ko) | 다중 영상 정렬 장치 및 방법 | |
US10339364B2 (en) | Apparatus and method for rejecting erroneous objects of extrusion in point cloud data | |
Cuesta et al. | Metrology Benchmarking of 3D Scanning Sensors Using a Ceramic GD&T-Based Artefact |