高密度封裝元器件的仿射變換模型參數(shù)估計方法
【專利摘要】本發(fā)明公開了一種高密度封裝元器件的仿射變換模型參數(shù)估計方法，包括以下步驟：S1、粗略仿射變換模型參數(shù)估計；采用SURF檢測子檢測關鍵點，建立Freak特征向量，根據(jù)特征向量進行關鍵點匹配；計算其變換模型M，判斷余下特征點對是否符合該模型；S2、采用最小能量亞像素法進行仿射變換模型參數(shù)修正；若tx,ty>10pixel或θ>10°，則根據(jù)上述粗略參數(shù)估計(tx,ty,θ)，對待估計參數(shù)圖像I(x,y)進行逆變換得到g(x,y)，計算g(x,y)與模板圖像f(x,y)的最小能量方程E，判斷E是否低于設定值，若否，進行下一次迭代；若是，則結束迭代過程，將tx'作為最終的x方向的平移參數(shù)、ty'作為最終的y方向的平移參數(shù)，θ'作為最終的旋轉(zhuǎn)角度。本發(fā)明實現(xiàn)了高精度亞像素級定位，并且對光照變換和噪聲具有很強的魯棒性。
【專利說明】高密度封裝元器件的仿射變換模型參數(shù)估計方法
【技術領域】
[0001]本發(fā)明涉及精密電子組裝中的圖像仿射變換參數(shù)估計領域，特別涉及一種高密度封裝元器件的仿射變換模型參數(shù)估計方法。
【背景技術】
[0002]SMT經(jīng)過50年的發(fā)展，已進入完全成熟的階段，影響通信、家電、計算機、網(wǎng)絡、航空、航天、航海等鄰域的產(chǎn)品水平，是當代電路組裝技術的主流，其相關設備和技術已經(jīng)成為發(fā)達國家先進技術保護戰(zhàn)略的一部分。視覺檢測是表面貼裝的必要工序，它將各種形狀各種規(guī)格的元器件從背景中分離出來，重點是精確地判斷元器件的位置和角度的偏移量，以便給準確貼裝提供高精度的位置和角度補償信息。因此，視覺檢測的精度決定了表面貼裝的質(zhì)量。目前，高速貼片機的貼裝速度已經(jīng)達到12.7萬片/小時，精度已經(jīng)達到了 10微米級。但是，對于新型元器件的貼裝合格率僅為80% - 90%，遠遠達不到實際生產(chǎn)的需求，給大規(guī)模的表面貼裝帶來了巨大的經(jīng)濟損失。
[0003]圖像配準技術是計算機視覺和模式識別的基本手段，在很多鄰域都有實際的應用價值，目前已在衛(wèi)星遙感、飛行器自動導航、機器人視覺、氣象云圖分析、醫(yī)學圖像處理等許多領域中得到了廣泛的應用。圖像配準的目的是對同一場景，攝于不同時間、不同視點或不同傳感器的兩幅圖像，建立~者直接的象素對應關系，確定將一幅圖像映射到另一幅圖像的幾何變換模型。由于圖像配準的任務與SMT視覺檢測任務是相同的，因此圖像配準技術是SMT視覺檢測系統(tǒng)的一個重要組成部門?；谔卣鞯膱D像配準方法不直接依賴于灰度、魯棒性好、抗干擾性強、計算量小，適用于SMT視覺檢測系統(tǒng)。在SMT視覺檢測系統(tǒng)中，圖像主要存在旋轉(zhuǎn)、平移等變換，因此在實際應用中采用仿射變換模型來估計元器件圖像間的幾何變換。
[0004]利用圖像配準技術進行仿射變換模型參數(shù)估計的基本步驟包括:1.特征點提??；
2.利用特征點鄰域信息建立特征描述子；3.利用特征描述子進行特征點匹配；4.由于匹配特征點中均存在誤匹配情況，需采用特征點提純方法剔除誤匹配對；5.利用余下的特征點對，采用仿射參數(shù)估計方法估計仿射變換模型參數(shù)。因此，特征點提取，特征描述子，匹配算法，剔除誤匹配算法，參數(shù)估計方法均對最終仿射變換模型參數(shù)估計準確性產(chǎn)生影響。
[0005]目前，采用流行的圖像配準方法運用于SMT元器件時，均存在嚴重的誤匹配對，這些誤匹配對的存在將嚴重影響仿射變換模型參數(shù)估計的準確性。采用最小二乘法進行仿射變換模型參數(shù)估計時，隨著圖像旋轉(zhuǎn)角度或平移量增大，累積誤差逐漸增大，估計參數(shù)偏離準確值越遠，無法滿足SMT的高精度要求。因此我們采用隨機抽樣一致性(Random SampleConsensus，簡稱RANSAC)方法剔除誤匹配對。同時當圖像存在大角度旋轉(zhuǎn)(以上)或大平移時，采用最小能量亞像素法進一步對仿射變換模型進行修正，從而實現(xiàn)精確地仿射變換模型參數(shù)估計。

【發(fā)明內(nèi)容】
[0006]本發(fā)明的目的在于克服現(xiàn)有技術的缺點與不足，提供一種高密度封裝元器件的仿射變換模型參數(shù)估計方法；利用圖像配準技術估計仿射變換模型參數(shù)，實現(xiàn)了高精度亞像素級參數(shù)估計。
[0007]本發(fā)明的目的通過下述技術方案實現(xiàn):
[0008]高密度封裝元器件的仿射變換模型參數(shù)估計方法，包括以下步驟:
[0009]S1、粗略仿射變換模型參數(shù)估計；采用SURF檢測子檢測關鍵點，建立Freak特征向量，根據(jù)特征向量進行關鍵點匹配；隨機選取4對匹配對，計算其變換模型M，判斷余下特征點對是否符合該模型，統(tǒng)計符合模型M的匹配點對數(shù)X，判斷X是否達到最大值或循環(huán)次數(shù)是否達到W次，若否，則重新選取4對匹配對，進行新一輪循環(huán)，若是，則剔除不符合當前模型M的特征點對；接著采用最小二乘法進行仿射變換模型參數(shù)估計(tx，ty，Θ)；
[0010]S2、采用最小能量亞像素法進行仿射變換模型參數(shù)修正；采用最小能量亞像素法進行仿射變換模型參數(shù)修正:若tx，ty>10piXel或θ>10°，則根據(jù)上述粗略參數(shù)估計(tx, ty, Θ ),對待估計參數(shù)圖像I (χ, y)進行逆變換得到g(x, y)，計算g(x, y)與模板圖像f(x，y)的最小能量方程E，對E求各階偏導并令其為0，求解變換參數(shù)(a，b，β);令tx’ =tx+a, ty’ =ty+b, Θ ’ = Θ + β，計算在變換關系(tx’，ty’，θ ’)下的能量E ;判斷E是否低于設定值，若否，進行下一次迭代；若是，則結束迭代過程，將tx’作為最終的X方向的平移參數(shù)、ty’作為最終的y方向的平移參數(shù)，Θ’作為最終的旋轉(zhuǎn)角度。
[0011]步驟SI具體為:
[0012]S1.1輸入待估計模型圖像I (x，y)與模板圖像f (x，y)，采用SURF檢測子檢測關鍵點，同時利用關鍵點鄰域信息建立Freak特征向量；
[0013]31.2對1(\7)、€(\7)中的關鍵點進行特征匹配，具體為:設馬、漢分別為圖
像I(x，y)和f(x，y)上關鍵點的特征向量；首先，求得特征向量D在圖像I(x，y)中的匹配
特征向量馬；再求特征向量A在圖像f(x，Y)中的匹配特征向量，若得到的匹配特征向量為
込，則旮、A為匹配的特征向量，馬、D2對應的關鍵點(Xl，yi)、(x2，y2)為匹配的關鍵點對；
[0014]S1.3采用隨機抽樣一致性方法剔除誤匹配對，設模板圖像f(x，y)和待估計模型圖像I(x，y)間有η對匹配的關鍵點對，模板圖像f(x，y)上的點集構成集合P1，待估計模型圖像I (X，y)上的點集構成集合P2，集合Pl和集合P2中的元素具有一一匹配關系；
[0015]S1.4采用最小二乘法進行仿射模型參數(shù)估計。
[0016]步驟S1.3還包括:
[0017]S1.3.1在集合Pl和P2中隨機選取4對匹配點對，利用這4對匹配點對計算模板圖像與待估計圖像間的仿射變換模型M參數(shù)；
[0018]S1.3.2在集合P2余下關鍵點中選取關鍵點P (x2，y2)，將其代入S1.3.1中得到的仿射變換模型M，計算變換后的坐標值(x2’，y2’)，若Pl中對應特征點的坐標值(Xl，yi)與
(x2，，y2’)滿足以下關系:yj (X1 - Xi )2 + — r, )2 < ?’，其中ε為設定的內(nèi)外點距離閾值，
則認為匹配點對(Xpy1)與(x2，y2)符合模型M，稱為內(nèi)點，否則，認為匹配點對(Xl，yi)與(x2, y2)不符合模型M，稱為外點；[0019]S1.3.3重復步驟S1.3.2，使其遍歷集合P2余下所有特征點，統(tǒng)計符合模型M的匹配點對數(shù)X，X即為內(nèi)點集的大?。?br> [0020]S1.3.4重復步驟S1.3.1到S1.3.3W次，當X的值最大且大于一致性集合閾值T時，對應的內(nèi)點集合即為最大內(nèi)點域，則此時被判為外點的關鍵點即為仿射變換模型參數(shù)估計需剔除掉的匹配點。
[0021]步驟S1.4具體為:
[0022]假設通過最小二乘法已經(jīng)得到圖像I” I2的仿射變換模型G(tx，ty, S，θ )，這兩幅圖像之間的特征匹配對存在誤差，誤差函數(shù)定義如下:
【權利要求】
1.高密度封裝元器件的仿射變換模型參數(shù)估計方法，其特征在于，包括以下步驟: S1、粗略仿射變換模型參數(shù)估計；采用SURF檢測子檢測關鍵點，建立Freak特征向量，根據(jù)特征向量進行關鍵點匹配；隨機選取4對匹配對，計算其變換模型M，判斷余下特征點對是否符合該模型，統(tǒng)計符合模型M的匹配點對數(shù)X，判斷X是否達到最大值或循環(huán)次數(shù)是否達到W次，若否，則重新選取4對匹配對，進行新一輪循環(huán)，若是，則剔除不符合當前模型M的特征點對；接著采用最小二乘法進行仿射變換模型參數(shù)估計(tx，ty, Θ )； S2、采用最小能量亞像素法進行仿射變換模型參數(shù)修正；Stx，ty>10piXel或θ>10°，則根據(jù)上述粗略參數(shù)估計(tx，ty, θ )，對待估計參數(shù)圖像I (X，y)進行逆變換得到g(x，y)，計算g(x，y)與模板圖像f(x，y)的最小能量方程E，對E求各階偏導并令其為O，求解變換參數(shù)(a, b, β );令 tx’ =tx+a, ty’ =ty+b, Θ ’ = Θ + β，計算在變換關系(tx’，ty’，θ ’)下的能量E ;判斷E是否低于設定值，若否，進行下一次迭代；若是，則結束迭代過程，將tx’作為最終的X方向的平移參數(shù)、ty’作為最終的y方向的平移參數(shù)，Θ’作為最終的旋轉(zhuǎn)角度。
2.根據(jù)權利要求1所述的高密度封裝元器件的仿射變換模型參數(shù)估計方法，其特征在于，步驟SI具體為: S1.1輸入待估計模型圖像I (X，y)與模板圖像f (X，y)，采用SURF檢測子檢測關鍵點，同時利用關鍵點鄰域信息建立Freak特征向量； S1.2對1(\7)、€(\7)中的關鍵點進行特征匹配，具體為:設為、^分別為圖像I (x, y)和f(x，y)上關鍵點的特征向量；首先，求得特征向量D在圖像I(x，y)中的匹配特征向量再求特征向量烏在圖像f(x，y)中的匹配特征向量，若得到的匹配特征向量為遼，則心:、A:為匹配的特征向量，A、A對應的關鍵點(Xl，yi)、(x2，y2)為匹配的關鍵點對； S1.3采用隨機抽樣一致性方法剔除誤匹配對，設模板圖像f (X，y)和待估計模型圖像I (x, y)間有η對匹配的關鍵點對，模板圖像f(x，y)上的點集構成集合P1，待估計模型圖像I(x, y)上的點集構成集合P2，集合Pl和集合P2中的元素具有一一匹配關系； S1.4采用最小二乘法進行仿射模型參數(shù)估計。
3.根據(jù)權利要求2所述的高密度封裝元器件的仿射變換模型參數(shù)估計方法，其特征在于，步驟S1.3還包括: S1.3.1在集合Pl和P2中隨機選取4對匹配點對，利用這4對匹配點對計算模板圖像與待估計圖像間的仿射變換模型M參數(shù)； S1.3.2在集合P2余下關鍵點中選取關鍵點P (x2, y2)，將其代入S1.3.1中得到的仿射變換模型M，計算變換后的坐標值(x2’，y2’)，若Pl中對應特征點的坐標值(Xl，yi)與(x2，, y2') ?兩足以下關系:.\](.'、-?)2 +{y2 —Λ)」<￡，其中ε為設定的內(nèi)外點距尚閾值，則認為匹配點對(Xpy1)與(x2，y2)符合模型M，稱為內(nèi)點，否則，認為匹配點對(Xl，yi)與(χ2, y2)不符合模型M，稱為外點； S1.3.3重復步驟S1.3.2，使其遍歷集合P2余下所有特征點，統(tǒng)計符合模型M的匹配點對數(shù)X，X即為內(nèi)點集的大小；51.3.4重復步驟S1.3.1到S1.3.3W次，當X的值最大且大于一致性集合閾值T時，對應的內(nèi)點集合即為最大內(nèi)點域，則此時被判為外點的關鍵點即為仿射變換模型參數(shù)估計需剔除掉的匹配點。
4.根據(jù)權利要求2所述的高密度封裝元器件的仿射變換模型參數(shù)估計方法，步驟S1.4具體為: 假設通過最小二乘法已經(jīng)得到圖像Ip I2的仿射變換模型G(tx，ty, S，θ )，這兩幅圖像之間的特征匹配對存在誤差，誤差函數(shù)定義如下:
5.根據(jù)權利要求1所述的高密度封裝元器件的仿射變換模型參數(shù)估計方法，步驟S2具體為: S2.1根據(jù)粗略仿射變換模型參數(shù)估計r=(tx, ty, Θ，s)，若tx, ty>10pixel或Θ >10° ,則進行步驟S2.2 ;否則，則置參數(shù)修正值(a, b, β) = (0, O, O)，轉(zhuǎn)到步驟S2.8 ； S2.2按粗略參數(shù)估計(tx，ty, θ，s)對I (χ，y)進行逆變換，得到逆變換圖像g(x，y)，由于實際應用中，由步驟SI計算得到的尺度變換參數(shù)s精確度最高，因此將g(x，y)與f (χ，y)的變換關系設為(a，b，β )，即
g (x,y)=f (xcosβ -ysinβ +a, xsinβ -ycosβ +b) 其中a、b分別是x、y方向的平移參數(shù)，β是旋轉(zhuǎn)角度； S2.3先將siniK cosii進行二階泰勒展開，再將f (x，y)進行二階泰勒展開，得到

【文檔編號】G06T7/00GK103500448SQ201310441845
【公開日】2014年1月8日 申請日期:2013年9月25日 優(yōu)先權日:2013年9月25日
【發(fā)明者】高紅霞, 吳麗璇, 胡躍明 申請人:華南理工大學