高精度贴片机自动定位的快速算法

在得到像素级边缘之后 , 经过多项式插值在亚像 素精度上再次确定零交叉点 , 得到了精确到亚像素级 的边缘 。逐点扫描边缘图像 , 对于每一个在边缘图像 中检测到并标记为边缘的零交叉点 , 在卷积图像中对 应的该点处 , 选择该点合适的邻域 , 即窗口 , 进行精确 到子像素的插值计算 。 这里可以采用多种插值方法 , 如线性插值 , 三次多 项式插值 , 正交多项式插值 , 样条插值等 。因为边缘对 应二阶导数过零点 , 所以不同插值方法检测边缘的相 对精度可以用它们二阶导数的收敛速率来测量 , 即考 察当信号的采样间隔减小时 , 二阶导数的误差减至零 的速度 。 线性插值方法 : gl ( x ) = f ( x ) + C, C ≠0。说明误 差不会减至零 。三次多项式插值方法 : gf ( x ) - f ( x )
© 1994-2007 China Academic Journal Electronic Publishing House. All rights reserved.

仪器仪表与检测
首先在点集 P 中提取一个随机点 , 然后在 Q 点集 里搜寻和随机点局部匹配点 , 这里的匹配实际上是指 点集 P 的最近邻点与点集 Q 的最近邻点是否存在一 个仿射变换 , 如果找到了这个局部匹配的仿射变换 , 再 来判断它是否为全局匹配的仿射变换 。先给出这里几 个参数的定义 ,ρ 为匹配概率 , ∈ [ 0, 1 ]; t为匹配尺寸 , 即误差容限 , t∈R , 取 t =λr/ 2 n, 因为点集 Q 最近邻 点的平均最短距离为 r/ 2 n, 这里 λ为比例系数 。 步骤 1: 预先计算 : ( 1 ) 出点集 P, Q 中每个点的 k 个最近邻点并存储在最近邻点列表中 。 k 个最近邻点 按由近到远的顺序排列 。详见文献 [ 2 ]或 [ 3 ]。 ( 2 )包 含点集的最小方格分割成二维的边长 r/ n的方格的 矩阵 , 矩阵中每个方格都包含了点集 Q 中的一列点 。 这样可以快速地查找在指定的坐标轴下是否存在点集 Q 中的点 。 步骤 2:随机选取点集 P 中点 p, 判断 p 的 k 个最 近邻点是否和点集 Q 中 q的 k 个最近邻点匹配 。如匹 配 , 则 T 为此局部匹配的仿射变换参数 。最后检查 T 是否为全局匹配 。如果是则输出参数 T 和匹配点对 。 3 ) 搜寻点集 Q 中的点 步骤 1 中 ( 2 ) 可以检查对于任何的坐标点 qo ( x,
=
x + y ;σ是高斯平滑滤波器的方差 ,σ越大 , 图像
2 2
6
c ( p, p0 ) ……………………… ( 3 )
式中 , n ( p0 ) 为 USAN 区的点数计算函数 。然后利用 式 ( 4 )得到 USAN 区的特征图像 :
R ( p0 ) = g - n ( p0 ) , n ( r 0 ) <g
采集卡 、 计算机等硬件和图像处理软件部分组成 。光 学成像系统的分辨率和图像处理算法的性能对视觉系 统的精度起着关键的作用 。定位精度对最终的贴片精 度的影响至关重要 。同时由于实时的要求 , 速度也是 一个非常重要的因素 。因此需要提出一种高精度且快 速的算法才能满足系统要求 。
3 自动定位方法
1 引言
高精度自动贴片机是典型的集机 、 电、 液、 气、 光为 一体的复杂高科技产品 , 可以满足现在已有的其他封 装形式所不能够提供的高性能 、 大量 I/O 数量的应用 要求 。目前世界上只有少数几个国家中不多的几个大 公司可以生产自动贴片机整机 , 价格昂贵 。由于它在 MCM、 M EM S、 MOEM S、 三维封装 、 红外传感器 、 射频器 件、 图像探测器等领域有着广泛应用的前景 ,因此对于 它的研究对我国半导体产业有着重要的意义 。
传统的贴片机定位方法主要有模板匹配以及质心 法等 ,前一种方法精度较高 ,但对于标记图像可能存在 的旋转 、 平移的情况处理起来很慢 ,而后一种方法虽然 速度快 ,但定位精度并不是很高 。本文介绍的一种高 精度的快速的贴片机的自动定位方法 , 一方面采用一 种快速的点模式匹配方法 ,可以快速处理旋转 、 平移和 缩放等各种情况 ,另一方面采用亚像素方法来提取边 缘点 ,提高定位精度 , 同时为了保证速度要求 , 采用比 矩法处理速度快的插值方法 。自动定位的过程先对模 板图像进行噪声平滑 ,提取特征点 ,最后与输入图像进 行匹配 。模板处理的过程可以离线完成 , 这样不影响 自动对准处理系统的速度 。
125
仪器仪表与检测
波 ,中值滤波和 SUSAN 滤波进行比较可以看出均值滤 波和高斯滤波都对图像有一定程度的模糊 , 中值滤波 和 SUSAN 滤波对边缘保护比较好 ,但是中值滤波对图 像的角点有一定的破坏 ,影响后面的匹配定位精度 ,因 此 SUSAN 滤波的效果相对较好 。
SUSAN 滤波的思想是取模板中与核心点相似的
仪器仪表与检测
高精度贴片机自动定位的快速算法
周 洁 钟毓宁 史铁林 吕青花
3
摘要 在简要介绍高精度自动倒装贴片机的原理和实现过程的基础上 ,阐述了一种快速的高精度的自动定位算法 。该 算法的基本思想是先用 LOG算子得到像素级边缘 ,再用插值方法得到其亚像素边缘 ,然后用 SUSAN 角点检测法提取精 确的特征点 ,最后用 Van W amelen算法实现快速点模式匹配 。它能在输入标记缺损或遮挡的情况下快速有效完成对准 , 而且精度较高 。 关键词 : 贴片机 自动定位 亚像素 点模式匹配 中图分类号 : TN305 —7 文献标识码 : A 文章编号 : 1671 —3133 ( 2005 ) 07 —0125 —04
c ( p, p0 ) =
像素进行处理 ,实质上是一种加权平均的均值滤波 ,其 中的相似比较函数类似于权重函数 。
SUSAN 滤波算法公式为 :
J [ x, y ] =
( i,Байду номын сангаасj) ≠ ( 0, 0 )
1, | i ( p) - i ( p0 ) ≤T | 2, | i ( p) - i ( p0 ) > T |
6 2 逐步降低 , 从 O ( n ) 减少到 O ( n ) , 相比较众多的点模
特征点集的提取是关键的一步 。为了实现实时得 到较高精度的特征点 , 提出先用 LOG算子得到像素级 边缘 , 再用插值方法得到其亚像素边缘 , 最后用 SU 2
SAN 角点检测法提取精确的特征点 。插值算法如下 。
…………… ( 2 )
式中 , c ( p, p0 ) 为模板内属于 USAN 区域的像素的判别
r2
6
I[ x + i, y + j] e
σ2 2
-
( I[ x + i, y + j] - I[ x, y ] ) 2 T2
函数 ; i ( p0 ) 是模板中心像素 (核 ) 的灰度值 ; i ( p ) 为模 板内其他任意像素的灰度值 ; T 是灰度差门限 , 表示能 检测的角点的最小对比度 。 再计算其 USAN 区中点的个数 :
假设二维图像中的两个点集 , P = { p1 , p2 , …, pn } ,
Q = { q1 , q2 , …, qm } , 需要确定两个点集的仿射变换参
″
″
数 Ts,θ, tx, ty , 使得 T ( P ) 和点集 Q 相匹配 , 其中 s为伸缩 系数 ,θ 为旋转角度 , tx , ty 分别是 X, Y 轴方向的位移 。
2 对于 ( x, y ) ∈R , 存在 :
″
″
了 。样条插值方法 : gz ( x ) = f ( x ) - O ( n ) , 说明误差 减至零的速度至少与 n 减至零的速度一样快 。上式中 的 f ( x ) 为原函数的二阶导数 。从以上分析可见 , 在 收敛速率的意义上 , 精度从高到低依次为 : 样条插值
A fa st a lgor ithm of automa tic loca tion in h igh prec ision d ie bonder
Zhou J ie, Zhong Y un in g, Sh i T ielin , L üQ in ghua
Abstract The im age p rocessing algorithm s of automatic location are described. Firstly, LOG operator is used to find the edge and interpolation is app lied subp ixel resolution, secondly, SUSAN p rincip le is used to extract exact feature point . A t last, a way of point pattern matching, Van W amelen A lgorithm , is comp iled to realize the automatic location, which can accurately align the t wo fidu2 cials in chip and substrate even when the input fiducial is not comp lete or party occluded. Key words:D ie bonder Automa tic loca tion Subp ixel Po in t pa ttern ma tch i ng
n ( p0 ) =
p∈ M ( p0 )
( i, j) ≠ 0, 0 )
6(
e
-
r2
σ2 2
-
( I[ x + i, y + j] - I[ x, y ]) 2 T2
……………………………………… ( 1 ) 式中 , I[ x, y ]和 I [ x + i, y + j]分别是像素和邻域内像 素的灰度值 ; J [ x, y ]是像素 I[ x, y ]滤波后的灰度值 ; r