[发明专利]基于机器视觉的工业器件快速定位方法

说明书

技术领域

本发明涉及工业器件定位方法，尤其涉及一种基于机器视觉的工业器件快速定位方法。

背景技术

近几年随着我国工业自动化水平的不断提高，采用主动机器视觉定位系统，利用摄像机、图像采集卡和工业计算机进行零件工位的精确定位的企事业越来越多。例如，视觉传感技术和机器视觉在半导体工业上的应用早在二十年前就已开始，半导体、电子设备市场是机器视觉技术发源地并一直成为机器视觉赖以生存的巨大市场之一。半导体、电子制造业每一次技术上的飞跃，如：晶元越做越大，而内部线路越做越细，目前正向超细间距式器件发展；连接器体积越来越小，每分钟生产线上需要检测、测量器件的数量越来越多，这都将要求开发新的半导体、电子生产装备。在这些新的机器装备中，机器视觉对设备的生产效率有最大的作用，是提高生产线上每分钟完成的检测和定位的器件数量的关键步骤。但目前采用核心方法大多是国外的技术，其价格之高常令我们望而却步。

发明内容

鉴于现有技术所存在的上述问题，本发明针对如何提高半导体生产设备-粘片机中的机器视觉定位速度的问题，提供一种基于机器视觉的工业器件快速定位方法，它采用多级灰度图像识别处理系统，采用基于图像的小波分析的多分辨率分析和投影方法，通过快速定位方法对晶元进行识别和检测，包括墨点，缺边，缺角，裂缝等。

本发明利用多分辨率分析对信号具有连续逼近的能力来构造图像的塔式分解，基于正交小波变换的多分辨率分析在每个尺度上都将这一尺度的低频平滑图像分解为新的低频平滑图像和高频细节图像，每部分图像的面积为上一尺度的1/4，而且在每一分解尺度，低频平滑图像集中了原始图像的大部分能量，反映了图像的绝大部分结构信息，完全可以利用这些不同尺度上的低频图像进行分层匹配。在各层中的匹配运算中，可以采用误差累加的方法快速寻找可能的匹配点集合。

另一方面，在晶元定位过程中，我们在对目标图像和相应的模板进行图像分析后，可以发现匹配位置的分布特点，在图像的垂直和水平的图像像素值较高位置的交汇点附近就是我们所要确定的匹配的最佳点，由此我们可以极大程度的排除大量非匹配点，留下少数候选点，从而减少运行时间，而精确度不会减弱，这一方法极大地提高了运算速度，达到了设备的实时性要求，并且准确性比国外设备有了进一步的提高。

基于上述分析，本发明的技术解决方案是这样实现的：

一种基于机器视觉的工业器件快速定位方法，包括下述步骤：

(1)选择模板图像T：用归一化的二维相关性对目标图S进行分析，以确定模板的大概位置，继而从目标图S中手动选择模板图像T；

(2)确定邻域图像R：按照目标图S的大小，搜索的起点和模板图像T的大小因素在目标图S中自动计算邻域大小，得到邻域图像R；

(3)目标图S的二级定位，包括利用小波变换的水平和垂直方向系数的投影变换矢量进行粗定位，然后在低分辨率图像中进行模板匹配：

首先对邻域图像R和模板图像T进行小波变换；然后对邻域图像R的小波系数的水平分量LH进行垂直方向的投影，对其垂直分量HL进行水平方向的投影；找到投影图像中的极大值和极小值位置，将这些极值作为粗定位的邻域中心位置；然后利用邻域图像R和模板图像T小波变换后的低分辨率模板即LL分量在粗定位的邻域内进行模板匹配运算，得到目标图S的二级位置；

(4)目标图像的精确定位，是在原图像的粗定位邻域内进行精确定位：

对模板图像T进行边缘检测处理，找到模板轮廓的全局不变化边缘图像，对邻域图R进行同样的边缘检测处理；利用模板图像T的边缘图和邻域图像R的边缘图进行模板匹配算法，最后得到晶元的精确位置。

进一步的，所述步骤(3)目标图S的二级定位包括下述过程：

(3.1)对取得的邻域图像R进行L级小波分解，并保存各级分解后的低分辨率图像R_LL，第L级小波分解后的水平分量LH和垂直分量HL，其中L表示第L级小波分解；

(3.2)对模板图像T进行L级小波分解，并保存分解后的低分辨率图像T_LL，；