[发明专利]一种基于FREAK的高速高密度封装元器件快速定位方法

说明书

技术领域

本发明涉及精密电子组装中的识别定位研究领域，特别涉及一种基于FREAK的高速高密度封装元器件快速定位方法。

背景技术

表面贴装技术起源于20世纪60年代的美国，当时主要用在军事电子产品中。70年代，由于日本电子行业大力发展消费类产品，SMT无与伦比的制造优势慢慢突显出来并且迅速在电子行业得到大力推进。80年代以来，由于电子类消费产品的迅猛发展以及各国对电子装备业战略性地位的充分认识，作为“第四次贴装革命”的SMT得到前所未有的重视和发展。目前，SMT已影响到通信、家电、计算机、网络、自动化、航空、航天、航海等各个领域的产品水平，其相关技术和设备是各国电子信息制造业水平的重要标志。

数字图像配准（Image Registration）作为图像处理中一项基础性任务，其定义是指将不同时刻拍摄的、从不同视角或者不同的摄像机等条件下获取的同一目标下的两幅图像进行几何对准的过程，是评价两幅或多幅图像的相似性以确定同名点的过程。图像配准是图像处理与应用中的一个基本问题，它在航空影像图像拼接、三维成像、机器视觉和模式识别、遥感数据处理、医学图像分析等领域均有重要应用。由于SMT中视觉处理的任务与配准的任务是一致的，因此图像配准技术是SMT视觉检测系统的一个重要组成部分，为后续检测提供了必要的预处理。基于特征的图像配准方法因其不直接依赖于灰度、鲁棒性好、抗干扰性强、计算量小、速度快而成为应用最广泛的图像配准方法。一般来讲，配准的基本框架包含特征检测、特征匹配、变换模型参数估计和图像重采样四个步骤。

自从Lowe和Bay等分别提出了SIFT和SURF算法后，追求更快、具有更好鲁棒性的特征描述子成为近来一个热门的发展趋势。一个理想的特征描述子一般具有高的鲁棒性、奇异性和较低的算法复杂度。为了让特征描述算法能够应用于智能手机和嵌入式电子设备上，Alexandre Alahi在CVPR2012提出了一种新的特征点描述子FREAK（Fast Retina Keypoint）。该描述子在权衡上述三个性能，以运算速度为导向，突出算法的实时性能，同时其鲁棒性和奇异性也具有良好的性能。FREAK配准的关注点在于特征的描述，而关键点定位的工作则可以采用已有的一些常用的方法，如Hessian矩阵、DoH检测、Harris角点定位等。因此将特征点描述子FREAK应用于精密电子组装中进行识别定位具有极高的研究意义。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于FREAK的高速高密度封装元器件快速定位方法，该方法是在SURF关键点检测的基础上引入FREAK二进制特征，能够大幅度提高图像配准的速度，实现高速高精度元器件视觉定位检测，同时具有很强的鲁棒性。

本发明的目的通过以下的技术方案实现：一种基于FREAK的高速高密度封装元器件快速定位方法，包括以下步骤：

（1）关键点定位：输入待配准图像和模板图像，采用Hessian矩阵检测关键点的位置所在；

（2）特征描述：利用关键点的邻域信息，确定特征点的主方向；根据视网膜模型的分布，训练学习采样点对比对，根据对比对构建FREAK特征向量；

（3）特征匹配：根据FREAK特征向量，采用海明距离（即异或操作）作为特征向量的相似性度量，进行最近邻匹配；通过匹配的特征点对构建仿射变换方程，通过最小二乘法求解上述变换方程，计算得到空间变换模型参数，即：x方向的平移参数m、y方向的平移参数n和旋转角度β。

具体的，所述步骤（1）的关键点定位具体过程如下：

（1-1）输入待配准图像I(x,y)和模板图像f(x,y)，并分别生成积分图像；

（1-2）构建快速Hessian矩阵，并根据快速Hessian矩阵构建尺度空间；然后根据步骤（1-1）得到的积分图像得到三维尺度空间响应图；

（1-3）在得到的三维尺度空间响应图中进行阈值分割，只保留具有强响应值的像素点；接着，采用极大值抑制来寻找候选特征点；最后，用三维二次拟合函数对特征点进行临近像素插值，得到关键点位置。