[发明专利]一种Mark点视觉识别方法

说明书

技术领域

本发明涉及图像处理领域，尤其涉及一种Mark点视觉识别方法。

背景技术

近年来，随着3C产品的普及，3C产品即计算机(Computer)、通信(Communication)和消费类电子产品(Consumer Electronics)三者结合，亦称“信息家电”。3C领域的印刷电路板(Printed Circuit Board，PCB)制造越来越向着高集成度方向发展，制造过程也越来越依赖于基于机器视觉技术的自动化设备。生产中，为了实现机器视觉的辅助定位，一般都会在PCB板上设计Mark点(标识点)。例如在电路板自动点胶过程中，点胶机器人的视觉系统识别定位出Mark点的坐标位置，就可以通过Mark点与点胶起始点的相对位置关系计算出点胶起始点的坐标。其中，Mark点识别与定位算法的可靠性和处理精度将直接影响机器人的操作精度。通过优化Mark点识别与定位算法，提高其定位精度和可靠性，可以有效地提高生产质量，降低次品率和生产成本。

现有技术中，传统模板匹配算法在Mark点识别中不具有缩放和旋转不变性的问题，并且其中一些特征匹配算法在Mark点识别中实时性差、准确率低，无法准确识别Mark点。

本发明针对传统模板匹配算法中点胶机器人的Mark点视觉识别问题，通过对Mark点的显著几何特征进行分析，提出一种面向点胶机器人的Mark点视觉识别方法。

发明内容

本发明实施例提供了一种Mark点视觉识别方法，通过分别依据疑似目标的大小和方位校正Mark点的标准模板，并将校正得到的校正模板分别与疑似目标进行匹配，取最佳匹配值对应的疑似目标为Mark点，能够有效提高Mark点识别的准确率。

有鉴于此，本发明第一方面提供了一种Mark点视觉识别方法，所述方法应用于印制电路板上Mark点识别定位，所述方法包括：

采集疑似目标的图像，并生成疑似目标结果集，所述疑似目标与所述Mark点的几何特征相同；

根据所述Mark点的标准模板分别计算所述疑似目标结果集中每个疑似目标的缩放参数和旋转参数；

利用所述缩放参数和旋转参数校正所述标准模板，获得与所述每个疑似目标一一对应的校正模板；

将所述每个疑似目标分别与所述校正模板一一对应进行匹配，并分别记录匹配值得到匹配值集合；

确定所述匹配值集合中最佳匹配值对应的疑似目标为所述Mark点，所述最佳匹配值为属于最佳匹配值范围内的匹配值。

进一步的，所述Mark点的几何特征包括：第一特征、第二特征以及第三特征，所述第一特征在所述第二特征内部，所述第二特征在所述第三特征内部，且所述第一特征、第二特征以及第三特征的中心相同；

所述第一特征为实心圆，所述第二特征为N边形轮廓，所述第三特征为圆形轮廓，所述N为大于或等于3的正整数。

进一步的，所述采集疑似目标的图像包括：

依次根据所述Mark点的所述第一特征、第二特征以及第三特征搜索所述疑似目标，并采集所述疑似目标的图像。

进一步的，所述采集疑似目标的图像包括：

将所述疑似目标的几何特征与所述第一特征、第二特征以及第三特征依次进行匹配，并在所述疑似目标的几何特征与所述第一特征、第二特征以及第三特征依次匹配时确定采集所述疑似目标的图像。

进一步的，若所述疑似目标的几何特征与所述第一特征匹配，与所述第二特征不匹配，则不将所述疑似目标的几何特征与所述第三特征进行匹配，且确定所述疑似目标非所述Mark点；

若所述疑似目标的几何特征与所述第一特征不匹配，则不将所述疑似目标的几何特征与所述第二特征和第三特征进行匹配，且确定所述疑似目标非所述Mark点。

进一步的，所述疑似目标的几何特征包括：第一疑似特征、第二疑似特征以及第三疑似特征，所述第一疑似特征在所述第二疑似特征的内部，所述第二疑似特征在所述第三疑似特征内部，且所述第一疑似特征、第二疑似特征以及第三疑似特征的中心相同，所述第一疑似特征为类圆形实心形状，所述第二疑似特征为多边框形形状，所述第三疑似特征为类圆形状。

进一步的，所述依次确定所述疑似目标的几何特征与所述第一特征、第二特征以及第三特征匹配包括：

绕所述第一疑似特征的中心旋转，每间隔2π/N计算一次所述第一疑似特征的边缘至中心的距离，若M次计算得到的结果在误差范围内相同，则确定所述第一疑似特征为实心圆形，所述第一疑似特征与所述第一特征匹配，所述M与所述N数值相等；