[发明专利]一种基于三维点云的金丝键合尺寸检测方法

权利要求书

1.一种基于三维点云的金丝键合尺寸检测方法，其特征在于，包括：

步骤1，基于点云深度学习方法对输入整体点云进行部件检测，并根据检测结果分别提取出金丝点云、焊点点云、芯片点云和底板点云；

步骤2，分别在提取出的金丝点云和焊点点云中分割出单条金丝点云和单个焊点点云，然后根据单独的金丝点云、焊点点云进行金丝-焊点配对；

步骤2具体包括：

步骤21，基于步骤1检测出的芯片点云采用随机采样一致性即RANSAC平面拟合算法拟合出芯片所在平面Γ；

步骤22，基于步骤1检测出的金丝点云和焊点点云，采用欧式聚类算法分别聚类出单个金丝点云和单个焊点点云，得到单个金丝点云集和单个焊点点云集其中，W_i为第i个金丝点云，S_j为第j个焊点点云，i为金丝点云序号，j为焊点点云序号；

步骤23，将单个金丝点云集中的单个金丝点云和单个焊点点云集中的单个焊点点云投影到平面Γ上，得到金丝投影点云集和焊点投影点云集其中，W_i′为第i个金丝投影点云，S′_j为第j个投影点云，k为金丝点云的总数目，k’为焊点点云的总数目；

步骤24，计算每个焊点投影点云的质心s_j和每个金丝投影点云的质心w_i，对每个金丝投影点云进行主成分分析计算出每个金丝投影点云的主方向

步骤25，以单个金丝投影点云的质心w_i和金丝投影点云的主方向构造金丝投影所在直线l_i，通过计算焊点质心到直线l_i的距离进行金丝-焊点匹配；

步骤3，构建金丝键合尺寸计算模型，根据金丝-焊点配对组合和金丝键合尺寸计算模型计算金丝键合尺寸参数；

步骤3具体包括：

步骤31，金丝键合尺寸参数定义为一组金丝-焊点匹配点中的金丝弧高H，焊点高度差h，金丝跨距L；

步骤32，对于一组金丝-焊点匹配计算金丝点云的最高点w_tp,计算芯片上焊点点云的最低点计算底板上焊点点云的最低点

步骤33，基于芯片所在平面Γ的法向量与金丝点云的最高点w_tp，芯片上焊点点云的最低点和底板上焊点点云的最低点将金丝弧高H定义为金丝最高点到芯片平面的距离，焊点高度差h定义为两焊点之间的垂直距离，金丝跨距L定义为两焊点之间的水平距离：

其中，为从一个金丝键合结构中芯片上焊点点云的最低点指向金丝点云的最高点w_tp的方向向量，为一个金丝键合结构中底板上焊点点云的最低点指向芯片上焊点点云的最低点的方向向量。

2.根据权利要求1所述的一种基于三维点云的金丝键合尺寸检测方法，其特征在于，步骤1具体为：

步骤11，构建深度学习输入数据集，选择至少3片不同的均包含金丝、焊点、芯片和底板的点云数据分别作为训练数据、验证数据和测试数据，对训练数据、验证数据和测试数据划分出金丝、焊点、芯片和底板四个部分并进行对应数据标注，基于标注数据构建出训练集、验证集和测试集；

步骤12，搭建深度学习网络框架PointNet++，该网络包括3个SA层即Set Abstractionlayer，用于特征提取，和一个FC层即Fully connected layer，用于特征分类；

步骤13，将训练集数据输入到深度学习网络中进行迭代训练，每完成一次训练集训练后将验证数据集输入到PointNet++网络中对训练模型进行验证，保存验证效果最好的训练模型；

步骤14，将测试数据输入到效果最好的训练模型中对待测点云进行部件类别预测，根据部件检测分类结果将待测点云分割成金丝点云、焊点点云、芯片点云和底板点云。