[发明专利]高密度封装元器件的仿射变换模型参数估计方法

权利要求书

1.高密度封装元器件的仿射变换模型参数估计方法，其特征在于，包括以下步骤：

S1、粗略仿射变换模型参数估计；采用SURF检测子检测关键点，建立Freak特征向量，根据特征向量进行关键点匹配；随机选取4对匹配对，计算其变换模型M，判断余下特征点对是否符合该模型，统计符合模型M的匹配点对数X，判断X是否达到最大值或循环次数是否达到W次，若否，则重新选取4对匹配对，进行新一轮循环，若是，则剔除不符合当前模型M的特征点对；接着采用最小二乘法进行仿射变换模型参数估计(t_x,t_y,θ)；

S2、采用最小能量亚像素法进行仿射变换模型参数修正；若t_x,t_y>10pixel或θ>10°，则根据上述粗略参数估计(t_x,t_y,θ)，对待估计参数图像I(x,y)进行逆变换得到g(x,y)，计算g(x,y)与模板图像f(x,y)的最小能量方程E，对E求各阶偏导并令其为0，求解变换参数(a,b,β)；令t_x'=t_x+a，t_y'=t_y+b，θ'=θ+β，计算在变换关系(t_x',t_y',θ')下的能量E；判断E是否低于设定值，若否，进行下一次迭代；若是，则结束迭代过程，将t_x'作为最终的x方向的平移参数、t_y'作为最终的y方向的平移参数，θ'作为最终的旋转角度。

2.根据权利要求1所述的高密度封装元器件的仿射变换模型参数估计方法，其特征在于，步骤S1具体为：

S1.1输入待估计模型图像I(x,y)与模板图像f(x,y)，采用SURF检测子检测关键点，同时利用关键点邻域信息建立Freak特征向量；

S1.2对I(x,y)、f(x,y)中的关键点进行特征匹配，具体为：设分别为图像I(x,y)和f(x,y)上关键点的特征向量；首先，求得特征向量在图像I(x,y)中的匹配特征向量再求特征向量在图像f(x,y)中的匹配特征向量，若得到的匹配特征向量为则为匹配的特征向量，对应的关键点(x₁,y₁)、(x₂,y₂)为匹配的关键点对；

S1.3采用随机抽样一致性方法剔除误匹配对，设模板图像f(x,y)和待估计模型图像I(x,y)间有n对匹配的关键点对，模板图像f(x,y)上的点集构成集合P1，待估计模型图像I(x,y)上的点集构成集合P2，集合P1和集合P2中的元素具有一一匹配关系；

S1.4采用最小二乘法进行仿射模型参数估计。

3.根据权利要求2所述的高密度封装元器件的仿射变换模型参数估计方法，其特征在于，步骤S1.3还包括：

S1.3.1在集合P1和P2中随机选取4对匹配点对，利用这4对匹配点对计算模板图像与待估计图像间的仿射变换模型M参数；

S1.3.2在集合P2余下关键点中选取关键点p(x₂,y₂)，将其代入S1.3.1中得到的仿射变换模型M，计算变换后的坐标值(x₂',y₂')，若P1中对应特征点的坐标值(x₁,y₁)与(x₂',y₂')满足以下关系：其中ε为设定的内外点距离阈值，则认为匹配点对(x₁,y₁)与(x₂,y₂)符合模型M，称为内点，否则，认为匹配点对(x₁,y₁)与(x₂,y₂)不符合模型M，称为外点；

S1.3.3重复步骤S1.3.2，使其遍历集合P2余下所有特征点，统计符合模型M的匹配点对数X，X即为内点集的大小；

S1.3.4重复步骤S1.3.1到S1.3.3W次，当X的值最大且大于一致性集合阈值T时，对应的内点集合即为最大内点域，则此时被判为外点的关键点即为仿射变换模型参数估计需剔除掉的匹配点。