[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

说明书

技术领域

本发明涉及精密电子组装中的图像仿射变换参数估计领域，特别涉及一种高密度封装元器件的仿射变换模型参数估计方法。 

背景技术

SMT经过50年的发展，已进入完全成熟的阶段，影响通信、家电、计算机、网络、航空、航天、航海等邻域的产品水平，是当代电路组装技术的主流，其相关设备和技术已经成为发达国家先进技术保护战略的一部分。视觉检测是表面贴装的必要工序，它将各种形状各种规格的元器件从背景中分离出来，重点是精确地判断元器件的位置和角度的偏移量，以便给准确贴装提供高精度的位置和角度补偿信息。因此，视觉检测的精度决定了表面贴装的质量。目前，高速贴片机的贴装速度已经达到12.7万片/小时，精度已经达到了10微米级。但是，对于新型元器件的贴装合格率仅为80%－90%，远远达不到实际生产的需求，给大规模的表面贴装带来了巨大的经济损失。 

图像配准技术是计算机视觉和模式识别的基本手段，在很多邻域都有实际的应用价值，目前已在卫星遥感、飞行器自动导航、机器人视觉、气象云图分析、医学图像处理等许多领域中得到了广泛的应用。图像配准的目的是对同一场景，摄于不同时间、不同视点或不同传感器的两幅图像，建立二者直接的象素对应关系，确定将一幅图像映射到另一幅图像的几何变换模型。由于图像配准的任务与SMT视觉检测任务是相同的，因此图像配准技术是SMT视觉检测系统的一个重要组成部门。基于特征的图像配准方法不直接依赖于灰度、鲁棒性好、抗干扰性强、计算量小，适用于SMT视觉检测系统。在SMT视觉检测系统中，图像主要存在旋转、平移等变换，因此在实际应用中采用仿射变换模型来估计元器件图像间的几何变换。 

利用图像配准技术进行仿射变换模型参数估计的基本步骤包括：1.特征点提取；2.利用特征点邻域信息建立特征描述子；3.利用特征描述子进行特征点匹配；4.由于匹配特征点中均存在误匹配情况，需采用特征点提纯方法剔除误 匹配对；5.利用余下的特征点对，采用仿射参数估计方法估计仿射变换模型参数。因此，特征点提取，特征描述子，匹配算法，剔除误匹配算法，参数估计方法均对最终仿射变换模型参数估计准确性产生影响。 

目前，采用流行的图像配准方法运用于SMT元器件时，均存在严重的误匹配对，这些误匹配对的存在将严重影响仿射变换模型参数估计的准确性。采用最小二乘法进行仿射变换模型参数估计时，随着图像旋转角度或平移量增大，累积误差逐渐增大，估计参数偏离准确值越远，无法满足SMT的高精度要求。因此我们采用随机抽样一致性（Random Sample Consensus，简称RANSAC）方法剔除误匹配对。同时当图像存在大角度旋转（以上）或大平移时，采用最小能量亚像素法进一步对仿射变换模型进行修正，从而实现精确地仿射变换模型参数估计。 

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种高密度封装元器件的仿射变换模型参数估计方法；利用图像配准技术估计仿射变换模型参数，实现了高精度亚像素级参数估计。 

本发明的目的通过下述技术方案实现： 

高密度封装元器件的仿射变换模型参数估计方法，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)；