CN109583504A - 一种基于视觉的pcb板圆形定位孔快速准确识别方法 - Google Patents
一种基于视觉的pcb板圆形定位孔快速准确识别方法 Download PDFInfo
- Publication number
- CN109583504A CN109583504A CN201811479682.3A CN201811479682A CN109583504A CN 109583504 A CN109583504 A CN 109583504A CN 201811479682 A CN201811479682 A CN 201811479682A CN 109583504 A CN109583504 A CN 109583504A
- Authority
- CN
- China
- Prior art keywords
- circle
- pixel points
- point
- edge
- curvature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000005070 sampling Methods 0.000 claims abstract description 10
- 238000003708 edge detection Methods 0.000 claims abstract description 5
- 238000012952 Resampling Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 19
- 238000004364 calculation method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 5
- 150000003071 polychlorinated biphenyls Chemical class 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明一种基于视觉的PCB板圆形定位孔快速准确识别方法,该方法为基于随机霍夫变换与等曲率像素点分类的亚像素圆孔检测算法,运用Canny算子进行边缘检测,接着计算每个像素点的曲率,并且按照相同曲率进行分类并且存储到各自的子集中,将检测曲率之外的边缘点丢弃,然后在每一个子集中进行随机霍夫变换计算初步的圆形参数,搜索符合圆形参数的像素点,最后利用线性误差补偿对初步圆形参数进行拟合,得到圆的精确的圆心定位参数和半径参数。该方法不仅保留了随机霍夫变换检测精度达到亚像素级别的优点,而且因每次采样过程都在各个存储了相同曲率半径的子集中进行,缩小了搜索空间,有效地减少了迭代次数,抗噪能力强,具有准确性、快速性和鲁棒性的特点。
Description
技术领域
本发明涉及PCB板视觉检测领域,尤其涉及一种基于视觉的PCB板圆形定位孔快速准确识别方法。
背景技术
印刷电路板(Printed Circuit Board,简称PCB)是集成各种电子元器件的信息载体,随着3C电子行业的发展,PCB板发挥着越来越重要的作用,其质量的好坏在一定程度上决定了电子产品的性能。PCB板生产过程中,常常以定位孔的孔心坐标为基准钻元件孔或对电子元器件进行贴装,而电子元器件的体积越来越小,引脚越来越细,引脚间距越来越窄,定位孔的位置精度将间接地影响PCB板的贴装质量,因此提高对PCB板圆形定位孔的精度十分重要。传统的圆检测方法有模板匹配、形状分析法、环路积分微分法、霍夫圆检测(HoughCircle Detection)、随机霍夫变换等,霍夫圆检测以其可靠性高,在噪声、变形、甚至部分区域丢失的状态下仍能取得理想结果的特点在圆检测方面被广泛应用。但该方法是将二维坐标为(x,y)的点投射到三维空间内,该方法的累加器需要很大的内存空间,计算复杂,实时性差。为了减少计算复杂度,一些学者采用假设圆半径已知,这样就可以把霍夫变换由三维降为二维,降低了运算量,但圆的半径往往难以精确获知。随机霍夫变换是在二进制边缘检测图像中随机采样三个点,建立参数的链接列表数据结构,三个点可以确定一个圆,实现多对一,检测精度能够达到亚像素级别,并且在一定程度上减少了计算时间和存储要求;但对于含有多个圆的复杂图像检测效果差,且因随机采样在整个边缘图像中进行,因此会产生大量无效积累,从而导致大量无效计算。
发明内容
针对上述PCB板的视觉检测中传统圆形定位标志定位运算复杂、效率低且检测精度低的不足,本发明提出了一种基于视觉的PCB板圆形定位孔快速准确识别方法,该方法为基于随机霍夫变换与等曲率像素点分类的亚像素圆孔检测算法(Round Sub-pixelDetection Algorithm Based Randomized Hough Transform and Equal CurvatureRadius Classification,简称RHECC算法),实现了基于视觉的PCB板圆形定位孔快速准确识别,这种方法不仅保留了随机霍夫变换检测精度达到亚像素级别的优点,而且因每次采样过程都在各个存储了相同曲率半径的边缘像素点的子集中进行,缩小了搜索空间,有效地减少了迭代次数,抗噪能力强,具有准确性、快速性和鲁棒性好的特点,满足了PCB板视觉检测中高精度和实时性的要求。
本发明采用的技术方案是:
一种基于视觉的PCB板圆形定位孔快速准确识别方法,该方法的步骤是:
步骤一:对PCB图像利用Canny算子进行边缘检测,把边缘点根据以下公式进行曲率κ的计算;
其中,Lx、Ly为边缘函数L(x,y)在某像素点的一阶偏导,Lxx、Lxy、Lyy为边缘函数L(x,y)在某像素点的二阶偏导;
步骤二:将曲率相同的边缘像素点分别存放入各自的子集Vi中,i的取值为不同曲率κ的数量;
步骤三:假设所需检测的圆的半径范围为rmin≤r≤rmax,即将和对应的子集内的边缘像素点丢弃;
步骤四:在子集Vi中随机选择三个点A(x1,y1)、B(x2,y2)、C(x3,y3),构成不平行的两条弦AB和弦BC,则弦AB和BC的中垂线OE、OF必交于圆心O点。若弦AB和BC平行,重新采样。根据以下公式进行圆心O(a,b)和半径r的计算;
Ex=(x1+x2)/2
Ey=(y1+y2)/2
Fx=(x2+x3)/2
Fy=(y2+y3)/2
b=kOE(a-Ex)+Ey
式中,Ex为E点的横坐标,Ey为E点的纵坐标,Fx为F点的横坐标,Fy为F点的纵坐标,kOE、kOF分别为线段OE、OF的斜率;
步骤五:确定候选圆,采样子集Vi的曲率为κi,若步骤四所得r满足T为检测候选圆的阈值,则进行步骤六,否则返回步骤四;
步骤六:在子集Vi中搜索满足上述圆参数的边缘像素点,并且计算像素点数目Nc,若Nc>Nt,Nt为满足圆参数的边缘像素点数目的阈值,则认为该圆为真实存在的圆,进入步骤七;否则,将这些像素点丢弃,返回步骤四;
步骤七:利用符合圆参数的边缘像素点坐标对步骤四所得参数按照a'=a+δa,b'=b+δb,r'=r+δr进行线性误差补偿得以修正,a'、b'、r'即为最终所得圆参数;
其中,
Rj=-(xj-a)2-(yj-b)2+r2
Mj=2(xj-a)
Pj=2(yj-b)
Q=2r,
其中xj、yj分别为满足圆参数的边缘像素点的横、纵坐标,j的取值为0~Nc之间的整数;
此时求出的圆心(a',b')和半径r'为精确的圆心定位参数和半径参数,能达到亚像素级。
本发明与现有技术相比具有如下优点:
1)在进行随机采样之前,在边缘图像上对每个边缘像素点进行曲率计算,并将位于同一圆孔或半径相同的圆周上的像素点,即曲率κ相同的边缘像素点进行分类,随后每次采样过程都在各个存储了相同曲率半径的边缘像素点子集中进行,缩小了搜索空间,有效地减少了迭代次数,实时性得以提高。
2)对曲率过大或过小的边缘像素点进行丢弃,减少了计算量,降低了存储空间的要求,在一定程度上减弱了噪声的影响,提高了鲁棒性。
3)对计算得的圆形定位孔的参数采用线性误差补偿,使本算法的检测精度达到了亚像素级别。
4)本发明方法以曲率相同的边缘像素点进行分类,主要依赖于边缘图像本身,不依赖于光度函数,受光照影响小,鲁棒性好。
附图说明
图1为采样点计算圆心和半径原理图;
图2为本发明RHECC算法流程图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步的说明。
本发明提出了一种基于视觉的PCB板圆形定位孔快速准确识别方法,即基于随机霍夫变换与等曲率像素点分类的圆孔检测算法(RHECC),总体实现过程包括以下步骤:
步骤一:对PCB图像利用Canny算子进行边缘检测,把边缘像素点在边缘函数L(x,y)上根据以下公式进行曲率κ计算;
其中,Lx、Ly为边缘函数L(x,y)在某像素点的一阶偏导,Lxx、Lxy、Lyy为边缘函数L(x,y)在某像素点的二阶偏导。
步骤二:将曲率相同的边缘像素点分别存放入各自的子集Vi中;
步骤三:假设所需检测的圆的半径范围为rmin≤r≤rmax,即将和对应的子集内的边缘像素点丢弃;
步骤四:利用随机霍夫变换初步求取圆标志的圆心(a,b)和半径r;利用圆周上任意两条不平行弦的中垂线相交于圆心的性质,同时随机选择3个像素点即可确定出圆的基本参数,从而,将霍夫圆检测中的搜索空间从三维降低到一维,并且该算法在等曲率的子集中进行随机选点,缩小了搜索范围,大大降低了计算复杂性,如图1所示,在子集Vi中随机选择三个点A(x1,y1)、B(x2,y2)、C(x3,y3),构成不平行的2条弦AB和BC,则弦AB和BC的中垂线OE、OF必交于圆心O点,若弦AB和BC平行,重新采样。根据以下公式进行圆心O(a,b)和半径r的计算;
Ex=(x1+x2)/2
Ey=(y1+y2)/2
Fx=(x2+x3)/2
Fy=(y2+y3)/2
b=kOE(a-Ex)+Ey
式中,Ex为E点的横坐标,Ey为E点的纵坐标,Fx为F点的横坐标,Fy为F点的纵坐标,kOE、kOF分别为线段OE、OF的斜率;
步骤五:确定候选圆,采样子集Vi的曲率为κi,若步骤四所得r满足T为检测候选圆的阈值,取一个像素,则进行步骤六,否则返回步骤四;
步骤六:在子集Vi中搜索满足上述圆参数的边缘像素点,并且计算像素点数目Nc,若Nc>Nt,Nt为满足圆参数的边缘像素点数目的阈值,则认为该圆为真实存在的圆,否则,将这些像素点丢弃,返回步骤四;
步骤七:利用符合圆参数的边缘像素点的坐标对步骤四所得圆参数进行线性误差补偿得以修正;
仅由三个边缘像素点计算得到的圆参数具有比较大的误差,为减小偏差,采用线性误差补偿进行修正。假设理想圆的圆心坐标为半径为则圆形方程如下:
检测得到的参数为(a,b,r),设误差补偿为(δa,δb,δr),则圆形方程修正为:
其中,
则
可求得:
根据a'=a+δa,b'=b+δb,r'=r+δr,即可求得圆的圆心位置(a',b')和半径参数r',而且速度快,达到快速精确定位的目的。
本发明不仅保留了随机霍夫变换检测精度达到亚像素级别的优点,而且因每次采样过程都在各个存储了相同曲率半径的子集中进行,缩小了搜索空间,有效地减少了迭代次数,抗噪能力强,具有准确性、快速性和鲁棒性的特点,满足了PCB视觉检测中高精度和实时性的要求。
本发明未述及之处适用于现有技术。
Claims (2)
1.一种基于视觉的PCB板圆形定位孔快速准确识别方法,该方法的步骤是:
步骤一:对PCB图像利用Canny算子进行边缘检测,把边缘点根据以下公式进行曲率κ的计算;
其中,Lx、Ly为边缘函数L(x,y)在某像素点的一阶偏导,Lxx、Lxy、Lyy为边缘函数L(x,y)在某像素点的二阶偏导;
步骤二:将曲率相同的边缘像素点分别存放入各自的子集Vi中,i的取值为不同曲率κ的数量;
步骤三:假设所需检测的圆的半径范围为rmin≤r≤rmax,即将和对应的子集内的边缘像素点丢弃;
步骤四:在子集Vi中随机选择三个点A(x1,y1)、B(x2,y2)、C(x3,y3),若弦AB和弦BC平行,重新采样;若弦AB和弦BC不平行,则弦AB和BC的中垂线OE、OF必交于圆心O点;根据以下公式进行圆心O(a,b)和半径r的计算;
b=kOE(a-Ex)+Ey
式中,Ex为E点的横坐标,Ey为E点的纵坐标,Fx为F点的横坐标,Fy为F点的纵坐标,kOE、kOF分别为线段OE、OF的斜率;
步骤五:确定候选圆,采样子集Vi的曲率为κi,若步骤四所得r满足T为检测候选圆的阈值,则进行步骤六,否则返回步骤四;
步骤六:在子集Vi中搜索满足上述圆参数的边缘像素点,并且计算像素点数目Nc,若Nc>Nt,Nt为满足圆参数的边缘像素点数目的阈值,则认为该圆为真实存在的圆,进入步骤七;否则,将这些像素点丢弃,返回步骤四;
步骤七:利用符合圆参数的边缘像素点的坐标对步骤四所得参数按照a'=a+δa,b'=b+δb,r'=r+δr进行线性误差补偿得以修正,a'、b'、r'即为最终所得圆参数;
其中,
Rj=-(xj-a)2-(yj-b)2+r2
Mj=2(xj-a)
Pj=2(yj-b)
Q=2r,
其中xj、yj分别为满足圆参数的边缘像素点的横、纵坐标,j的取值为0~Nc之间的整数。
2.根据权利要求1所述的基于视觉的PCB板圆形定位孔快速准确识别方法,其特征在于,所述检测候选圆的阈值T取一个像素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811479682.3A CN109583504B (zh) | 2018-12-05 | 2018-12-05 | 一种基于视觉的pcb板圆形定位孔快速准确识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811479682.3A CN109583504B (zh) | 2018-12-05 | 2018-12-05 | 一种基于视觉的pcb板圆形定位孔快速准确识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109583504A true CN109583504A (zh) | 2019-04-05 |
CN109583504B CN109583504B (zh) | 2021-01-26 |
Family
ID=65927368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811479682.3A Active CN109583504B (zh) | 2018-12-05 | 2018-12-05 | 一种基于视觉的pcb板圆形定位孔快速准确识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109583504B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111640154A (zh) * | 2020-05-24 | 2020-09-08 | 西安交通大学 | 一种基于显微视觉的立针微平面亚像素级定位方法 |
CN112996249A (zh) * | 2021-02-04 | 2021-06-18 | 深圳市同创鑫电子有限公司 | 一种线路板曝光基准定位方法和装置 |
CN113344929A (zh) * | 2021-08-09 | 2021-09-03 | 深圳智检慧通科技有限公司 | 一种焊点视觉检测识别方法、可读存储介质及设备 |
CN113763402A (zh) * | 2020-06-04 | 2021-12-07 | Oppo(重庆)智能科技有限公司 | 一种检测方法、检测装置、电子设备和存储介质 |
CN114923417A (zh) * | 2022-07-22 | 2022-08-19 | 沈阳和研科技有限公司 | 用于划片机的多片圆形工件定位方法及*** |
CN115131539A (zh) * | 2022-09-01 | 2022-09-30 | 南通宝丽金属科技有限公司 | 基于机器视觉的铝模板自动识别与分类*** |
CN115205299A (zh) * | 2022-09-19 | 2022-10-18 | 江苏东晨机械科技有限公司 | 基于机器视觉的卷板机故障智能识别方法 |
CN116451156A (zh) * | 2023-04-21 | 2023-07-18 | 中国科学院西安光学精密机械研究所 | 一种面向叶片气膜孔的孔类特征识别方法、排序方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750693A (zh) * | 2012-05-31 | 2012-10-24 | 重庆大学 | Zernike矩对曲线边缘高精度定位的修正方法 |
CN102878941A (zh) * | 2012-09-28 | 2013-01-16 | 廖怀宝 | 一种用圆形轮廓法定位PCB板Mark点的方法 |
CN102034101B (zh) * | 2010-10-22 | 2014-11-05 | 广东工业大学 | 一种pcb视觉检测中快速圆形标志定位方法 |
CN108346157A (zh) * | 2018-01-22 | 2018-07-31 | 浙江大学 | 一种基于牛顿定理的物体拍摄图像中椭圆检测方法 |
-
2018
- 2018-12-05 CN CN201811479682.3A patent/CN109583504B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034101B (zh) * | 2010-10-22 | 2014-11-05 | 广东工业大学 | 一种pcb视觉检测中快速圆形标志定位方法 |
CN102750693A (zh) * | 2012-05-31 | 2012-10-24 | 重庆大学 | Zernike矩对曲线边缘高精度定位的修正方法 |
CN102878941A (zh) * | 2012-09-28 | 2013-01-16 | 廖怀宝 | 一种用圆形轮廓法定位PCB板Mark点的方法 |
CN108346157A (zh) * | 2018-01-22 | 2018-07-31 | 浙江大学 | 一种基于牛顿定理的物体拍摄图像中椭圆检测方法 |
Non-Patent Citations (2)
Title |
---|
LI DANDAN.ET AL: ""A New Morphological Algorithm For"", 《IEEE》 * |
朱正伟等: ""基于随机Hough 变换改进的快速圆检测算法"", 《计算机工程与设计》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111640154A (zh) * | 2020-05-24 | 2020-09-08 | 西安交通大学 | 一种基于显微视觉的立针微平面亚像素级定位方法 |
CN111640154B (zh) * | 2020-05-24 | 2022-04-05 | 西安交通大学 | 一种基于显微视觉的立针微平面亚像素级定位方法 |
CN113763402A (zh) * | 2020-06-04 | 2021-12-07 | Oppo(重庆)智能科技有限公司 | 一种检测方法、检测装置、电子设备和存储介质 |
CN112996249A (zh) * | 2021-02-04 | 2021-06-18 | 深圳市同创鑫电子有限公司 | 一种线路板曝光基准定位方法和装置 |
CN113344929A (zh) * | 2021-08-09 | 2021-09-03 | 深圳智检慧通科技有限公司 | 一种焊点视觉检测识别方法、可读存储介质及设备 |
CN114923417A (zh) * | 2022-07-22 | 2022-08-19 | 沈阳和研科技有限公司 | 用于划片机的多片圆形工件定位方法及*** |
CN114923417B (zh) * | 2022-07-22 | 2022-10-14 | 沈阳和研科技有限公司 | 用于划片机的多片圆形工件定位方法及*** |
CN115131539A (zh) * | 2022-09-01 | 2022-09-30 | 南通宝丽金属科技有限公司 | 基于机器视觉的铝模板自动识别与分类*** |
CN115205299A (zh) * | 2022-09-19 | 2022-10-18 | 江苏东晨机械科技有限公司 | 基于机器视觉的卷板机故障智能识别方法 |
CN116451156A (zh) * | 2023-04-21 | 2023-07-18 | 中国科学院西安光学精密机械研究所 | 一种面向叶片气膜孔的孔类特征识别方法、排序方法 |
CN116451156B (zh) * | 2023-04-21 | 2024-04-05 | 中国科学院西安光学精密机械研究所 | 一种面向叶片气膜孔的孔类特征识别方法、排序方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109583504B (zh) | 2021-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109583504B (zh) | 一种基于视觉的pcb板圆形定位孔快速准确识别方法 | |
US9965847B2 (en) | Multi-type BGA chip visual recognition method using line based clustering | |
US10475179B1 (en) | Compensating for reference misalignment during inspection of parts | |
CN105066892B (zh) | 一种基于直线聚类分析的bga元件检测与定位方法 | |
CN113724193B (zh) | Pcba零部件尺寸及间隙高精度视觉测量方法 | |
CN107705293A (zh) | 一种基于ccd面阵相机视觉检测的五金零件尺寸测量方法 | |
US6681039B1 (en) | Fiducial mark search using sub-models | |
CN104851095B (zh) | 基于改进型形状上下文的工件图像稀疏立体匹配方法 | |
Bai et al. | Corner point-based coarse–fine method for surface-mount component positioning | |
CN112288724B (zh) | 缺陷检测方法及装置、电子设备和存储介质 | |
CN109711457A (zh) | 一种基于改进hu不变矩的快速图像匹配方法及其应用 | |
CN110146017A (zh) | 工业机器人重复定位精度测量方法 | |
CN102956532B (zh) | 用于对齐晶片以用于制造的***和方法 | |
CN106815829B (zh) | 一种电子元器件引脚配准pcb板孔的定位优化方法 | |
CN109035363B (zh) | 一种快速迭代的线圆最优拟合方法 | |
CN114565610B (zh) | 基于计算机视觉的pcb钻孔偏移检测方法 | |
US6898333B1 (en) | Methods and apparatus for determining the orientation of an object in an image | |
CN113421265B (zh) | 线路板切割路径的生成方法和生成装置、分板机 | |
CN105631846A (zh) | 一种圆形图形的检测方法 | |
CN114092448A (zh) | 一种基于深度学习的插件电解电容混合检测方法 | |
CN108520533B (zh) | 一种面向工件定位的多维度特征配准方法 | |
US11113522B2 (en) | Segment-based pattern matching algorithm | |
CN110765993B (zh) | 基于ai算法的sem图形量测方法 | |
JP4814116B2 (ja) | 実装基板外観検査方法 | |
CN1512283A (zh) | 印刷电路板制造控制器中用以决定定位孔位置的*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |