CN114943769B - 一种定位方法、装置、电子设备及介质 - Google Patents
一种定位方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN114943769B CN114943769B CN202210881035.5A CN202210881035A CN114943769B CN 114943769 B CN114943769 B CN 114943769B CN 202210881035 A CN202210881035 A CN 202210881035A CN 114943769 B CN114943769 B CN 114943769B
- Authority
- CN
- China
- Prior art keywords
- contour
- determining
- target component
- information
- data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000004590 computer program Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000005476 soldering Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30141—Printed circuit board [PCB]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种定位方法、装置、电子设备及介质。所述方法包括：基于目标元器件的高度图，确定所述目标元器件的多组等高线轮廓数据；基于候选轮廓的轮廓信息，确定预设高度范围内多组等高线轮廓数据所形成待分类轮廓的属性值；基于各待分类轮廓的属性值，确定各待分类轮廓的类别信息和每类对应的置信度；基于置信度最高的类别所对应的等高线轮廓数据确定所述目标元器件的位置信息。该方法基于目标元器件的高度图得到多组等高线轮廓数据和目标元器件的候选轮廓以对目标元器件定位，能够避免干扰因素带来的影响，增强定位方法的稳定性，同时，通过选取置信度最高的类别所对应的等高线轮廓数据来确定目标元器件的位置信息，提高了定位的准确性。
Description
技术领域
本发明涉及检测方法技术领域，尤其涉及一种定位方法、装置、电子设备及介质。
背景技术
元器件定位是自动光学检测（Automated Optical Inspection，AOI）过程中十分重要的一步，元器件定位不准确会导致批量性事故和整块印刷电路板组件（PrintedCircuit Board Assembly，PCBA）的失效。
现有的元器件定位方法主要有两种：抽色算法和模板匹配算法。其中，抽色算法为一种抽取符合设定色度范围和亮度范围的图像抽取算法，模板匹配算法则研究某一特定对象物（如元器件）的图案位于图像的位置，进而识别对象物。
然而，抽色算法对于复杂颜色的PCBA板卡无法准确抽取元器件颜色，降低了元器件定位的准确性；模板匹配算法则依赖于元器件表面的颜色、丝印特征，并且当环境因素（如图像位置、光照）发生变化时，该算法的定位效果大幅度下降，甚至完全失效，故稳定性较差。
发明内容
本发明提供了一种定位方法、装置、电子设备及介质，以增强定位方法的准确性和稳定性。
根据本发明的一方面，提供了一种定位方法，包括：
基于目标元器件的高度图，确定所述目标元器件的多组等高线轮廓数据，每组等高线轮廓数据为同一高度的数据；
基于候选轮廓的轮廓信息，确定预设高度范围内多组等高线轮廓数据所形成待分类轮廓的属性值，所述候选轮廓为从由各组等高线轮廓数据形成的轮廓中选取的轮廓；
基于各待分类轮廓的属性值，确定各待分类轮廓的类别信息和每类对应的置信度；
基于置信度最高的类别所对应的等高线轮廓数据确定所述目标元器件的位置信息。
根据本发明的另一方面，提供了一种定位装置，包括：
第一确定模块，用于基于目标元器件的高度图，确定所述目标元器件的多组等高线轮廓数据，每组等高线轮廓数据为同一高度的数据；
第二确定模块，用于基于候选轮廓的轮廓信息，确定预设高度范围内多组等高线轮廓数据所形成待分类轮廓的属性值，所述候选轮廓为从由各组等高线轮廓数据形成的轮廓中选取的轮廓；
第三确定模块，用于基于各待分类轮廓的属性值，确定各待分类轮廓的类别信息和每类对应的置信度；
第四确定模块，用于基于置信度最高的类别所对应的等高线轮廓数据确定所述目标元器件的位置信息。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的定位方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的定位方法。
本发明实施例提供了一种定位方法、装置、电子设备及介质。所述方法包括：基于目标元器件的高度图，确定所述目标元器件的多组等高线轮廓数据，每组等高线轮廓数据为同一高度的数据；基于候选轮廓的轮廓信息，确定预设高度范围内多组等高线轮廓数据所形成待分类轮廓的属性值，所述候选轮廓为从由各组等高线轮廓数据形成的轮廓中选取的轮廓；基于各待分类轮廓的属性值，确定各待分类轮廓的类别信息和每类对应的置信度；基于置信度最高的类别所对应的等高线轮廓数据确定所述目标元器件的位置信息。利用上述技术方案，基于目标元器件的高度图得到多组等高线轮廓数据和目标元器件的候选轮廓以对目标元器件进行定位，能够避免干扰因素带来的影响，增强定位方法的稳定性，同时，通过选取置信度最高的类别所对应的等高线轮廓数据来确定目标元器件的位置信息，提高了定位的准确性。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种定位方法的流程图；
图2是根据本发明实施例二提供的一种定位方法的流程图；
图3是根据本发明实施例二提供的一种定位方法的流程示意图；
图4是根据本发明实施例二提供的一种等高线轮廓数据的示意图；
图5是根据本发明实施例二提供的一种识别出的目标元器件的示意图；
图6是根据本发明实施例三提供的一种定位装置的结构示意图；
图7是实现本发明实施例定位方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是根据本发明实施例一提供的一种定位方法的流程图，本实施例可适用于对元器件进行定位情况，该方法可以由定位装置来执行，该定位装置可以采用硬件和/或软件的形式实现，该定位装置可配置于电子设备中。在本实施例中电子设备包括但不限于：计算机、笔记本电脑、平板电脑和/或手机等设备。
需要说明的是，AOI设备主要是基于光学原理来对印刷电路板（Printed CircuitBoard，PCB）（即板卡）焊接生产中遇到的常见缺陷进行检测的设备。在检测前AOI设备需要对标准 PCB 板卡，即标准板卡拍照，并制作标准 PCB 板卡对应的 PCB 板检测程式作为检验标准；在实际测试过程中，待测板卡流入AOI设备后，AOI设备将对待测板卡拍照并依据制作好的检测程式与标准PCB板卡进行对比，来判断待测板卡是否合格。待测板卡内的待定位的元器件可以认为是目标元器件，标准板卡内作为目标元器件参考的元器件可以为基准元器件。在目标元器件的位置信息与基准元器件的位置信息相同，或相差在设定范围内时，可以认为目标元器件的焊接合格。
其中，元器件定位是AOI检测过程中至关重要的一步，不同颜色、大小、形状的元器件特征差异较大，对检测算法的鲁棒性和泛化性要求较高，目前尚没有一种相对成熟、准确或通用的算法来解决PCBA板卡元器件定位的问题。
基于此，本发明实施例一提供的定位方法，包括如下步骤：
S110、基于目标元器件的高度图，确定所述目标元器件的多组等高线轮廓数据，每组等高线轮廓数据为同一高度的数据。
目标元器件可以是指PCBA板卡上需要进行定位的元器件，PCBA板卡可以理解为在PCB板上通过表面贴装技术（Surface Mounted Technology，SMT）、插件（Dual In-linePackage，DIP）和/或成品组装等加工制程后得到的板卡。目标元器件的种类、大小等不限，如可以为电阻，也可以为电感等。
高度图可以认为是表征目标元器件高度的图像，获取高度图的方法不作限定，如可以通过对PCBA板卡拍照来得到，如通过AOI设备采集高度图。等高线轮廓数据可以理解为目标元器件在同一高度的数据，用于表征目标元器件的位置。
具体的，可以基于目标元器件的高度图，来确定目标元器件的多组等高线轮廓数据，本实施例不对具体确定多组等高线轮廓数据的步骤进行限定，例如可以获取标元器件高度图设定等值面内的三维数据点，然后对每个等值面内的三维数据点进行处理，以得到对应该等值面的等高线轮廓数据。在处理三维数据点时，可以结合等值面内的栅格对三维数据点进行处理，具体处理方式此处不作限定。
本步骤不限定如何得到目标元器件的高度图，如由AOI设备采集包括电路板在内的原始高度图，基于制作好的检测程式对电路板卡内各元器件位置进行标注，进而基于标注后的位置得到包含电路板卡的原始高度图中的目标元器件的高度图。
S120、基于候选轮廓的轮廓信息，确定预设高度范围内多组等高线轮廓数据所形成待分类轮廓的属性值，所述候选轮廓为从由各组等高线轮廓数据形成的轮廓中选取的轮廓。
在本实施例中，候选轮廓为从由各组等高线轮廓数据形成的轮廓中选取的轮廓，候选轮廓的个数可以为一个或多个。其中，选取的规则不限，如可以从多个轮廓中选取最能代表目标元器件的轮廓作为候选轮廓，也可以是在去除背景或噪声干扰的轮廓后，将剩余的轮廓作为候选轮廓，本实施例对此不作限定。
轮廓信息可以是表征候选轮廓的信息，如轮廓信息可以是围成候选轮廓的等高线轮廓数据。预设高度范围可以是指候选轮廓的最小高度值和最大高度值形成的范围，最小高度值和最大高度值可以根据候选轮廓的轮廓信息来进行确定。
待分类轮廓可以认为是预设高度范围内多组等高线轮廓数据所形成轮廓，可以理解的是，待分类轮廓的轮廓个数可能为多个，需要根据每个轮廓的属性值来进行后续的分类。属性值则为表征待分类轮廓属性的值，如属性值可以为外接矩形、面积和/或周长等。
在本实施例中，在得到目标元器件的多组等高线轮廓数据后，可以基于候选轮廓的轮廓信息来确定预设高度范围，并确定预设高度范围内多组等高线轮廓数据所形成待分类轮廓的属性值，以进行后续的步骤。具体确定属性值的手段不限，不同的属性对应有不同的确定策略。
S130、基于各待分类轮廓的属性值，确定各待分类轮廓的类别信息和每类对应的置信度。
其中，属性值可以认为是表征待分类属性的数值，此处不对属性值进行具体限定，可以包括用于确定类别信息的第一属性值，和用于确定置信度的第二属性值。第一属性值包括但不限于外接矩形，第二属性值包括但不限于面积和周长。类别信息可以为是对各待分类轮廓归类后确定的用于区分各待分类轮廓类别的信息，如类别信息可以用于确定哪些待分类轮廓是一类。本步骤确定待分类轮廓的类别信息可以实现对待分类轮廓的分类。类别信息可以不表示具体是什么类别，仅用于区分不同的待分类轮廓即可。示例性的，待分类轮廓包括第一高度下的第一待分类轮廓，第二高度下的第二待分类轮廓和第三待分类轮廓。在基于各待分类轮廓的属性值综合分析各待分类轮廓的类别信息时，可以确定第一待分类轮廓和第二待分类轮廓属于一类，第三待分类轮廓属于另一类。其中，第一待分类轮廓和第二待分类轮廓可以是目标元器件的轮廓。第三待分类轮廓可以是未去除的干扰轮廓。
置信度可以理解为每类轮廓为目标元器件轮廓的可信概率。
具体的，本实施例对确定各待分类轮廓的类别信息和每类对应的置信度的手段不作限定，示例性的，可以基于属性值中的外接矩形，确定待分类轮廓的类别信息。基于每类轮廓的属性值确定对应类的置信度。
本实施例通过外接矩形确定类别信息时，可以遍历各待分类轮廓，基于各待分类轮廓的外接矩形确定类别信息，示例性的，以某一待分类轮廓（所选取的待分类轮廓可以认为是目标待分类轮廓）作为参考，基于该待分类轮廓的外接矩形与任一待分类轮廓的外接矩形，确定该待分类轮廓与哪些待分类轮廓属于同一类，并为该类设置唯一标识。再从不与目标待分类轮廓为用一类的待分类轮廓中选取下一个目标待分类轮廓，直到所有待分类轮廓均确定对应的类别信息。
基于属性值确定类别信息能够灵活的基于属性值所包括的多个属性值综合精准的确定类别信息和置信度。以便于筛选出置信度比较高的等高线轮廓数据，进而用于确定目标元器件的位置信息。
S140、基于置信度最高的类别所对应的等高线轮廓数据确定所述目标元器件的位置信息。
位置信息可以认为是目标元器件关于位置的相关信息，如目标元器件与自身所处板卡的顶角（如左顶角）之间的位置，也可以是目标元器件与标准板卡中对应的基准元器件之间的偏移量等。
在得到每类对应的置信度后，可以首先根据置信度的大小，选取置信度最高的类别，进而根据置信度最高的类别所对应的等高线轮廓数据来确定目标元器件的位置信息。本步骤不对确定目标元器件的位置信息进行展开，只要能得到目标元器件的位置信息即可。
如将置信度最高的类别所对应的等高线轮廓数据进行全局坐标转换，然后基于转换后的数据确定目标元器件的位置信息。
在确定目标元器件的位置信息时，可以基于转换后的数据（即目标元器件在目标元器件的高度图内的坐标）和基准信息确定目标元器件相对于基准元器件的偏移信息，进而基于偏移信息和基准信息确定目标元器件的位置信息。
本发明实施例一提供的一种定位方法，基于目标元器件的高度图，确定所述目标元器件的多组等高线轮廓数据，每组等高线轮廓数据为同一高度的数据；基于候选轮廓的轮廓信息，确定预设高度范围内多组等高线轮廓数据所形成待分类轮廓的属性值，所述候选轮廓为从由各组等高线轮廓数据形成的轮廓中选取的轮廓；基于各待分类轮廓的属性值，确定各待分类轮廓的类别信息和每类对应的置信度；基于置信度最高的类别所对应的等高线轮廓数据确定所述目标元器件的位置信息。利用该方法，基于目标元器件的高度图得到多组等高线轮廓数据和目标元器件的候选轮廓以对目标元器件进行定位，能够避免干扰因素带来的影响，增强定位方法的稳定性，同时，通过选取置信度最高的类别所对应的等高线轮廓数据来确定目标元器件的位置信息，提高了定位的准确性。
在一个实施例中，所述基于目标元器件的高度图，确定所述目标元器件的多组等高线轮廓数据，包括：
获取目标元器件的高度图中设定等值面的三维数据点；
针对每个等值面内的三维数据点，确定每个栅格内的有效数据，所述栅格的大小基于所述高度图的尺寸确定；
将每个等值面对应的有效数据映射至三维坐标系下，得到多组等高线轮廓数据。
其中，等值面可以理解为根据高度图中的高度值对目标元器件进行切片处理后得到的面，同一等值面上数据点的高度值相同，等值面的数量可以为设定值，可以根据经验值来确定。三维数据点即为等值面上的三维坐标点。
本步骤从高度图转换为等高线轮廓数据的数据变换过程中，可以采用栅格方式实现。
可以认为的是，每个等值面可以由若干个栅格组成，其中，栅格的形状和排布任意，如栅格可以为矩形或正方形中的一种，也可以包括多种形状等；栅格的大小可以基于高度图的尺寸确定，如高度图为长宽各100的正方形时，栅格则可以为长宽各10的正方形。此处不对长宽的单位进行限定，可以根据实际情况确定。有效数据可以是指基于有效落入每个栅格内的数据确定的数据。
在本实施例中，可以根据目标元器件的高度图选取设定等值面，并获取设定等值面上的三维数据点，其中，选取设定等值面的手段可以是根据目标元器件任意选取设定数量的等值面，也可以是选取指定高度的设定等值面，此处不作限定；其次，可以根据每个等值面内的三维数据点来确定各等值面中每个栅格内的有效数据，确定每个栅格的有效数据的方法不限，如可以将靠近栅格中心位置处的三维数据点作为栅格的有效数据，也可以将栅格内的三维数据点的均值确定为有效数据等；最后可以将每个等值面对应的所有有效数据映射至三维坐标系下，得到多组等高线轮廓数据。
示例性的，在本实施例中，可以根据目标元器件的高度图获取指定高度的3个等值面，并分别获取3个等值面上的三维数据点；假设每个等值面分别由10个栅格组成，针对每一个栅格，可以将落入至栅格内所有的三维数据点分别在x、y、z方向上取均值，来得到每个栅格对应的有效数据；在得到每个等值面对应的所有有效数据后，可以将有效数据映射至三维坐标系下，以得到3个等值面对应3组中的等高线轮廓数据。
在一个实施例中，所述基于各待分类轮廓的属性值，确定各待分类轮廓的类别信息和每类对应的置信度，包括：
基于各待分类轮廓所对应属性值，确定各待分类轮廓间的特征信息；
基于各所述特征信息，对各待分类轮廓进行分类得到每个待分类轮廓的类别信息；
针对每类轮廓，将对应属性值的加权结果确定为该类的置信度。
其中，特征信息可以认为是表征各待分类轮廓间特征的信息，具体内容不限。
不同的特征信息和不同的属性值对应有不同的确定方式，只要保证特征信息能够确定类别信息即可。确定特征信息的属性值可以为表征待分类轮廓的属性值，确定置信度的属性值可以为面积和周长等。
本实施例可以将每类的待分类轮廓对应的属性值中所有用于确定置信度的属性值与对应权重系数加权得到该类的置信度。不同属性值对应的权重系数的大小可以基于实际情况确定，此处不作限定。
在一个实施例中，所述属性值包括第一属性值和第二属性值，所述第一属性值包括外接矩形，所述第二属性值包括面积和周长；
相应的，所述基于各待分类轮廓所对应属性值，确定各待分类轮廓间的特征信息，包括：
基于各待分类轮廓所对应属性值中的第一属性值，确定各待分类轮廓间的特征信息；
相应的，将对应属性值的加权结果确定为该类的置信度，包括：
所述将对应属性值中的第二属性值的加权结果确定为该类的置信度。
第一属性值可以认为是用于确定类别信息的属性值，第二属性值可以认为是用于确定置信度的属性值。
第一属性值可以表征待分类轮廓的轮廓，通过对两个待分类轮廓间的关系进行分析可以确定两个待分类轮廓间的特征信息。
具体的，可以基于各待分类轮廓所对应属性值来确定各待分类轮廓间的特征信息；然后基于确定的各特征信息来将各待分类轮廓进行分类，以进行后续每类置信度的确定，其中分类的原则可以根据属性值的不同而有所区别，例如当属性值为外接矩形时，可以根据待分类轮廓与待分类轮廓对应外接矩形的中心点之间的距离来确定各待分类轮廓间的特征信息，将距离都小于设定距离的待分类轮廓归为一类，将距离都大于设定距离的待分类轮廓归为另一类；在得到每类轮廓后，可以针对每类轮廓，将每类轮廓中轮廓对应的属性值进行加权计算，并将加权结果确定为该类的置信度，其中加权计算的权重值可以由相关技术人员进行设定，此处不做进一步展开。
在一个实施例中，所述基于置信度最高的类别所对应的等高线轮廓数据确定所述目标元器件的位置信息，包括：
将置信度最高的类别对应的等高线轮廓数据进行全局坐标转换；
基于转换后数据和基准位置，确定所述目标元器件的位置信息，所述基准位置为标准板内与所述目标元器件对应的元器件的位置。
基准位置可以包括标准板，即标准板卡内与目标元器件对应的元器件的位置，标准板可以为预先设置好的作为参考的PCBA板卡。理论上，待测的PCBA板卡上的元器件和标准板上的元器件应该是一一对应的，无论是元器件的位置还是元器件的型号。
在本实施例中，选取置信度最高的类别后，可以将此类中包含的所有等高线轮廓数据进行全局坐标转换，即等高线轮廓数据的坐标转换为全局坐标；然后将转换后数据和基准位置进行对比，来确定目标元器件的位置信息，具体确定位置信息的步骤不限，例如首先可以计算转换后数据的中心点坐标、外接矩形对角线角度等参数，然后与基准位置作差值计算，以得到目标元器件偏移的数据（如dx、dy、d angle数据等）即偏移信息，进而目标元器件的位置信息。
在一个实施例中，所述基于转换后数据和基准位置，确定所述目标元器件的位置信息，包括：
基于转换后数据，确定目标元器件在所述目标元器件的高度图内的属性信息，所述属性信息包括所述目标元器件的中心点坐标和所述目标元器件外接矩形对角线角度；
基于所述属性信息和基准位置中所对应的基准属性信息的差值，确定所述目标元器件的偏移信息；
基于所述偏移信息和所述基准位置中对应的全局位置的和，确定为所述目标元器件的位置信息，所述全局位置包括所述目标元器件所对应基准元器件在电路板中的位置和角度。
属性信息可以表征目标元器件在目标元器件的高度图内的属性。基准属性信息可以表征作为参考的基准元器件在所对应的基准元器件高度图中的属性。
在确定出属性信息后可以从基准位置中查找对应的基准属性信息做差，得到偏移信息，示例性的，属性信息包括中心点坐标，则基于目标元器件的中心点坐标和基准信息中对应的中心点坐标的差值，作为中心点的偏移量。基于目标元器件的外接矩形对角线角度和基准位置对应的外接矩形对角线角度的差值，作为目标元器件外接矩形对角线角度的偏移量。需要注意的是，矩形仅为示例不作限定，可以是任意形状。
示例性的，获取目标元器件的高度图，高度图为从原始高度图中截取得到，原始高度图原点（X,Y），高度图原点(X1,Y1)，在获取到高度图后，下采样得到等高线轮廓信息（即S110），经过计算预设高度范围、类别信息和置信度，得到置信度最高的等高线轮廓数据。
上采样实现轮廓坐标对齐，将置信度最高的等高线轮廓数据转换至目标元器件的高度图的全局坐标下，即相对于(X1,Y1)的坐标。
计算目标元器件的高度图的全局坐标系下的目标元器件轮廓中心点坐标和外接矩形对角线角度；与基准信息中对应内容（中心点坐标，和外接矩形对角线在基准元器件高度图内的角度）做差，得到中心点坐标的偏移dx，dy和角度的偏移d angle。基准元器件高度图可以认为是作为目标元器件基准的基准元器件的高度图。
将基准信息中基准元器件的位置（包括x1，y1，和外接矩形在基准元器件对应的原始高度图所在全局坐标系下的角度S）和对应的偏移量的和（dx+x1 dy+y1 d angle+S）作为最终要得到目标元器件在所述电路板上的坐标，即目标元器件的位置信息。
实施例二
图2是根据本发明实施例二提供的一种定位方法的流程图，本实施例二在上述各实施例的基础上进行优化。在本实施例中，将基于候选轮廓的轮廓信息，确定预设高度范围内多组等高线轮廓数据所形成待分类轮廓的属性值进一步具体化为：去除由所述多组等高线轮廓数据所形成的轮廓中的干扰轮廓，得到候选轮廓；基于候选轮廓的轮廓信息，确定预设高度范围；确定所述预设高度范围内每组等高线轮廓数据分别形成的待分类轮廓的属性值。
本实施例尚未详尽的内容请参考实施例一。
如图2所示，本公开实施例二提供的一种定位方法，包括如下步骤：
S210、基于目标元器件的高度图，确定所述目标元器件的多组等高线轮廓数据，每组等高线轮廓数据为同一高度的数据。
S220、去除由所述多组等高线轮廓数据所形成的轮廓中的干扰轮廓，得到候选轮廓。
干扰轮廓可以认为是其他干扰因素形成的轮廓，如其他干扰因素可为背景或噪声干扰等。噪声可以是除目标元器件外的元器件。在高度图中，干扰轮廓可以基于轮廓的尺寸、形状、位置、所包含等高线轮廓数据的数量等数据确定。本步骤可以将全部干扰轮廓去除，也可能仅将部分干扰轮廓去除。
在一个实施例中，所述干扰轮廓满足如下一个或多个：
所述干扰轮廓的尺寸与所述高度图的尺寸相同；
所述干扰轮廓的尺寸小于设定阈值。
可以理解的是，当干扰轮廓为高度图背景干扰形成的轮廓时，此时可以认为干扰轮廓的尺寸与高度图的尺寸相同；当干扰轮廓为噪声等干扰形成的轮廓时，干扰轮廓的尺寸可能小于设定阈值，设定阈值可以为目标元器件的尺寸，也可以为固定值，此处不作限定。
在本步骤中，需要去除干扰轮廓，以将去除后的轮廓作为候选轮廓进行后续步骤。可以认为的是，候选轮廓中所包含等高线轮廓数据的数量和层数可能最多。
S230、基于候选轮廓的轮廓信息，确定预设高度范围。
在根据上步骤得到候选轮廓后，可以根据候选轮廓中的轮廓信息，来确定候选轮廓的预设高度范围，具体确定预设高度范围的步骤不限，只要能得到预设高度范围即可，本实施例对此不作限定。
S240、确定所述预设高度范围内每组等高线轮廓数据分别形成的待分类轮廓的属性值。
S250、基于各待分类轮廓的属性值，确定各待分类轮廓的类别信息和每类对应的置信度。
S260、基于置信度最高的类别所对应的等高线轮廓数据确定所述目标元器件的位置信息。
本发明实施例二提供的一种定位方法，基于目标元器件的高度图，确定所述目标元器件的多组等高线轮廓数据，每组等高线轮廓数据为同一高度的数据；去除由所述多组等高线轮廓数据所形成的轮廓中的干扰轮廓，得到候选轮廓；基于候选轮廓的轮廓信息，确定预设高度范围；确定所述预设高度范围内每组等高线轮廓数据分别形成的待分类轮廓的属性值；基于各待分类轮廓的属性值，确定各待分类轮廓的类别信息和每类对应的置信度；基于置信度最高的类别所对应的等高线轮廓数据确定所述目标元器件的位置信息。利用该方法，通过去除所形成轮廓中的干扰轮廓，精确了候选轮廓的选取，从而保证了目标元器件位置信息的准确性。
在一个实施例中，所述基于候选轮廓的轮廓信息，确定预设高度范围，包括：
基于所述候选轮廓的轮廓信息对应的等高线轮廓数据中高度值的最大值和最小值，确定预设高度范围。
在本步骤中，确定预设高度范围的步骤可以是，首先根据轮廓信息对应的等高线轮廓数据中的高度值来确定出最小高度值和最大高度值，然后由最小高度值和最大高度值来形成预设高度范围。
图3是根据本发明实施例二提供的一种定位方法的流程示意图，如图3所示，步骤1可以生成等高线轮廓数据：按照指定栅格信息（如栅格的大小）从高度图中采样对应三维数据点，将采样的三维数据点转换为等高线轮廓数据。图4是根据本发明实施例二提供的一种等高线轮廓数据的示意图，本步骤可以从高度图中获取设定等值面的三维数据点，针对每个等值面内的三维数据点，计算每个等值面对应的有效数据，以将有效数据映射至三维坐标系下得到多组等高线轮廓数据。
步骤2自动计算有效高度范围即预设高度范围：可以依据元器件与背景的特征差异，去除背景及噪声干扰（即去除干扰轮廓，以得到候选轮廓），再基于候选轮廓的轮廓信息，自动计算元器件等高线轮廓数据的起止高度范围（即预设高度范围）。
步骤3则获取有效高度区间轮廓数据，即获取预设高度范围内每组的等高线轮廓数据：例如可以依据步骤2的计算结果,（即预设高度范围），来提取组成元器件轮廓的等高线轮廓数据。
步骤4计算每个轮廓属性值：分别计算每个待分类轮廓的外接矩形、面积、周长等属性值。
步骤5和步骤6则进行轮廓分类及置信度计算，和轮廓去重及获取分类：首先可以使用统计的方法，依据轮廓（即各待分类轮廓）间的特征信息，将轮廓进行分类，并针对每类轮廓，计算该类的置信度。
步骤7轮廓坐标对齐：可以将上个步骤中置信度最高的类别作为目标元器件的轮廓信息，并将轮廓坐标（即置信度最高的类别对应的等高线轮廓数据）转换为全局坐标（即进行全局坐标转换）。在将高度图转换为等高线轮廓数据时，用栅格方式实现，栅格方式采用的是相对坐标。本步骤轮廓坐标对齐可以认为是恢复到高度图，以得到目标元器件的位置信息，高度图原点是在成像时确定的，如电路板左上角为原点。将等高线轮廓数据转换为高度图下的全局坐标，以得到目标元器件在电路板上的坐标。
图5是根据本发明实施例二提供的一种识别出的目标元器件的示意图，三维等高线轮廓图中包含有等高线轮廓数据，通过转换为全局坐标可以得到转换后数据，将转换后数据组合即得到目标元器件轮廓提取结果。
步骤8输出结果：通过计算轮廓的中心点坐标、外接矩形对角线角度等参数，来与设定的基准位置作差，最终得到目标元器件偏移的x,y,angle数据（即位置信息），即目标元器件中心点坐标在x和y方向上的偏移量和外接矩形对角线在设定方向，如x方向上偏移的角度。x轴和y轴的确定不作限定，可以以PCBA板的左顶点为原点，任意边为x轴，与该边垂直的边为y轴。
通过上述描述可以发现，现有的定位方法主要通过抽取元器件颜色或模板匹配方式，并进行图像处理得到目标2D轮廓信息，以实现目标元器件的定位，该方法稳定性差，算法阈值难以界定，且编程难度大。
而本发明实施例通过基于3D等高线的方法，可以适应元器件大小、颜色、形状、光线变化等影响，且用户无需调参即可直接使用，具有精度高，稳定性好，通用性强等优点。
实施例三
图6是根据本发明实施例三提供的一种定位装置的结构示意图，如图6所示，该装置包括：
第一确定模块310，用于基于目标元器件的高度图，确定所述目标元器件的多组等高线轮廓数据，每组等高线轮廓数据为同一高度的数据；
第二确定模块320，用于基于候选轮廓的轮廓信息，确定预设高度范围内多组等高线轮廓数据所形成待分类轮廓的属性值，所述候选轮廓为从由各组等高线轮廓数据形成的轮廓中选取的轮廓；
第三确定模块330，用于基于各待分类轮廓的属性值，确定各待分类轮廓的类别信息和每类对应的置信度；
第四确定模块340，用于基于置信度最高的类别所对应的等高线轮廓数据确定所述目标元器件的位置信息。
本发明实施例三提供的一种定位装置，通过第一确定模块310基于目标元器件的高度图，确定所述目标元器件的多组等高线轮廓数据，每组等高线轮廓数据为同一高度的数据；通过第二确定模块320基于候选轮廓的轮廓信息，确定预设高度范围内多组等高线轮廓数据所形成待分类轮廓的属性值，所述候选轮廓为从由各组等高线轮廓数据形成的轮廓中选取的轮廓；通过第三确定模块330基于各待分类轮廓的属性值，确定各待分类轮廓的类别信息和每类对应的置信度；通过第四确定模块340基于置信度最高的类别所对应的等高线轮廓数据确定所述目标元器件的位置信息。利用该装置，基于目标元器件的高度图得到多组等高线轮廓数据和目标元器件的候选轮廓以对目标元器件进行定位，能够避免干扰因素带来的影响，增强定位方法的稳定性，同时，通过选取置信度最高的类别所对应的等高线轮廓数据来确定目标元器件的位置信息，提高了定位的准确性。
可选的，第一确定模块310包括：
获取目标元器件的高度图中设定等值面的三维数据点；
针对每个等值面内的三维数据点，确定每个栅格内的有效数据，所述栅格的大小基于所述高度图的尺寸确定；
将每个等值面对应的有效数据映射至三维坐标系下，得到多组等高线轮廓数据。
可选的，第二确定模块320包括：
去除单元，用于去除由所述多组等高线轮廓数据所形成的轮廓中的干扰轮廓，得到候选轮廓；
第一确定单元，用于基于候选轮廓的轮廓信息，确定预设高度范围；
第二确定单元，用于确定所述预设高度范围内每组等高线轮廓数据分别形成的待分类轮廓的属性值。
可选的，所述第一确定单元包括：
基于所述候选轮廓的轮廓信息对应的等高线轮廓数据中高度值的最大值和最小值，确定预设高度范围。
可选的，第三确定模块330包括：
第三确定单元，用于基于各待分类轮廓所对应属性值，确定各待分类轮廓间的特征信息；
分类单元，用于基于各所述特征信息，对各待分类轮廓进行分类得到每个待分类轮廓的类别信息；
第四确定单元，用于针对每类轮廓，将对应属性值的加权结果确定为该类的置信度。
可选的，所述属性值包括第一属性值和第二属性值，所述第一属性值包括外接矩形，所述第二属性值包括面积和周长；
相应的，第三确定单元具体用于：
基于各待分类轮廓所对应属性值中的第一属性值，确定各待分类轮廓间的特征信息；
相应的，第四确定单元具体用于：
所述将对应属性值中的第二属性值的加权结果确定为该类的置信度。
可选的，第四确定模块340包括：
转换单元，用于将置信度最高的类别对应的等高线轮廓数据进行全局坐标转换；
第五确定单元，用于基于转换后数据和基准位置，确定所述目标元器件的位置信息，所述基准位置为标准板内与所述目标元器件对应的元器件的位置。
可选的，第五确定单元包括：
基于转换后数据，确定目标元器件在所述目标元器件的高度图内的属性信息，所述属性信息包括所述目标元器件的中心点坐标和所述目标元器件外接矩形对角线角度；
基于所述属性信息和基准位置中所对应的基准属性信息的差值，确定所述目标元器件的偏移信息；
基于所述偏移信息和所述基准位置中对应的全局位置的和，确定为所述目标元器件的位置信息，所述全局位置包括所述目标元器件所对应基准元器件在电路板中的位置和角度。
本发明实施例所提供的定位装置可执行本发明任意实施例所提供的定位方法，具备执行方法相应的功能模块和有益效果。
实施例四
图7是实现本发明实施例定位方法的电子设备的结构示意图，电子设备10旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备10还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备（如头盔、眼镜、手表等）和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器（ROM）12、随机访问存储器（RAM）13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器（ROM）12中的计算机程序或者从存储单元18加载到随机访问存储器（RAM）13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出（I/O）接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如方法定位。
在一些实施例中，方法定位可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的方法定位的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行方法定位。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上***的***（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的***和技术，该电子设备具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***（例如，作为数据服务器）、或者包括中间件部件的计算***（例如，应用服务器）、或者包括前端部件的计算***（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将***的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (9)
1.一种定位方法，其特征在于，包括：
基于目标元器件的高度图，确定所述目标元器件的多组等高线轮廓数据，每组等高线轮廓数据为同一高度的数据；
基于候选轮廓的轮廓信息，确定预设高度范围内多组等高线轮廓数据所形成待分类轮廓的属性值，所述候选轮廓为从由各组等高线轮廓数据形成的轮廓中选取的轮廓；
基于各待分类轮廓的属性值，确定各待分类轮廓的类别信息和每类对应的置信度；
基于置信度最高的类别所对应的等高线轮廓数据确定所述目标元器件的位置信息；
其中，所述基于置信度最高的类别所对应的等高线轮廓数据确定所述目标元器件的位置信息，包括：
将置信度最高的类别对应的等高线轮廓数据进行全局坐标转换；
基于转换后数据和基准位置，确定所述目标元器件的位置信息，所述基准位置为标准板内与所述目标元器件对应的元器件的位置；
所述基于转换后数据和基准位置，确定所述目标元器件的位置信息，包括：
基于转换后数据，确定目标元器件在所述目标元器件的高度图内的属性信息，所述属性信息包括所述目标元器件的中心点坐标和所述目标元器件外接矩形对角线角度；
基于所述属性信息和基准位置中所对应的基准属性信息的差值，确定所述目标元器件的偏移信息；
基于所述偏移信息和所述基准位置中对应的全局位置的和，确定为所述目标元器件的位置信息，所述全局位置包括所述目标元器件所对应基准元器件在电路板中的位置和角度。
2.根据权利要求1所述的方法，其特征在于，所述基于目标元器件的高度图，确定所述目标元器件的多组等高线轮廓数据，包括：
获取目标元器件的高度图中设定等值面的三维数据点；
针对每个等值面内的三维数据点，确定每个栅格内的有效数据，所述栅格的大小基于所述高度图的尺寸确定；
将每个等值面对应的有效数据映射至三维坐标系下，得到多组等高线轮廓数据。
3.根据权利要求1所述的方法，其特征在于，所述基于候选轮廓的轮廓信息，确定预设高度范围内多组等高线轮廓数据所形成待分类轮廓的属性值，包括：
去除由所述多组等高线轮廓数据所形成的轮廓中的干扰轮廓，得到候选轮廓；
基于候选轮廓的轮廓信息，确定预设高度范围；
确定所述预设高度范围内每组等高线轮廓数据分别形成的待分类轮廓的属性值。
4.根据权利要求3所述的方法，其特征在于，所述基于候选轮廓的轮廓信息，确定预设高度范围，包括：
基于所述候选轮廓的轮廓信息对应的等高线轮廓数据中高度值的最大值和最小值，确定预设高度范围。
5.根据权利要求1所述的方法，其特征在于，所述基于各待分类轮廓的属性值，确定各待分类轮廓的类别信息和每类对应的置信度，包括：
基于各待分类轮廓所对应属性值，确定各待分类轮廓间的特征信息；
基于各所述特征信息，对各待分类轮廓进行分类得到每个待分类轮廓的类别信息；
针对每类轮廓，将对应属性值的加权结果确定为该类的置信度。
6.根据权利要求5所述的方法，其特征在于，所述属性值包括第一属性值和第二属性值，所述第一属性值包括外接矩形，所述第二属性值包括面积和周长；
相应的，所述基于各待分类轮廓所对应属性值，确定各待分类轮廓间的特征信息，包括：
基于各待分类轮廓所对应属性值中的第一属性值，确定各待分类轮廓间的特征信息；
相应的，将对应属性值的加权结果确定为该类的置信度，包括：
所述将对应属性值中的第二属性值的加权结果确定为该类的置信度。
7.一种定位装置，其特征在于，包括：
第一确定模块，用于基于目标元器件的高度图，确定所述目标元器件的多组等高线轮廓数据，每组等高线轮廓数据为同一高度的数据；
第二确定模块，用于基于候选轮廓的轮廓信息，确定预设高度范围内多组等高线轮廓数据所形成待分类轮廓的属性值，所述候选轮廓为从由各组等高线轮廓数据形成的轮廓中选取的轮廓；
第三确定模块，用于基于各待分类轮廓的属性值，确定各待分类轮廓的类别信息和每类对应的置信度；
第四确定模块，用于基于置信度最高的类别所对应的等高线轮廓数据确定所述目标元器件的位置信息；
其中，所述第四确定模块包括：
转换单元，用于将置信度最高的类别对应的等高线轮廓数据进行全局坐标转换；
第五确定单元，用于基于转换后数据和基准位置，确定所述目标元器件的位置信息，所述基准位置为标准板内与所述目标元器件对应的元器件的位置；
所述第五确定单元包括：
基于转换后数据，确定目标元器件在所述目标元器件的高度图内的属性信息，所述属性信息包括所述目标元器件的中心点坐标和所述目标元器件外接矩形对角线角度；
基于所述属性信息和基准位置中所对应的基准属性信息的差值，确定所述目标元器件的偏移信息；
基于所述偏移信息和所述基准位置中对应的全局位置的和，确定为所述目标元器件的位置信息，所述全局位置包括所述目标元器件所对应基准元器件在电路板中的位置和角度。
8.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的定位方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的定位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210881035.5A CN114943769B (zh) | 2022-07-26 | 2022-07-26 | 一种定位方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210881035.5A CN114943769B (zh) | 2022-07-26 | 2022-07-26 | 一种定位方法、装置、电子设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114943769A CN114943769A (zh) | 2022-08-26 |
| CN114943769B true CN114943769B (zh) | 2023-01-13 |
Family
ID=82910872
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210881035.5A Active CN114943769B (zh) | 2022-07-26 | 2022-07-26 | 一种定位方法、装置、电子设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114943769B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111783777A (zh) * | 2020-07-07 | 2020-10-16 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、电子设备和计算机可读介质 |
| CN113627509A (zh) * | 2021-08-04 | 2021-11-09 | 口碑(上海)信息技术有限公司 | 数据分类方法、装置、计算机设备及计算机可读存储介质 |
| CN114092798A (zh) * | 2021-10-26 | 2022-02-25 | 北京工业大学 | 一种基于半监督学习策略的火灾实例分割方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110969055B (zh) * | 2018-09-29 | 2023-12-19 | 阿波罗智能技术(北京)有限公司 | 用于车辆定位的方法、装置、设备和计算机可读存储介质 |
| WO2021195873A1 (zh) * | 2020-03-30 | 2021-10-07 | 南昌欧菲光电技术有限公司 | 识别sfr测试卡图像中感兴趣区域的方法及装置、介质 |
-
2022
- 2022-07-26 CN CN202210881035.5A patent/CN114943769B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111783777A (zh) * | 2020-07-07 | 2020-10-16 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、电子设备和计算机可读介质 |
| CN113627509A (zh) * | 2021-08-04 | 2021-11-09 | 口碑(上海)信息技术有限公司 | 数据分类方法、装置、计算机设备及计算机可读存储介质 |
| CN114092798A (zh) * | 2021-10-26 | 2022-02-25 | 北京工业大学 | 一种基于半监督学习策略的火灾实例分割方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于等高线的车型轮廓提取方法研究;刘歆;《计算机工程与设计》;20080730;第29卷(第13期);第3496-3498页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114943769A (zh) | 2022-08-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113688807B (zh) | 一种自适应缺陷检测方法、装置、识别***及存储介质 | |
| CN110119680B (zh) | 一种基于图像识别的电气柜接线自动查错*** | |
| CN114943778B (zh) | 基准面确定方法、检测方法、装置、设备和存储介质 | |
| CN115205291B (zh) | 一种电路板检测方法、装置、设备和介质 | |
| CN115272290A (zh) | 一种缺陷检测方法、装置、电子设备及存储介质 | |
| CN115272291A (zh) | 一种贴膜的缺陷检测方法、装置、设备及存储介质 | |
| CN112419274A (zh) | 一种锡膏检测方法、***、电子设备及介质 | |
| CN115471476A (zh) | 一种部件缺陷检测方法、装置、设备及介质 | |
| CN115937101A (zh) | 质量检测方法、装置、设备及存储介质 | |
| CN114943769B (zh) | 一种定位方法、装置、电子设备及介质 | |
| CN116993654B (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
| CN114240924A (zh) | 一种基于数字化技术的电网设备质量评估方法 | |
| CN114782710B (zh) | 一种图像特征提取方法及装置、显示面板的修复方法 | |
| CN116952166B (zh) | 汽车门把手总成的零件检测方法、装置、设备及介质 | |
| CN115294419A (zh) | 缺陷样本生成方法、装置、自动光学检测仪及存储介质 | |
| CN114528800A (zh) | 印刷电路板检查数据的快速生成方法、装置、设备和介质 | |
| CN115689922A (zh) | 畸变检测方法、装置、设备及存储介质 | |
| CN117291892A (zh) | 一种板卡的异物检测方法、装置、设备及存储介质 | |
| CN116309587A (zh) | 一种布料瑕疵检测方法、装置、电子设备及存储介质 | |
| CN117274361A (zh) | 一种物料表面积测量方法、装置、电子设备以及介质 | |
| CN118212275A (zh) | 一种电力图像的局部配准方法、装置、设备及介质 | |
| CN117350995A (zh) | 一种产品缺陷检测方法、装置、设备及存储介质 | |
| CN117649605A (zh) | 一种植被检测方法、装置、电子设备及存储介质 | |
| CN116071736A (zh) | 一种仪表读数方法、装置、电子设备及存储介质 | |
| CN115187585A (zh) | 一种缺陷检测方法、装置、电子设备及存储介质 |
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 |