KR20230096048A - 계측을 위한 최적화 기반 이미지 처리 - Google Patents

Abstract

디바이스 피처의 하나 이상의 이미지는 이미지화 툴을 사용하여 취득된다. 각각의 이미지의 관련 픽셀들을 포함하는 기하학적 형상이 정의되고, 기하학적 형상은 하나 이상의 파라미터로 표현된다. 기하학적 형상의 하나 이상의 파라미터를 포함하는 변수들을 갖는 비용 함수가 정의된다. 각각의 이미지에 대해, 비용 함수가 최소화되는 하나 이상의 파라미터의 최적 값들을 획득하기 위해 수치 최적화가 적용된다. 하나 이상의 파라미터의 최적 값들은 디바이스 피처에 관한 계측 데이터로서 보고된다.

Description

계측을 위한 최적화 기반 이미지 처리

본 개시내용의 실시예들은 일반적으로, 반도체 웨이퍼 상의 디바이스의 미세 피처들을 측정하는 것에 관한 것으로, 구체적으로, 수학적 최적화를 사용한 이미지 처리에 의해 정밀한 계측 데이터를 획득하는 것에 관한 것이다.

반도체 집적 회로들의 제조 프로세스는 정확한 계측을 위해 미세 피처들의 고해상도 측정들을 요구한다. 계측 데이터는 종종, 제조 수율 및 균일성을 개선하기 위해 프로세스 파라미터들을 조정하는 데 사용된다. 고해상도 이미지들을 취하고 이미지들로부터 치수들(임계 치수들, CD를 포함함)을 직접 측정하는 것은 계측 데이터를 생성하는 하나의 방식이다. 그러나, 직접 측정들은 잡음에 의해 부정적인 영향을 받는데, 잡음은 미가공 이미지에 고유한 이미지 잡음, 측정 잡음(예를 들어, 원래의 이미지화된 객체에 존재하지 않지만 이미지화 장비의 제한들에 의해 도입되는 이미지 아티팩트), 및/또는 다른 국부적 아티팩트들(예를 들어, 국부화된 잔류물 또는 파편)일 수 있다.

이미지 처리 기법들은 측정 정확도를 개선하는 데 사용된다. 하나의 그러한 이미지 처리 기법은 에지 검출이다. 에지 검출 기법에서는, 미가공 이미지에서의 픽셀들의 더 작은 영역들이 검출된 에지들 주위의 윤곽들에 의해 포함된다. 그러나, 에지 검출 기법은 이미지 잡음들 및 아티팩트들에 특히 취약하다. 본 개시내용은, 수치 최적화 문제의 결과들이면서 잡음들에 대해 훨씬 더 강건한 측정들을 획득하기 위한 방법을 제안한다.

다음은, 본 개시내용의 일부 양상들의 기본적인 이해를 제공하기 위해 본 개시내용의 간략화된 요약이다. 이 요약은 본 개시내용의 광범위한 개요가 아니다. 이는 본 개시내용의 핵심적이거나 중요한 요소들을 식별하기 위해 의도된 것도 아니고, 본 개시내용의 특정 구현들의 임의의 범위 또는 청구항들의 임의의 범위를 기술하기 위해 의도된 것도 아니다. 유일한 목적은, 이후에 제시되는 더 상세한 설명에 대한 서두로서 본 개시내용의 일부 개념들을 간략화된 형태로 제시하는 것이다.

본 개시내용의 일 양상에서, 디바이스 피처의 하나 이상의 이미지는 이미지화 툴을 사용하여 취득된다. 이미지화 툴은 광학, 전자 빔 또는 X-선 기반 이미지화 툴, 또는 이미지를 취득하는 데 사용되는 임의의 다른 이미지화 기법일 수 있다. 각각의 이미지의 관련 픽셀들을 포함하는 기하학적 형상이 정의되고, 기하학적 형상은 하나 이상의 파라미터로 표현된다. 기하학적 형상의 하나 이상의 파라미터를 포함하는 변수들을 갖는 비용 함수가 정의된다. 각각의 이미지에 대해, 비용 함수가 최소화되는 하나 이상의 파라미터의 최적 값들을 획득하기 위해 수치 최적화가 적용된다. 하나 이상의 파라미터의 최적 값들은 디바이스 피처에 관한 계측 데이터로서 보고된다.

기하학적 형상은 타원일 수 있고, 타원을 나타내는 하나 이상의 파라미터는 타원의 장축 직경, 타원의 단축 직경, 타원의 중심의 좌표들, 및 타원의 각도 방향을 포함한다. 배경이 더 밝고 중심에 어두운 픽셀들이 있어 피처의 이미지를 표현하는 경우 단일 타원이 충분할 수 있다. 어두운 픽셀들은 타원형 윤곽에 의해 포함될 수 있다.

다른 양상에서, 비용 함수는, 수치 최적화가 낮은 신호 대 잡음비를 갖는 이미지의 비교적 어두운 배경에서 비교적 더 밝은 픽셀들의 환상체를 포함하는 타원형 링의 하나 이상의 파라미터를 산출하도록 ??춤화될 수 있다.

또 다른 양상에서, 디바이스 피처는 3차원(3D) 홀을 포함할 수 있고, 이 홀은 최상부 개구부 및 바닥 표면을 갖는데, 바닥 표면은 홀의 최상부 개구부와 바닥 표면을 연결하는 경사진 측벽들로 인해, 이미지화 툴에 의해 직접 이미지화되는 것이 부분적으로 가려진다. 최상부 타원 및 바닥 타원은, 최상부 개구부를 나타내는 픽셀들의 제1 세트 및 홀의 바닥 표면을 나타내는 픽셀들의 제2 세트를 각각 포함하도록 정의된다. 바닥 타원을 정의하기 위해, 알려진(즉, 선험적으로 측정된) 치수들을 통합하는 것은 경사진 측벽들로 인해 직접 이미지화되는 것이 가려지는 바닥 표면을 보상한다. 비용 함수는, 수치 최적화가 최상부 타원과 바닥 타원 사이의 오프셋 값을 산출하도록 맞춤화된다.

본 개시내용은 아래에 주어진 상세한 설명으로부터 그리고 본 개시내용의 다양한 실시예들의 첨부 도면들로부터 더 완전히 이해될 것이다.
도 1a는 디바이스 피처(메모리 홀)의 원래의 이미지의 평면도를 예시한다.
도 1b는 종래의 에지 기반 검출 기법의 경우에 도 1a의 원래의 이미지 상에 중첩된 타원형 윤곽들을 예시한다.
도 1c는 본 개시내용의 실시예에 따른, 도 1a의 원래의 이미지 상에 중첩된 최적 타원을 예시한다.
도 2는 본 개시내용의 실시예들에 따른, 비용 함수를 구성하기 위한 최적 타원의 파라미터들을 예시한다.
도 3a는 비교적 어두운 배경에서 특정 폭의 대략적인 밝은 타원형 링을 보여주는 피처의 미가공 이미지를 예시한다.
도 3b는 본 개시내용의 실시예들에 따른, 어두운 배경을 갖는 밝은 타원형 링에 대해 맞춤화된 비용 함수의 구성을 예시한다.
도 4a는 불균일한 측벽 기울기들을 갖는 3D 메모리 홀의 개략적인 길이방향 측단면도를 예시한다.
도 4b는 본 개시내용의 실시예에 따른, 도 4a에 개략적으로 도시된 메모리 전체의 평면도의 이미지 상에 중첩된 최적 타원들을 예시한다.
도 5는 본 개시내용의 실시예에 따른, 계측을 위한 최적화 기반 이미지 처리의 예시적인 방법을 설명하는 흐름도를 도시한다.
도 6은, 본원에 논의된 방법론들 중 임의의 하나 이상을 수행하기 위한 명령어들의 세트가 내부에서 실행될 수 있는 예시적인 컴퓨터 시스템을 예시한다.

본 개시내용의 실시예들은, 미가공 이미지에 존재하는 높은 잡음 수준 또는 다른 유형들의 이미지 아티팩트들에 대해 강건한 수치 최적화에 기초한 기하학적 이미지 측정들을 위한 신규한 접근법에 관한 것이다. 이미지 아티팩트들은 이미지화 장비의 제한들, 국부화된 파편 또는 잔류물, 또는 이미지화되는 디바이스의 다른 고유 특성들, 예컨대, 가려진 피처에 의해 도입될 수 있다.

본 개시내용에 의해 달성되는 하나의 목적은, 전자 빔(e-빔) 검사 툴(예를 들어, 주사 전자 현미경(SEM)), 광학 이미지화 툴들, X-선 기반 이미지화 툴들 등을 포함하지만 이에 제한되지 않는 다양한 이미지화 툴들로부터 획득된 이미지들을 사용하여 비파괴적 방식으로 미세 피처 전자 디바이스들에 대한 계측 데이터를 생성하는 것이다. 전자 디바이스들은, 웨이퍼 상에 형성되는 진보된 반도체 디바이스들일 수 있다. 3D 피처들은 수 나노미터로부터 수십 또는 수백 나노미터까지 변하는 범위의 측방향 치수를 가질 수 있다. 일부 반도체 디바이스들은 엄격한 측방향 치수뿐만 아니라 높은 종횡비(HAR)를 갖는 미세 피처들을 가질 수 있다. 그러나, 본 개시내용은 임의의 특정 측방향 치수 또는 임의의 특정 종횡비로 제한되지 않는다. 이미지화되는 디바이스 피처들의 예시적인 예들은, 채널 홀들, 슬릿들, 트렌치들 등을 포함하지만 이에 제한되지 않는다. 고 종횡비 피처들의 특정 예들은 3D NAND 메모리 디바이스들에서의 원형 메모리 홀들을 포함한다. 관련 기술분야의 통상의 기술자는 개시된 기법을 임의의 다른 기하형상에 적용하는 것을 추정할 수 있다. 다른 기하형상들의 예들은, 트렌치들, 예컨대, 트랜지스터들의 얕은 트렌치 격리에 사용되는 것들을 포함한다. 3D 피처들은 격리된 구조들 또는 유사한 피처들의 어레이의 일부일 수 있다.

디바이스 피처들은 프로세스 파라미터들을 조정할 수 있도록 상세한 계측을 사용하여 잘 특징화되어야 한다. 예를 들어, 프로세스(예를 들어, 식각 프로세스 또는 퇴적 프로세스)가 진행됨에 따라, 피처의 종횡비가 변화한다. 특정 예시로서, 식각 프로세스에서, 시간에 따라 피처의 종횡비가 변할 때 식각률이 변화한다. 디바이스 피처들의 정확한 특징화는, 식각 프로세스 파라미터들의 효과적인 조정을 가능하게 한다. 디바이스 피처 특징화를 위한 현재의 접근법들은, 수직(또는 길이방향) 섹션을 따른 e-빔/광학/X-선 이미지들, 및/또는 투과 전자 현미경(TEM) 이미지들을 사용한다. 이러한 파괴적 이미지화 기법들은 일반적으로, 제한된 개수의 디바이스 특징화 메트릭들이 획득되는 단일 평면 섹션(길이방향 섹션)의 이미지만을 제공하며, 이는 고용량 제조(HVM)에 적합하지 않다. 본 개시내용은, 길이방향 단면을 노출시키기 위해 웨이퍼를 파괴해야 할 필요 없이 하향식 이미지화로부터 디바이스 피처들을 측정하기 위해 수학적 최적화를 사용함으로써 현재의 방법들의 이러한 단점들 및 다른 단점들을 해결한다.

본 접근법의 장점들은, 잡음 및 이미지 아티팩트들에 대한 강건성, 측정 파라미터들의 선택에서의 유연성, 및 원하는 측정 메트릭들의 최적 값들과 연관된 비용 함수의 정의에서의 유연성을 포함하지만 이에 제한되지 않는다.

배경기술 부분에서 언급된 바와 같이, 계측 데이터를 비파괴적 방식으로 제공하기 위한 하나의 기존의 접근법은, 하향식 이미지들을 취득하고 에지 검출에 기초한 이미지 처리 기법들을 사용하는 것이다. 도 1a는 원형 기하형상을 갖는 디바이스 피처의 평면도의 미가공 이미지(100)를 도시한다. 도 1b는 이미지 처리에 의해 식별되는 이미지(100)의 3개의 영역들(A, B, 및 C로 표시됨)을 도시하고, 개별 윤곽들(점선 외곽선들)은 그러한 더 작은 영역들 중 각각의 영역의 검출된 에지들을 따라 미가공 이미지 상에 중첩된다. 도 1b는 최신 이미지 처리 기반 계측을 표현한다. 현재 사용되는 에지 검출 기반 접근법과 극명하게 대조적으로, 본 개시내용은 (도 1c에 도시된 바와 같이) 단일 기하학적 윤곽(110)을 갖는, 이미지(100)의 관련 픽셀들의 전체 영역(D)을 포함하고, 기하학적 윤곽(110)의 최적 파라미터들을 수치적으로 찾는 것을 개시한다. 이러한 접근법은, 배경(120)이 비교적 밝고 피처가 영역(D) 내의 비교적 더 어두운 픽셀들에 의해 표현될 때 잘 동작한다.

기하학적 윤곽(110)은, 도 2에 도시된 바와 같이, 타원(200)의 형상일 수 있다. 타원(200)을 정의하는 파라미터들은, 장축(210)의 길이 'a', 단축(220)의 길이 'b', 중심의 좌표(x, y), 및 타원의 방향, 예를 들어, 장축(210)과 수평 축(230) 사이의 각도 θ를 포함한다. 비용 함수는 타원의 상기 파라미터들로 정의될 수 있다. 예를 들어, 비용 함수는 다음과 같이 정의된다:

비용(x,y,a,b,θ) = 값들(x,y,a,b,θ) - λ면적(a,b) ...(식 1)

여기서, a = 타원의 장축 직경이고,

b = 타원의 단축 직경이고,

(x, y)는 타원의 중심의 좌표들이고,

θ는 타원의 각도 방향을 나타내는, 타원의 수평 축과 장축 사이의 각도이고,

면적 = 타원의 면적이고;

λ는 비용 함수를 최적화하기 위한 조정 파라미터이다.

비용 함수는 2개의 항들: 픽셀들의 그레이 레벨 값들과 연관된 제1 항(값들(x,y,a,b,θ)) 및 타원의 면적과 연관된 제2 항(λ면적(a,b))을 갖는다. 조정 파라미터(λ)는 결과적인 비용 함수가 최소화되도록 제1 항과 제2 항 간의 트레이드오프를 제어하는 계수이다. 예를 들어, 비용 함수의 값은 제1 항이 더 작아지고 제2 항이 더 커질 때 감소된다. 타원의 면적이 더 커질수록 제2 항이 더 커진다. 제1 항은 픽셀들의 그레이 레벨 값들이 감소함에 따라 더 작아지는데, 즉, 포함된 픽셀들은 관련 픽셀들을 둘러싸는 더 밝은 배경보다 훨씬 더 어둡다. 이러한 유형의 비용 함수는 비교적 높은 신호 대 잡음비를 갖는 이미지를 갖는 제1 시나리오에 가장 적합하다.

제2 시나리오에서, 미가공 이미지는 상당히 잡음이 있을 수 있는데, 즉, 전체 타원형 영역 내의 신호 대 잡음비는 가장 바람직한 비용 함수가 아닐 수 있다. 예를 들어, 도 3a에 도시된 바와 같이, 미가공 이미지(300)는 더 어두운 배경을 갖지만, 더 밝은 픽셀들을 갖는 대략 환형인 영역(310)이 이미지 내에 존재한다. 이러한 유형의 시나리오에 있어서, 도 3b에 도시된 바와 같이, 하나의 타원 대신에 2개의 타원들, 즉, 외측 타원(320) 및 내측 타원(330)을 정의하는 것이 더 양호한 접근법이다. 2개의 타원들(320 및 330)은 더 밝은 픽셀들로 환형 영역(310)을 둘러싸는 타원형 링을 집합적으로 정의한다. 비용 함수는, 수치 최적화가 타원형 링의 하나 이상의 파라미터를 산출하도록 맞춤화된다. 그 다음, 타원형 링의 파라미터들은 기존의 프로세스를 조정하기 위한 계측 데이터로서 사용된다. 타원형 링의 파라미터들은 (2개의 타원들의 중심의) 위치, 폭(즉, 외측 타원의 반경과 내측 타원의 반경 사이의 차이), 및 링의 방향성(배향, 즉, 수평 축에 대한 장축의 각도)을 포함할 수 있다.

제3 시나리오에서, 이러한 개시된 수치 최적화 기법은 비용 함수에 통합되는 선험적 측정 데이터와 함께 매우 효과적으로 사용될 수 있다. 이는, 도 4a에 도시된 길이방향 도면(400)에 도시된 바와 같이, 경사진 측벽들(440A 및 440B)을 갖는 식각된 홀(고종횡비 3D 구조일 수 있음)의 예시적인 이미지에 특히 유용하다. 홀은 기판 몸체(420) 내에 식각된다. 홀은, 이상적인 평행 측벽들(430A 및 430B)로부터 벗어날 수 있는 측벽들(440A 및 440B)에 의해 연결된, 최상부 개구부(450) 및 바닥 표면(460)을 갖는다. 식각 프로세스가 이상적이고 식각 프로세스가 진행됨에 따라 홀의 깊이가 증가하는 효과가 없다면, 평행한 측벽들이 초래되었을 것이다.

도 4b는 이미지화된 홀의 평면도(410)를 도시하고, 이미지화된 홀의 측면도는 도 4a에 도시되어 있다. 최상부 타원(480)은 최상부 개구부(450)를 표현하는 픽셀들을 포함하고, 바닥 타원(490)은 바닥 표면(460)을 표현하는 픽셀들을 포함한다. 여기서 또한, 배경(470)은 (도 1c와 유사한) 홀을 나타내는 더 어두운 픽셀들의 중심 영역보다 비교적 더 밝다는 점을 주목한다. 경사진 측벽(440B)으로 인해, 바닥 표면(460)의 일부는, 하향식 이미지를 취득하는 이미지화 툴의 시선으로부터 가려진다. 그러나, (파괴적 또는 비파괴적 측정일 수 있는) 이전 측정으로부터, 바닥 표면의 치수가 알려져 있다. 따라서, 바닥 타원(490)의 파라미터들은 가려진 피처들의 부분들의 사전 치수 지식에 부분적으로 의존할 수 있다. 비용 함수는, 수치 최적화가 최상부 타원(480)과 바닥 타원(490)의 중심들 사이의 오프셋 값(495)을 산출하도록 맞춤화된다. 오프셋 값(495)은 그에 기초하여 프로세스 파라미터들이 조정되는 중요한 계측 데이터일 수 있다. 그러므로, 바닥 표면의 부분적인 가려짐에도 불구하고, 본원에 설명된 수치 최적화 기법에 대한 사전 지식을 통합함으로써 신뢰가능한 오프셋 값이 생성될 수 있다.

도 5는 본 개시내용의 일부 실시예들에 따른, 수치 최적화 기반 계측 데이터 생성의 예시적인 방법(500)의 흐름도이다. 방법(500)은 하드웨어(예를 들어, 처리 디바이스, 회로, 전용 로직, 프로그램가능 로직, 마이크로코드, 디바이스의 하드웨어, 집적 회로 등), 소프트웨어(예를 들어, 처리 디바이스 상에서 동작 또는 실행되는 명령어들), 또는 이들의 조합을 포함할 수 있는 처리 로직에 의해 수행될 수 있다. 특정 시퀀스 또는 순서로 도시되지만, 달리 명시되지 않는 한, 예시적인 흐름도들과 함께 본원에 설명된 방법(500) 또는 다른 방법들의 프로세스들의 순서는 수정될 수 있다. 따라서, 예시된 실시예들은 예들로서만 이해되어야 하고, 예시된 프로세스들은 상이한 순서로 수행될 수 있고, 일부 프로세스들은 병렬로 수행될 수 있다. 추가적으로, 다양한 실시예들에서 하나 이상의 프로세스가 생략될 수 있다. 따라서, 모든 프로세스들이 모든 실시예에서 요구되는 것은 아니다. 다른 프로세스 흐름들이 가능하다.

방법(500)에서, 블록(505)에서, 선택적으로, 이미지화 툴 파라미터들은 이미지들을 취득하기 전에 신호 대 잡음비를 최대화하도록 조정될 수 있다. 위에서 언급된 바와 같이, 이미지화 툴은 전자 빔 기반, 광학 기반 또는 X-선 기반일 수 있다. 본 개시내용의 범위는 어떤 유형의 이미지화 툴이 사용되는지에 의해 전혀 제한되지 않는다.

블록(520)에서, 이미지들은 측정될 디바이스 피처의 이미지화 툴에 의해 취득된다. 예를 들어, 홀의 직경은 계측 데이터를 생성하기 위해 측정될 임계 치수(CD)일 수 있다. 전형적으로, 디바이스 피처의 하나 초과의 이미지들이 취득된다.

블록(530)에서, 측정 영역의 기하학적 윤곽 및 윤곽의 파라미터들이 처리 디바이스에 의해 정의된다. 예를 들어, 타원이, 이미지화된 디바이스 피처의 픽셀들을 포함할 것이라면, 타원의 파라미터들, 예를 들어, 도 2에 설명된 바와 같이, 장축, 단축, 중심의 좌표들, 및 타원의 방향성이 정의된다.

블록(540)에서, 선택된 기하학적 윤곽의 파라미터들로 비용 함수가 정의된다. 비용 함수의 예는 앞서 식 1에서 주어진다. 식의 제1 항은 관련 픽셀들의 모든 그레이 레벨 값들의 합일 수 있다. 조정 파라미터는 미리 결정된 임계 그레이 레벨 값, 예를 들어, 디바이스 피처를 나타내는 관련 픽셀들 및 주변 기판을 나타내는 배경 픽셀들을 포함하는 미가공 이미지의 모든 픽셀들의 평균 그레이 레벨 값과 연관될 수 있다. 비용 함수는, 타원 내부의 평균 픽셀 값들(예를 들어, 도 1c), 타원형 링 내부의 픽셀 값들(예를 들어, 도 3b), 2개의 타원형 윤곽들 사이의 변위 또는 오프셋(예를 들어, 도 4b), 또는 프로세스 제어에 유용한 편리한 계측 척도인 임의의 다른 비용 함수를 표현하도록 맞춤화될 수 있다.

블록(550)에서, 처리 디바이스는 결과적인 비용 함수가 최소화되는 파라미터들의 값들을 찾기 위해 수치 최적화 기법을 적용한다. 수치 최적화의 일 예는 넬더-미드(Nelder-Mead) 방법에 기초하지만, 관련 기술분야의 통상의 기술자는 본 개시내용의 범위가 어떤 특정 최적화 기법이 사용되는지에 의해 제한되지 않는다는 것을 이해할 것이다.

블록(560)에서, 비용 함수가 최소화되는 파라미터들의 최적 값들이 출력으로서 제공된다. 이러한 출력은 계측 기반 프로세스 제어 툴에 대한 입력 데이터로서 보고될 수 있다.

도 6은, 기계로 하여금 본원에 논의된 방법론들 중 임의의 하나 이상을 수행하게 하기 위한 명령어들의 세트가 내부에서 실행될 수 있는 컴퓨터 시스템(600)의 예시적인 기계를 예시한다. 대안적인 구현들에서, 기계는 LAN, 인트라넷, 엑스트라넷 및/또는 인터넷으로 다른 기계들에 연결(예를 들어, 네트워킹)될 수 있다. 기계는 클라이언트-서버 네트워크 환경에서의 서버 또는 클라이언트 기계로서, 또는 피어-투-피어(또는 분산형) 네트워크 환경에서의 피어 기계로서, 또는 클라우드 컴퓨팅 기반구조 또는 환경에서의 서버 또는 클라이언트 기계로서 동작할 수 있다.

기계는 개인용 컴퓨터(PC), 태블릿 PC, 셋톱 박스(STB), 웹 기기, 서버, 네트워크 라우터, 스위치 또는 브리지, 또는 기계에 의해 취해질 동작들을 명시하는 (순차적 또는 다른 방식의) 명령어들의 세트를 실행할 수 있는 임의의 기계일 수 있다. 또한, 단일 기계가 예시되어 있지만, "기계"라는 용어는 또한, 본원에 논의된 방법론들 중 임의의 하나 이상을 수행하도록 명령어들의 세트(또는 복수의 세트들)를 개별적으로 또는 공동으로 실행하는 기계들의 임의의 집합을 포함하는 것으로 간주되어야 한다.

예시적인 컴퓨터 시스템(600)은, 버스(608)를 통해 서로 통신하는, 처리 디바이스(602), 주 메모리(604)(예를 들어, 판독 전용 메모리(ROM), 플래시 메모리, 동적 랜덤 액세스 메모리(DRAM), 예컨대, 동기식 DRAM(SDRAM) 등), 정적 메모리(606)(예를 들어, 플래시 메모리, 정적 랜덤 액세스 메모리(SRAM) 등), 및 데이터 저장 디바이스(616)를 포함한다.

처리 디바이스(602)는 하나 이상의 범용 처리 디바이스, 예컨대, 마이크로프로세서, 중앙 처리 유닛 등을 나타낸다. 더 구체적으로, 처리 디바이스는 복합 명령어 세트 컴퓨팅(CISC) 마이크로프로세서, 축소 명령어 세트 컴퓨팅(RISC) 마이크로프로세서, 매우 긴 명령어(VLIW) 마이크로프로세서, 또는 다른 명령어 세트들을 구현하는 프로세서, 또는 명령어 세트들의 조합을 구현하는 프로세서들일 수 있다. 처리 디바이스(602)는 또한, 하나 이상의 특수 목적 처리 디바이스, 예컨대, 주문형 집적 회로(ASIC), 필드 프로그래밍가능 게이트 어레이(FPGA), 디지털 신호 프로세서(DSP), 네트워크 프로세서 등일 수 있다. 처리 디바이스(602)는 본원에 논의된 동작들 및 단계들을 수행하기 위한 명령어들을 실행하도록 구성된다.

컴퓨터 시스템(600)은 네트워크(618)를 통해 통신하기 위해 네트워크 인터페이스 디바이스(622)를 더 포함할 수 있다. 컴퓨터 시스템(600)은 또한, 비디오 디스플레이 유닛(610)(예를 들어, 액정 디스플레이(LCD) 또는 음극선관(CRT)), 영숫자 입력 디바이스(612)(예를 들어, 키보드), 커서 제어 디바이스(614)(예를 들어, 마우스 또는 터치 패드), 신호 생성 디바이스(620)(예를 들어, 스피커), 그래픽 처리 유닛(도시되지 않음), 비디오 처리 유닛(도시되지 않음), 및 오디오 처리 유닛(도시되지 않음)을 포함할 수 있다.

데이터 저장 디바이스(616)는, 본원에 설명된 방법론들 또는 기능들 중 임의의 하나 이상을 실현하는 소프트웨어 또는 명령어들의 하나 이상의 세트가 저장되어 있는 기계 판독가능 저장 매체(624)(또한, 컴퓨터 판독가능 매체로 알려짐)를 포함할 수 있다. 명령어들은 또한, 컴퓨터 시스템(600)에 의한 명령어들의 실행 동안 완전하게 또는 적어도 부분적으로 주 메모리(604) 내에 그리고/또는 처리 디바이스(602) 내에 상주할 수 있으며, 주 메모리(604) 및 처리 디바이스(602)는 또한, 기계 판독가능 저장 매체를 구성한다.

일 구현에서, 명령어들은, 높이 차이 결정에 대응하는 기능성을 구현하기 위한 명령어들을 포함한다. 예시적인 구현에서 기계 판독가능 저장 매체(624)가 단일 매체인 것으로 도시되어 있지만, "기계 판독가능 저장 매체"라는 용어는 명령어들의 하나 이상의 세트를 저장하는 단일 매체 또는 복수 매체들(예를 들어, 중앙집중형 또는 분산형 데이터베이스 및/또는 연관된 캐시들 및 서버들)을 포함하는 것으로 간주되어야 한다. "기계 판독가능 저장 매체"라는 용어는 또한, 기계에 의한 실행을 위해 명령어들의 세트를 저장하거나 인코딩할 수 있으며 기계로 하여금 본 개시내용의 방법론들 중 임의의 하나 이상을 수행하게 하는 임의의 매체를 포함하는 것으로 간주되어야 한다. 이에 따라, "기계 판독가능 저장 매체"라는 용어는, 솔리드 스테이트 메모리들, 광학 매체들 및 자기 매체들(그러나 이에 제한되지는 않음)을 포함하는 것으로 간주되어야 한다.

전술한 상세한 설명의 일부 부분들은 컴퓨터 메모리 내의 데이터 비트들에 대한 연산들의 상징적 표현들 및 알고리즘들의 측면에서 제시되었다. 이러한 알고리즘 설명들 및 표현들은, 데이터 처리 기술분야의 통상의 기술자가, 그들의 작업의 본질을 관련 기술분야의 다른 통상의 기술자에게 가장 효과적으로 전달하기 위해 사용하는 방식들이다. 알고리즘은 본원에서 그리고 일반적으로, 원하는 결과로 이어지는 자기 부합적인 일련의 동작들인 것으로 생각된다. 이 동작들은 물리적 양들의 물리적 조작들을 요구하는 동작들이다. 꼭 그럴 필요는 없지만 보통, 이러한 양들은 저장, 결합, 비교, 그리고 다른 방식으로 조작될 수 있는 전기 또는 자기 신호들의 형태를 취한다. 이러한 신호들을 비트들, 값들, 요소들, 심볼들, 문자들, 용어들, 숫자들 등으로 지칭하는 것이, 주로, 공통 사용이라는 이유로, 때때로 편리하다는 것이 증명되었다.

그러나, 이러한 용어들 및 유사한 용어들 전부는 적절한 물리적 양들과 연관되어야 하며 단지 이러한 양들에 적용되는 편리한 표지들이라는 점을 염두에 두어야 한다. 달리 구체적으로 언급되지 않는 한, 위의 논의로부터 명백한 바와 같이, 설명 전반에 걸쳐, "획득" 또는 "연관" 또는 "실행" 또는 "생성" 등과 같은 용어들을 활용하는 논의들은, 컴퓨터 시스템의 레지스터들 및 메모리들 내에서 물리적(전자적) 양들로서 표현되는 데이터를 컴퓨터 시스템 메모리들 또는 레지스터들 또는 다른 그러한 정보 저장 디바이스들 내에서 물리적 양들로서 유사하게 표현되는 다른 데이터로 조작하고 변환시키는 컴퓨터 시스템 또는 유사한 전자 컴퓨팅 디바이스의 동작 및 프로세스들을 지칭하는 것이 이해된다.

본 개시내용은 또한, 본원의 동작들을 수행하기 위한 장치에 관한 것이다. 이러한 장치는 의도된 목적들을 위해 특별히 구성될 수 있거나, 이는 컴퓨터에 저장된 컴퓨터 프로그램에 의해 선택적으로 활성화되거나 재구성되는 범용 컴퓨터를 포함할 수 있다. 그러한 컴퓨터 프로그램은 전자적 명령어들을 저장하기에 적합하고 각각이 컴퓨터 시스템 버스에 결합된 컴퓨터 판독가능 저장 매체, 예컨대, 플로피 디스크들, 광학 디스크들, CD-ROM들, 및 광자기 디스크들을 포함하는 임의의 유형의 디스크, 판독 전용 메모리들(ROM들), 랜덤 액세스 메모리들(RAM들), EPROM들, EEPROM들, 자기 또는 광학 카드들, 또는 임의의 유형의 매체들(그러나 이에 제한되지 않음)에 저장될 수 있다.

본원에서 제시된 알고리즘들 및 디스플레이들은 임의의 특정한 컴퓨터 또는 다른 장치와 본질적으로 관련되지 않는다. 다양한 범용 시스템들은, 본원의 교시들에 따라 프로그램들과 함께 사용될 수 있거나, 이는, 방법을 수행하기 위해 더 특화된 장치를 구성하기에 편리하다는 것을 증명할 수 있다. 다양한 이러한 시스템들에 대한 구조가 아래의 설명에 제시되는 바와 같이 나타날 것이다. 추가적으로, 본 개시내용은 임의의 특정 프로그래밍 언어와 관련하여 설명되지 않는다. 다양한 프로그래밍 언어들이, 설명된 바와 같이 본 개시내용의 교시들을 구현하는 데에 사용될 수 있다는 것이 이해될 것이다.

본 개시내용은, 본 개시내용에 따른 프로세스를 수행하도록 컴퓨터 시스템(또는 다른 전자 디바이스들)을 프로그래밍하는 데에 사용될 수 있는 명령어들이 저장되어 있는 기계 판독가능 매체를 포함할 수 있는 컴퓨터 프로그램 제품 또는 소프트웨어로서 제공될 수 있다. 기계 판독가능 매체는 기계(예를 들어, 컴퓨터)에 의해 판독가능한 형태로 정보를 저장하기 위한 임의의 메커니즘을 포함한다. 예를 들어, 기계 판독가능(예를 들어, 컴퓨터 판독가능) 매체는 기계(예를 들어, 컴퓨터) 판독가능 저장 매체, 예컨대, 판독 전용 메모리("ROM"), 랜덤 액세스 메모리("RAM"), 자기 디스크 저장 매체, 광학 저장 매체, 플래시 메모리 디바이스 등을 포함한다.

전술한 명세서에서, 본 개시내용의 구현들은 그의 특정한 예시적인 구현들을 참조하여 설명되었다. 다음의 청구항들에 열거된 바와 같이 본 개시내용의 구현들의 더 넓은 사상 및 범위로부터 벗어나지 않고 그에 대해 다양한 수정들이 이루어질 수 있다는 것이 명백할 것이다. 이에 따라, 본 명세서 및 도면들은 제한적인 의미보다는 예시적인 의미로 간주되어야 한다.

Claims (20)

1. 방법으로서,
   이미지화 툴을 사용하여 디바이스 피처의 하나 이상의 이미지를 취득하는 단계;
   상기 하나 이상의 이미지의 각각의 이미지의 관련 픽셀들을 포함하는 기하학적 형상을 정의하는 단계 - 상기 기하학적 형상은 하나 이상의 파라미터로 표현됨 -;
   상기 기하학적 형상의 하나 이상의 파라미터를 포함하는 변수들을 갖는 비용 함수를 정의하는 단계;
   각각의 이미지에 대해, 상기 비용 함수의 값이 최소인 상기 하나 이상의 파라미터의 최적 값들을 획득하기 위해 수치 최적화를 적용하는 단계; 및
   상기 하나 이상의 파라미터의 최적 값들을 상기 디바이스 피처에 관한 계측 데이터로서 제공하는 단계
   를 포함하는, 방법.
2. 제1항에 있어서,
   상기 하나 이상의 이미지를 취득하기 전에, 상기 하나 이상의 이미지의 신호 대 잡음비를 최대화하기 위해 이미지화 툴 파라미터들을 조정하는 단계를 더 포함하는, 방법.
3. 제1항에 있어서,
   상기 기하학적 형상은 타원을 포함하고, 상기 타원을 나타내는 하나 이상의 파라미터는 상기 타원의 장축 직경, 상기 타원의 단축 직경, 상기 타원의 중심의 좌표들, 및 상기 타원의 각도 방향을 포함하는, 방법.
4. 제3항에 있어서, 상기 비용 함수는:
   비용(x,y,a,b,θ) = 값들(x,y,a,b,θ) - λ면적(a,b)로서 정의되고,
   a = 상기 타원의 장축 직경이고,
   b = 상기 타원의 단축 직경이고,
   (x, y)는 상기 타원의 중심의 좌표들이고,
   θ는 상기 타원의 각도 방향을 나타내는, 상기 타원의 수평 축과 장축 사이의 각도이고,
   면적 = 상기 타원의 면적이고;
   λ는 상기 비용 함수를 최적화하기 위한 조정 파라미터인, 방법.
5. 제4항에 있어서,
   상기 조정 파라미터(λ)는 상기 비용 함수의 제1 항(값들(x,y,a,b,θ))과 상기 비용 함수의 제2 항(λ면적(a,b)) 사이의 트레이드오프를 제어하는, 방법.
6. 제4항에 있어서,
   상기 비용 함수가 최소화되는 상기 타원의 파라미터들의 최적 값들은, 비교적 더 밝은 배경의 관련 픽셀들을 포함하는 가장 크고 가장 어두운 타원을 표현하는, 방법.
7. 제3항에 있어서,
   낮은 신호 대 잡음비를 갖는 이미지에서 비교적 어두운 배경에서 비교적 더 밝은 픽셀들의 환상체를 검출하는 단계;
   상기 비교적 더 밝은 픽셀들의 환상체를 포함하는 타원형 링을 집합적으로 구성하는 내측 타원 및 외측 타원을 정의하는 단계; 및
   상기 수치 최적화가 상기 타원형 링의 하나 이상의 파라미터를 산출하도록 상기 비용 함수를 맞춤화하는 단계
   를 더 포함하는, 방법.
8. 제3항에 있어서,
   상기 디바이스 피처는 최상부 개구부 및 바닥 표면을 갖는 홀을 포함하고, 상기 바닥 표면은 상기 이미지화 툴에 의해 직접 이미지화되는 것이 부분적으로 가려지고, 상기 최상부 개구부 및 상기 바닥 표면은 경사진 측벽들에 의해 연결되는, 방법.
9. 제8항에 있어서,
   이전의 측정들로부터 상기 홀의 바닥 표면의 알려진 치수들을 획득하는 단계;
   상기 최상부 개구부를 나타내는 픽셀들의 제1 세트 및 상기 바닥 표면을 나타내는 픽셀들의 제2 세트를 각각 포함하는 최상부 타원 및 바닥 타원을 정의하는 단계 - 상기 바닥 타원은 이전의 측정들로부터 획득된 상기 바닥 표면의 알려진 치수들을 통합함 -; 및
   상기 수치 최적화가 상기 최상부 타원과 상기 바닥 타원 사이의 오프셋 값을 산출하도록 상기 비용 함수를 맞춤화하는 단계
   를 더 포함하는, 방법.
10. 제9항에 있어서,
    상기 바닥 타원을 정의하기 위해 상기 알려진 치수들을 통합하는 것은, 상기 경사진 측벽들로 인해 직접 이미지화되는 것이 가려지는 상기 바닥 표면을 보상하는, 방법.
11. 명령어들을 저장하는 비일시적 기계 판독가능 저장 매체로서,
    상기 명령어들은 실행될 때 처리 디바이스로 하여금,
    이미지화 툴을 사용하여 취득된 디바이스 피처의 하나 이상의 이미지의 각각의 이미지의 관련 픽셀들을 포함하는 기하학적 형상을 정의하는 동작 - 상기 기하학적 형상은 하나 이상의 파라미터로 표현됨 -;
    상기 기하학적 형상의 하나 이상의 파라미터를 포함하는 변수들을 갖는 비용 함수를 정의하는 동작;
    각각의 이미지에 대해, 상기 비용 함수의 값이 최소인 상기 하나 이상의 파라미터의 최적 값들을 획득하기 위해 수치 최적화를 적용하는 동작; 및
    상기 하나 이상의 파라미터의 최적 값들을 상기 디바이스 피처에 관한 계측 데이터로서 제공하는 동작
    을 포함하는 동작들을 수행하게 하는, 비일시적 기계 판독가능 저장 매체.
12. 제11항에 있어서,
    상기 기하학적 형상은 타원을 포함하고, 상기 타원을 나타내는 하나 이상의 파라미터는 상기 타원의 장축 직경, 상기 타원의 단축 직경, 상기 타원의 중심의 좌표들, 및 상기 타원의 각도 방향을 포함하는, 비일시적 기계 판독가능 저장 매체.
13. 제11항에 있어서, 상기 비용 함수는:
    비용(x,y,a,b,θ) = 값들(x,y,a,b,θ) - λ면적(a,b)로서 정의되고,
    a = 상기 타원의 장축 직경이고,
    b = 상기 타원의 단축 직경이고,
    (x, y)는 상기 타원의 중심의 좌표들이고,
    θ는 상기 타원의 각도 방향을 나타내는, 상기 타원의 수평 축과 장축 사이의 각도이고,
    면적 = 상기 타원의 면적이고;
    λ는 상기 비용 함수를 최적화하기 위한 조정 파라미터인, 비일시적 기계 판독가능 저장 매체.
14. 제12항에 있어서,
    상기 비용 함수가 최소화되는 상기 타원의 파라미터들의 최적 값들은, 비교적 더 밝은 배경의 관련 픽셀들을 포함하는 가장 크고 가장 어두운 타원을 표현하는, 비일시적 기계 판독가능 저장 매체.
15. 제12항에 있어서, 상기 처리 디바이스는:
    낮은 신호 대 잡음비를 갖는 이미지에서 비교적 어두운 배경에서 비교적 더 밝은 픽셀들의 환상체를 검출하는 동작;
    상기 비교적 더 밝은 픽셀들의 환상체를 포함하는 타원형 링을 집합적으로 구성하는 내측 타원 및 외측 타원을 정의하는 동작; 및
    상기 수치 최적화가 상기 타원형 링의 하나 이상의 파라미터를 산출하도록 상기 비용 함수를 맞춤화하는 동작
    을 추가로 수행하는, 비일시적 기계 판독가능 저장 매체.
16. 제12항에 있어서, 상기 처리 디바이스는:
    이전의 측정들로부터 디바이스 피처의 바닥 표면의 알려진 치수들을 획득하는 동작 - 상기 디바이스 피처는 최상부 개구부 및 바닥 표면을 갖는 홀을 포함하고, 상기 바닥 표면은 상기 이미지화 툴에 의해 직접 이미지화되는 것이 부분적으로 가려지고, 상기 최상부 개구부 및 상기 바닥 표면은 경사진 측벽들에 의해 연결됨 -;
    상기 최상부 개구부를 나타내는 픽셀들의 제1 세트 및 상기 바닥 표면을 나타내는 픽셀들의 제2 세트를 각각 포함하는 최상부 타원 및 바닥 타원을 정의하는 동작 - 상기 바닥 타원은 상기 이전의 측정들로부터 획득된 상기 바닥 표면의 알려진 치수들을 통합함 -; 및
    상기 수치 최적화가 상기 최상부 타원과 상기 바닥 타원 사이의 오프셋 값을 산출하도록 상기 비용 함수를 맞춤화하는 동작
    을 추가로 수행하는, 비일시적 기계 판독가능 저장 매체.
17. 메모리 및 상기 메모리에 결합된 처리 디바이스를 포함하는 시스템으로서,
    상기 처리 디바이스는 다음의 동작들:
    디바이스 피처의 하나 이상의 이미지를 획득하는 동작;
    상기 하나 이상의 이미지의 각각의 이미지의 관련 픽셀들을 포함하는 기하학적 형상을 정의하는 동작 - 상기 기하학적 형상은 하나 이상의 파라미터로 표현됨 -;
    상기 기하학적 형상의 하나 이상의 파라미터를 포함하는 변수들을 갖는 비용 함수를 정의하는 동작;
    각각의 이미지에 대해, 상기 비용 함수의 값이 최소인 상기 하나 이상의 파라미터의 최적 값들을 획득하기 위해 수치 최적화를 적용하는 동작; 및
    상기 하나 이상의 파라미터의 최적 값들을 상기 디바이스 피처에 관한 계측 데이터로서 제공하는 동작
    을 수행하는, 시스템.
18. 제17항에 있어서,
    상기 하나 이상의 이미지를 취득하고 상기 하나 이상의 이미지를 상기 처리 디바이스에 전송하는 이미지화 툴을 더 포함하고, 상기 하나 이상의 이미지를 취득하기 전에, 이미지화 툴 파라미터들이 상기 하나 이상의 이미지의 신호 대 잡음비를 최대화하도록 조정되는, 시스템.
19. 제17항에 있어서,
    상기 기하학적 형상은 타원을 포함하고, 상기 타원을 나타내는 하나 이상의 파라미터는 상기 타원의 장축 직경, 상기 타원의 단축 직경, 상기 타원의 중심의 좌표들, 및 상기 타원의 각도 방향을 포함하는, 시스템.
20. 제17항에 있어서,
    상기 비용 함수는, 상기 수치 최적화가 낮은 신호 대 잡음비를 갖는 이미지의 비교적 어두운 배경에서 비교적 더 밝은 픽셀들의 환상체를 포함하는 타원형 링의 하나 이상의 파라미터를 산출하도록 ??춤화될 수 있는, 시스템.

Images