[發明專利]一種基于FREAK的高速高密度封裝元器件快速定位方法

在審

• 申請號: 201310562520.7
• 申請日: 2013-11-12
• 公開（公告）號: CN103679193A
• 公開（公告）日: 2014-03-26
• 發明（設計）人: 高紅霞;吳麗璇;陳安;胡躍明
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 蔡茂略

技術領域

本發明涉及精密電子組裝中的識別定位研究領域，特別涉及一種基于FREAK的高速高密度封裝元器件快速定位方法。

背景技術

表面貼裝技術起源于20世紀60年代的美國，當時主要用在軍事電子產品中。70年代，由于日本電子行業大力發展消費類產品，SMT無與倫比的制造優勢慢慢突顯出來并且迅速在電子行業得到大力推進。80年代以來，由于電子類消費產品的迅猛發展以及各國對電子裝備業戰略性地位的充分認識，作為“第四次貼裝革命”的SMT得到前所未有的重視和發展。目前，SMT已影響到通信、家電、計算機、網絡、自動化、航空、航天、航海等各個領域的產品水平，其相關技術和設備是各國電子信息制造業水平的重要標志。

數字圖像配準（Image?Registration）作為圖像處理中一項基礎性任務，其定義是指將不同時刻拍攝的、從不同視角或者不同的攝像機等條件下獲取的同一目標下的兩幅圖像進行幾何對準的過程，是評價兩幅或多幅圖像的相似性以確定同名點的過程。圖像配準是圖像處理與應用中的一個基本問題，它在航空影像圖像拼接、三維成像、機器視覺和模式識別、遙感數據處理、醫學圖像分析等領域均有重要應用。由于SMT中視覺處理的任務與配準的任務是一致的，因此圖像配準技術是SMT視覺檢測系統的一個重要組成部分，為后續檢測提供了必要的預處理?；谔卣鞯膱D像配準方法因其不直接依賴于灰度、魯棒性好、抗干擾性強、計算量小、速度快而成為應用最廣泛的圖像配準方法。一般來講，配準的基本框架包含特征檢測、特征匹配、變換模型參數估計和圖像重采樣四個步驟。

自從Lowe和Bay等分別提出了SIFT和SURF算法后，追求更快、具有更好魯棒性的特征描述子成為近來一個熱門的發展趨勢。一個理想的特征描述子一般具有高的魯棒性、奇異性和較低的算法復雜度。為了讓特征描述算法能夠應用于智能手機和嵌入式電子設備上，Alexandre?Alahi在CVPR2012提出了一種新的特征點描述子FREAK（Fast?Retina?Keypoint）。該描述子在權衡上述三個性能，以運算速度為導向，突出算法的實時性能，同時其魯棒性和奇異性也具有良好的性能。FREAK配準的關注點在于特征的描述，而關鍵點定位的工作則可以采用已有的一些常用的方法，如Hessian矩陣、DoH檢測、Harris角點定位等。因此將特征點描述子FREAK應用于精密電子組裝中進行識別定位具有極高的研究意義。

發明內容

本發明的主要目的在于克服現有技術的缺點與不足，提供一種基于FREAK的高速高密度封裝元器件快速定位方法，該方法是在SURF關鍵點檢測的基礎上引入FREAK二進制特征，能夠大幅度提高圖像配準的速度，實現高速高精度元器件視覺定位檢測，同時具有很強的魯棒性。

本發明的目的通過以下的技術方案實現：一種基于FREAK的高速高密度封裝元器件快速定位方法，包括以下步驟：

（1）關鍵點定位：輸入待配準圖像和模板圖像，采用Hessian矩陣檢測關鍵點的位置所在；

（2）特征描述：利用關鍵點的鄰域信息，確定特征點的主方向；根據視網膜模型的分布，訓練學習采樣點對比對，根據對比對構建FREAK特征向量；

（3）特征匹配：根據FREAK特征向量，采用海明距離（即異或操作）作為特征向量的相似性度量，進行最近鄰匹配；通過匹配的特征點對構建仿射變換方程，通過最小二乘法求解上述變換方程，計算得到空間變換模型參數，即：x方向的平移參數m、y方向的平移參數n和旋轉角度β。

具體的，所述步驟（1）的關鍵點定位具體過程如下：

（1-1）輸入待配準圖像I(x,y)和模板圖像f(x,y)，并分別生成積分圖像；

（1-2）構建快速Hessian矩陣，并根據快速Hessian矩陣構建尺度空間；然后根據步驟（1-1）得到的積分圖像得到三維尺度空間響應圖；

（1-3）在得到的三維尺度空間響應圖中進行閾值分割，只保留具有強響應值的像素點；接著，采用極大值抑制來尋找候選特征點；最后，用三維二次擬合函數對特征點進行臨近像素插值，得到關鍵點位置。