一种基于EDLines定位圆形Mark点的方法与流程

一种基于edlines定位圆形mark点的方法
技术领域
1.本技术属于视觉检测技术领域，具体涉及一种基于edlines定位圆形mark点的方法。


背景技术：

2.在pcb板设计阶段，设计者通常会制作圆形mark点作为定位基准，以便于可以为后续有效的检测做好基础。pcb板的mark点是电路板设计中，pcb应用于自动贴片机上的位置识别点，也叫标记点或特征点。
3.视觉检测pcb板的基本原理是：在图像处理后，根据像素点的统计判断出标识的位置，然后将检测到的标识点与标准定位点进行比较，如果发现误差则予以补偿，提高pcb板的定位精度。
4.现有传统的圆形mark点的定位通常使用模板匹配和拟合圆的方法。其中模板匹配的方法由于样本可能发生缩放、旋转、光照变化等因素的影响，导致经常无法准确完成模板匹配。而现有圆拟合的方法经过一次拟合误差较大，且速度较慢。


技术实现要素：

5.本技术的目的在于提供一种基于edlines定位圆形mark点的方法，实现对圆形mark点的准确定位。
6.为实现上述目的，本技术所采取的技术方案为：
7.一种基于edlines定位圆形mark点的方法，所述基于edlines定位圆形mark点的方法，包括：
8.步骤s1、采集包含圆形mark点的灰度图像；
9.步骤s2、采用edlines算法提取所述灰度图像中的线段，实现对圆形mark点的定位，包括：
10.步骤s2.1、对所述灰度图像进行高斯滤波，得到平滑图像；
11.步骤s2.2、取sobel算子包含0
°
、45
°
、90
°
、135
°
、180
°
、270
°
六个方向的梯度方向模板，对平滑图像中的各像素点分别基于六个方向的梯度方向模板进行卷积得到六个值，取六个值中最大的值替换对应像素点的像素值，得到梯度图像；
12.步骤s2.3、基于梯度图像采用局部梯度极大值选取锚点，连接锚点得到边缘像素链；
13.步骤s2.4、第一次圆拟合：将所有锚点分成三个不同组别，将每一锚点与位于不同组别中的每个锚点连接形成线段，选取所有线段中最长的四条线段，以所选取的四条线段的交点作为圆心，以所选取的四条线段的长度和除以8作为圆的半径得到第一拟合圆；
14.步骤s2.5、采用最小二乘法对边缘像素链进行拟合，得到新的像素线段，基于亥姆霍兹原理去除错误的像素线段，得到最终的直线段集合；
15.步骤s2.6、第二次圆拟合：通过最小二乘拟合圆对所述直线段集合中的像素线段
进行拟合，得到第二拟合圆的圆心和半径；
16.步骤s2.7、将所述第一拟合圆和第二拟合圆的圆心做差值，若差值在预设误差范围内，则取第一拟合圆和第二拟合圆中的任意一个作为圆形mark点对应的圆；否则定位失败，返回步骤s2.3继续执行。
17.以下还提供了若干可选方式，但并不作为对上述总体方案的额外限定，仅仅是进一步的增补或优选，在没有技术或逻辑矛盾的前提下，各可选方式可单独针对上述总体方案进行组合，还可以是多个可选方式之间进行组合。
18.作为优选，所述0
°
、45
°
、90
°
、135
°
、180
°
、270
°
六个方向的梯度方向模板为：
19.其中0
°
方向的梯度方向模板为：
20.其中45
°
方向的梯度方向模板为：
21.其中90
°
方向的梯度方向模板为：
22.其中135
°
方向的梯度方向模板为：
23.其中180
°
方向的梯度方向模板为：
24.其中270
°
方向的梯度方向模板为：
25.作为优选，所述基于梯度图像采用局部梯度极大值选取锚点，连接锚点得到边缘像素链，包括：
26.步骤s2.3.1、使用行优先顺序对梯度图像进行光栅扫描，消除梯度值小于梯度阈值的像素点，得到边缘区域；
27.步骤s2.3.2、根据预设的锚点阈值，利用非极大值抑制从边缘区域中筛选出锚点；
28.步骤s2.3.3、连接所筛选出的锚点得到边缘像素链。
29.作为优选，所述将所有锚点分成三个不同组别，包括：
30.以梯度图像的图像中心为圆心将梯度图像视为一个圆，取圆周长上的任意一点为起始点，基于起始点将圆等分为三个扇形区域，完成锚点的划分。
31.本技术提供的基于edlines定位圆形mark点的方法，结合了edlines算法和曲线拟合方法，采用两次圆拟合大大减少了误差圆的产生，同时结合edlines算法加快定位速度，有效克服样本残缺和采样环境恶劣等情况对定位的影响，降低边缘检测的错误率。
附图说明
32.图1为本技术的基于edlines定位圆形mark点的方法的流程图；
33.图2为本技术提供的定位圆形mark点的具体实施例流程图。
具体实施方式
34.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
35.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中在本技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是在于限制本技术。
36.其中一个实施例中，提供一种基于edlines定位圆形mark点的方法，通过两次圆拟合可克服圆形mark点部分缺失以及噪声干扰大时的定位，在pcb板视觉检测中具有良好应用。
37.如图1所示，本实施例的基于edlines定位圆形mark点的方法，包括：
38.步骤s1、采集包含圆形mark点的灰度图像。
39.步骤s2、采用edlines算法提取所述灰度图像中的线段。
40.edlines算法为一种直线段检测算法，该算法具有强大且准确的检测结果，并且获取直线段的速度快。如图2所示，本实施例中对圆形mark点定位时使用的edlines算法的流程如下：
41.步骤s2.1、对所述灰度图像进行高斯滤波，得到平滑图像。
42.高斯滤波是一种线性平滑滤波器，对于服从正态分布的噪声有很好的抑制作用，便于对后续进行边缘像素链的提取。需要说明的是，高斯滤波为图像处理领域的常规操作，这里不对本技术所采用的高斯滤波方法进行限定。
43.步骤s2.2、取sobel算子包含0
°
、45
°
、90
°
、135
°
、180
°
和270
°
六个方向的梯度方向模板，对平滑图像中的各像素点分别基于六个方向的梯度方向模板进行卷积得到六个值，取六个值中最大的值替换对应像素点的像素值，得到梯度图像。
44.传统的sobel算子使用水平和垂直两个方向的3
×
3卷积模板计算图像的一阶导数从而得到图像的边缘点，本实施例的sobel算子在原有两个方向0
°
和90
°
的基础上增加45
°
、135
°
、180
°
、270
°
四个梯度方向模板，其中0
°
和90
°
，45
°
和135
°
，180
°
和270
°
三组数据中的两个方向互为垂直，具有最高的覆盖率，在避免重复的情况下选用相互垂直的梯度方向，既保证了检测速度有保证了检测精度。
45.虽然传统的两个方向的sobel算子计算简单且应用面广，但是容易丢失边缘信息，本实施例增加四个梯度方向可以更精准，其中0
°
方向的梯度方向模板为：其中45
°
方向的梯度方向模板为：其中90
°
方向的梯度
方向模板为：其中135
°
方向的梯度方向模板为：其中180
°
方向的梯度方向模板为：其中270
°
方向的梯度方向模板为：
46.步骤s2.3、基于梯度图像采用局部梯度极大值选取锚点，连接锚点得到边缘像素链，具体为：
47.步骤s2.3.1、使用行优先顺序对梯度图像进行光栅扫描，消除梯度值小于梯度阈值的像素点，得到边缘区域；本实施例中设置光栅扫描的间距为2。
48.步骤s2.3.2、根据预设的锚点阈值，利用非极大值抑制从边缘区域中筛选出锚点；选择一个合适的锚点阈值可以有效提高后续提取出边缘线段的准确度，本实施例经过多次试验设定锚点阈值为7，最方便提取出优质的线段。
49.步骤s2.3.3、连接所筛选出的锚点得到边缘像素链。
50.步骤s2.4、第一次圆拟合：将所有锚点分成三个不同组别，将每一锚点与位于不同组别中的每个锚点连接形成线段，选取所有线段中最长的四条线段，以所选取的四条线段的交点作为圆心，以所选取的四条线段的长度和除以8作为圆的半径得到第一拟合圆。
51.由于锚点不一定是均匀分布的，因此本实施例为了得到较优的划分结果，在对锚点进行划分时采用如下方式：以梯度图像的图像中心为圆心将梯度图像视为一个圆，取圆周长上的任意一点为起始点，基于起始点将圆等分为三个扇形区域，完成锚点的划分。将圆进行等分的划分线对应至梯度图像上且延伸至梯度图像的图像边沿后即可视为对梯度图像的划分，将梯度图像中划分为同一区域的锚点作为同一组，得到划分后的结果。
52.上述锚点划分方式可以使每个区域中均具有相对均匀的锚点，有利于后续的圆拟合。在其他实施例中，也可以采取根据实际需求选择其他划分方式。
53.步骤s2.5、采用最小二乘法对边缘像素链进行拟合，得到新的像素线段，基于亥姆霍兹原理(helmholtz principle)去除错误的像素线段，得到最终的直线段集合。
54.本实施例中采用亥姆霍兹原理(helmholtz principle)检测像素线段，包括：
[0055][0056]
其中，n4：图像大小n
×
n的图像中每条像素线段有两个点，每个点有n2个选择，共有n4个线段；p：像素线段方向的准确度；n,k：像素线段a的长度为n，至少有k个像素点的梯度方向与像素线段a的梯度方向相同。
[0057]
如果nfa(n,k)≤ε(ε为错误阈值)，表示该像素线段是有效的；否则为无效。本技术中ε优选取1。
[0058]
步骤s2.6、第二次圆拟合：通过最小二乘拟合圆对所述直线段集合中的像素线段进行拟合，得到第二拟合圆的圆心和半径。其中最小二乘拟合圆采用现有的方式实现即可。
[0059]
步骤s2.7、将所述第一拟合圆和第二拟合圆的圆心做差值，若差值在预设误差范围内，则取第一拟合圆和第二拟合圆中的任意一个作为圆形mark点对应的圆；否则定位失败，返回步骤s2.3继续执行。
[0060]
在实际识别中，由于圆形mark点边缘比较模糊，因此本实施例为了提升准确率二次进行圆拟合，根据二次圆拟合后的结果确定最终的圆形mark点对应的圆，以保证对圆形mark点定位的准确性。
[0061]
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0062]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。