一种大幅度FPC高精度定位方法与流程

一种大幅度fpc高精度定位方法
技术领域
1.本发明涉及自动光学检测领域，具体涉及了一种大幅度fpc高精度定位方法。


背景技术：

2.柔性印制电路板fpc(flexible printed circuit board)，它是用聚酰亚胺或聚脂薄膜等材料作为常用的基板材料制成的，其以厚度薄、重量轻、可自由弯曲折叠等优点而备受青睐。fpc外观缺陷检查是出厂前的最后一步，是为了提高出厂产品的可靠性。fpc板面容易翘曲变形，会致使检查系统丢失目标，而且fpc外观复杂，缺陷类型多，检查难度大，对于fpc的外观检查主要还是以人工检查的方法，很难保证稳定的检查效率和精度，使用机器视觉检查系统对fpc产品检查变得十分重要。机器视觉缺陷检查包括目标定位、区域划分、缺陷检测三个步骤，其中目标精确定位是缺陷检查过程的第一步。
3.目前常见的机器视觉缺陷检查中目标定位的配备方法是：使用模板匹配对图像上的标记点分别配准，再计算整幅图像的坐标变换函数，以几个标记点为变换基准。随着fpc的板面放置的器件数目增多，标记点的数量和密度也因此增多，导致增加了板面的复杂度。再者标记点出现缺陷的话，匹配是无法进行的。为了保证模板匹配的精确度，该方法要求标记点具有突出的特征以及简单几何外型。针对以上情况开发一种大幅度、精确、高效的fpc定位方法。


技术实现要素：

4.本发明旨在提供一种大幅度fpc高精度定位方法，通过粗配准、全局配准和高精度配准三个步骤实现定位，通过三个步骤实现目标定位，提高了fpc定位的精确度和稳定度，解决了现有的pcb定位方法通用性差、精度低等实际问题，为后续缺陷检测的可行性和准确性提供了保障。
5.为了达到上述目的，本发明采用以下技术方案：一种大幅度fpc高精度定位方法，包括以下步骤：
6.s1：获取fpc的gerber资料的布局模板图像image_model，并对其进行预处理；
7.s2：对步骤s1预处理后的图像进行粗配准，据mark点对检查图像image_snap进行模板匹配，搜索每个mark点对应的图像模板位置，若能够搜索到两个及以上的匹配点，则直接进入步骤s4；若搜索到2个以下匹配点或者没有匹配点，则进入步骤s3；
8.s3：对步骤s2得到的图像采用全局surf匹配处理，之后进入步骤s4；
9.s4：对模板图像image_model采用高精度匹配，运用两点坐标系转换公式来确定检查坐标系和图像坐标系之间的转换关系进而得到fpc的精准定位。
10.优选地，所述步骤s1预处理具体包括：使用相机对fpc不同区域多次采集图像，拼接图像生成完整的检查图像image_snap。
11.针对fpc检查图像中有mark定位点的图像，首先采用粗配准进行位置偏差的纠正。
12.优选地，所述步骤s2粗配准具体包括：对检查图像image_snap中预设的mark点附
近进行小范围的模板匹配，在模板图image_model中如果能搜索到正确匹配的模板，则将该位置设置为mark点的真实位置。
13.优选地，所述步骤s3全局surf匹配包括以下步骤：
14.a.使用hessian矩阵完成兴趣点的提取；
15.b.使用haar小波响应的高斯加权和来确定上一步兴趣点的主方向；
16.c.获取候选匹配集；
17.d.用hough变换在步骤c中得到的候选匹配集中求出匹配点，再用最小二乘法求解变换参数。
18.优选地，所述步骤c具体包括：对于检查图像image_snap上的某一个特征，计算出它与测试图像上所有特征的与其距离，当其中最小距离与其他某个匹配距离的比值小于设置的阈值时，就将这个匹配加入候选匹配集。
19.由于mark点一般在图像的边缘，大幅面的fpc中间区域可能会由于变形导致匹配结果跟实际有偏差，因此我们在粗匹配和全局surf匹配的基础上，对每个采集区域进行高精度配准，进一步提高fpc定位的精确度。
20.优选地，所述步骤s4具体包括：对模板图像image_model采用高精度匹配，在图像image_snap的每个采集区中搜索粗匹配和全局surf匹配成功目标的真实中心，运用两点坐标系转换公式来确定检查图像坐标系和模板图像坐标系之间的转换关系，与gerber资料模板图像image_model中的设计坐标作对比，计算检查图像坐标和gerber资料模板图像坐标的转换关系，进而得到fpc的精准定位。
21.与现有技术相比，本发明具有以下有益效果：
22.本发明采用三阶段匹配算法对大幅fpc板的定位方法，解决了传统模板匹配配准算法使用特征点进行fpc板定位错误率高的问题。解决了检查目标和学习目标之间存在较大位置的偏差，能切实提高fpc焊盘定位的精度和稳定性，为后期fpc缺陷的精确查找奠定了基础。
附图说明
23.图1为本发明大幅度fpc高精度定位方法的流程示意图。
具体实施方式
24.下面将结合本发明实施例，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，都属于本发明保护的范围。
25.如图1的流程图所示，先获取fpc的gerber资料的布局模板图像image_model，之后使用相机对fpc不同区域进行多次图像采集，并拼接图像生成完整的检查图像image_snap，接着对检查图像image_snap进行预处理，对检查图像image_snap中预设的mark点附近进行小范围的模板匹配，在模板图image_model中如果能搜索到正确匹配的模板，则将该位置设置为mark点的真实位置。
26.进一步地，针对fpc图像中有mark定位点的图像，首先采用粗匹配进行位置偏差的
纠正：搜索每个mark点对应的图像模板位置，能够搜索到两个及以上的匹配点，则运用两点坐标系转换公式来确定检查坐标系和图像坐标系之间的转换关系；
27.进一步地，针对fpc图像中没有mark定位点或者在粗匹配中没能匹配到2个及以上点的图像，则使用全局surf匹配来完成坐标系转换工作，全局surf匹配具体步骤包括：
28.a.使用hessian矩阵完成兴趣点的提取，hessian矩阵能反映图像点附近的特征梯度变化情况；
29.b.使用haar小波响应的高斯加权和来确定上一步兴趣点的主方向，haar小波反映采样点附近图像的梯度信息；
30.c.获取候选匹配集；
31.d.用hough变换在步骤c中得到的候选匹配集中求出匹配点，再用最小二乘法求解变换参数。
32.进一步地，由于mark点一般在图像的边缘，大幅面的fpc中间区域可能会由于变形导致匹配结果跟实际有偏差，因此在粗匹配和全局surf匹配的基础上，对每个采集区域进行高精度配准，具体步骤包括：对模板图像image_model采用高精度匹配，在图像image_snap的每个采集区中搜索粗匹配和全局surf匹配成功目标的真实中心，运用两点坐标系转换公式来确定检查图像坐标系和模板图像坐标系之间的转换关系，与gerber资料模板图像image_model中的设计坐标作对比，计算检查图像坐标和gerber资料模板图像坐标的转换关系，进而得到fpc的精准定位。
33.上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。