基于边缘特征点集配准的识别定位方法及系统、存储介质与流程

技术特征：
1.一种基于边缘特征点集配准的识别定位方法，其特征在于，包括以下步骤：计算元件灰度图像中各个像素位置的梯度值，从梯度值中筛选出局部极值点作为候选边缘点，根据候选边缘点邻域内灰度分布信息计算出亚像素边缘点的位置和对应的梯度向量；对亚像素边缘点筛选抽稀得到目标特征点集；依据目标特征点集建立元件的形状模板点集；将形状模板点集向目标特征点集对应的梯度向量上投影，采用投影距离的最大相关熵作为评价准则进行配准获得元件的位姿信息。2.根据权利要求1所述的方法，其特征在于，所述根据候选边缘点邻域内灰度分布信息计算出亚像素边缘点的位置和对应的梯度向量，包括以下步骤：分别计算元件灰度图像中各个像素位置的x和y方向梯度值，x方向梯度值，y方向梯度值；其中，g
x
(row，col)表示位于图像第row行第col列的像素的x方向梯度值，g
y
(row，col)表示位于图像第row行第col列的像素的y方向梯度值，gray(row 1,col)表示位于图像第row 1行第col列的像素的灰度值，gray(row-1,col)表示位于图像第row-1行第col列的像素的灰度值；在x方向梯度值中筛选出局部极值点作为纵向候选边缘点；在y方向梯度值中筛选出局部极值点作为横向候选边缘点；以候选边缘点为中心确定邻域，采用亚像素边缘线y=
ɑ
x b将领域分为两部分；以候选边缘点邻域内的梯度值确定亚像素边缘线两侧的边界位置，并计算其中一侧边界位置至亚像素边缘线之间的面积s
p
；分别计算两侧边界位置的像素平均值，得到区域灰度值，面积s
p
所在侧的区域灰度值记为a，另一侧的区域灰度值记为b；计算单行像素的灰度值之和sum
f
，公式如下：，其中，i为单个像素点，h为像素的大小，n为单行像素的个数，m和n分别为像素所在行的边界位置坐标，所述单行像素是指沿所述候选边缘点对应的梯度方向，grad（i）为i的灰度值；根据s
p
和sum
f
得到亚像素边缘线的参数
ɑ
、b，计算出亚像素边缘点的位置为(row,col b)和对应的梯度向量。3.根据权利要求2所述的方法，其特征在于，所述以候选边缘点为中心确定邻域中，所述邻域沿该候选边缘点对应的梯度方向取3行，分别记为u、m、d，h取值为1，则s
p = s
u s
m s
d ，且
，其中，u1、m1、d1分别为各行中位于亚像素边缘线一侧的边界位置坐标，s
u
、s
m
、s
d
分别为各行边界位置至亚像素边缘线之间的面积。4.根据权利要求1所述的方法，其特征在于，所述对亚像素边缘点筛选抽稀得到目标特征点集包括以下过程：利用局部异常因子算法计算各个亚像素边缘点在半径为r的邻域中的点密度d，若点密度d小于阈值d
th
，则认为该点为离群点，将其从亚像素边缘点集中剔除；利用k最近邻算法计算各个亚像素边缘点在点集中的k个最近邻点，评估这k 1个亚像素边缘点的梯度方向一致性，当这k 1个亚像素边缘点的梯度方向差值时，则认为该亚像素边缘点为干扰点，将其从亚像素边缘点集中剔除，其中，表示第i个点的梯度向量的方向角，表示第i 1个点的梯度向量的方向角，表示方向阈值；在剩余的亚像素边缘点集中进行均匀采样，等间隔抽取n_target个亚像素边缘点，并提取出亚像素边缘点对应的梯度向量和坐标值构成目标特征点集。5.根据权利要求1所述的方法，其特征在于，所述依据目标特征点集建立元件的形状模板点集包括以下过程：设定形状模板点集数目为num，向长边分配个点，向短边分配个点，w为以像素单位计的长边长度，h为以像素单位计的短边长度，floor表示向下取整数；在长边两侧留出s
×
w的空余，在短边两侧留出s
×
h的空余后，等间隔选取各条边上的点，建立元件的形状模板点集。6.根据权利要求5所述的方法，其特征在于，s的取值范围为：10/h≤s≤30/h。7.根据权利要求1所述的方法，其特征在于，所述将形状模板点集向目标特征点集对应的梯度向量上投影，采用投影距离的最大相关熵进行配准获得元件的位姿信息包括以下过程：确定形状模板点集和目标特征点集的对应关系，将形状模板点集向目标特征点集对应的梯度向量上投影，计算各个对应点对的投影距离；将投影距离之和作为迭代配准误差，目标函数如下：，其中，t表示刚性变换，包括旋转变换、缩放变换或平移变换，argmin表示求目标函数的最小值；i表示 形状模板点集中点的计数编号；s
i
表示形状模板点集中第i个点；n
s
表示形状模板点集中点的个数；n
d
表示目标特征点集中特征点的个；c(i)表示用于确定模板点i在目标
特征点集中对应点的关系函数；表示目标特征点集中对应第i个模板点的特征点的梯度向量，d
c(i)
表示目标特征点集中与模板点集第i个点相对应的特征点；，其中，s表示缩放变换矩阵；r表示旋转变换矩阵；t表示平移变换矩阵；β
x
为横向缩放系数；β
y
纵向缩放系数；旋转角度；s
ix
表示第i个模板点的x坐标值；s
iy
表示第i个模板点的y坐标值；t
x
横向位移；t
y
纵向位移；向所述目标函数中引入最大相关熵准则，得到新的目标函数：其中，表示高斯核因子，根据目标特征点集的平均密度meandist设置，采用；迭代求解s、r、t的最优解，直到达到最大迭代次数或配准误差满足要求，得到配准结果，将配准结果转换为元件的识别定位结果。8.根据权利要求1-7任意一项所述的方法，其特征在于，还包括对原始元件灰度图像预处理，具体为：对原始元件灰度图像进行中值滤波处理，消除图像中的椒盐噪声；利用双边滤波器处理，输出滤波增强后的所述元件灰度图像。9.一种基于边缘特征点集配准的识别定位系统，其特征在于，包括：亚像素边缘检测模块，用于计算元件灰度图像中各个像素位置的梯度值，从梯度值中筛选出局部极值点作为候选边缘点，根据候选边缘点邻域内灰度分布信息计算出亚像素边缘点的位置和对应的梯度向量；筛选抽稀模块，用于对亚像素边缘点筛选抽稀得到目标特征点集；形状模板点集模块，用于依据目标特征点集建立元件的形状模板点集；配准识别模块，用于将形状模板点集向目标特征点集对应的梯度向量上投影，采用投影距离的最大相关熵进行配准获得元件的位姿信息。10.一种计算机可读存储介质，其特征在于，包括程序，所述程序能够被处理器执行以实现如权利要求1-8中任一所述的方法的步骤。

技术总结
本发明涉及表面贴片设备技术领域，具体公开了一种基于边缘特征点集配准的识别定位方法及系统、存储介质，所述方法包括以下步骤：计算元件灰度图像中各个像素位置的梯度值，从梯度值中筛选出局部极值点作为候选边缘点，根据候选边缘点邻域内灰度分布信息计算出亚像素边缘点的位置和对应的梯度向量；对亚像素边缘点筛选抽稀得到目标特征点集；依据目标特征点集建立元件的形状模板点集；将形状模板点集向目标特征点集对应的梯度向量上投影，采用投影距离的最大相关熵作为评价准则进行配准获得元件的位姿信息。该方案能够在元件图像质量存在变化的前提下，使用同一套识别参数稳定、高效地完成识别定位要求。效地完成识别定位要求。效地完成识别定位要求。


技术研发人员：贺琛 唐学峰 吴欢欢 傅亚男 于缓缓 陈凌升 金长明
受保护的技术使用者：合肥安迅精密技术有限公司
技术研发日：2022.09.05
技术公布日：2022/10/11