芯片引线键合的快速图像定位研究

为实现芯片引脚及引线框架的精确定位,提出了一种改进型的视觉定位方法.该方法结合LOG算子的定位方法和Zernike正交矩的最小二乘椭圆拟合亚像素定位方法,分别对芯片引脚和引线框架进行了定位:对于芯片引脚采用LOG算子算法进行匹配定位,而针对引线框架图像则采用Zernike正交矩的最小二乘椭圆拟合亚像素方法进行定位.通过构建的芯片自动视觉定位平台,进行了相关定位实验.实验表明,芯片引脚及引线框架定位精度小于0.6像素,满足芯片封装应用要求.     

面向LED芯片检测与分选的机器视觉定位系统的开发

LED芯片定位是进行芯片检测、划片、扩晶、固晶及判断芯片电气特性、芯片管脚是否达到要求,能否成功分选LED芯片质量的关键一环.针对这一问题,首先根据定位系统的结构原理,对LED芯片高精度定位系统进行了方案设计并构建出其硬件结构.其次分析研究了定位系统的视觉部分,并运用图像处理中的模板匹配算法,解决了LED芯片的精确识别与可靠定位.然后对定位系统的运动控制滑台部分进行设计,通过运动控制卡发脉冲操作驱动器控制直线伺服电机运动,并采用直线光栅检测技术进行位置反馈,从而实现滑台伺服系统X轴、Y轴、Z轴和θ角等方向上的精确定位.最后对定位系统的视觉软件、运动控制软件等部分进行设计,其中视觉软件采用VB6.0开发操作界面、图像处理软件Halcon10.0进行识别和定位,运动控制软件进行滑台的运动控制,从而获得LED芯片在晶圆上的精确位置.分别采用机器视觉、滑台伺服控制、光栅检测反馈和高精度图像模板匹配技术,研制出LED芯片高精度定位的自动化检测系统.实验测试结果表明,其图像定位精度误差小于1μm,滑台定位精度误差4μm,整体定位系统定位精度小于5μm,定位速度大于5粒/秒LED芯片.因此,该系统不但能够满足定位系统的科研需求,也能推广应用到生产中去,为芯片级高精度定位系统开辟了新的方法.     

基于视觉的贴片元件检测算法

为了实现贴片元件的自动检测,提出了一种基于视觉的贴片元件几何特征参数检测方法.首先采用最大外接矩形法实现元件的粗定位及确定边缘的分割点,并采用Canny和Zernike矩边缘检测算子实现边缘的精确定位.然后,利用分割点将边缘分割成4部分,分别进行直线和圆弧拟合,得到其精确值.同时,利用快速傅里叶变换后的图像特征,实现端面图像中条纹方向的判定.实验中测得亚像素边缘点的定位精度为0.03像素,直线拟合精度为0.03像素,圆弧拟合精度为0.05像素,端面条纹判断的准确率为100%.实验结果表明:文中提出的检测方法能很好地满足贴片元件自动视觉检测稳定可靠、精度高及实时性强的要求.     

机械零件图像中直线边缘亚像素定位方法

以计算机视觉在机械零件几何参数检测的实际应用为例，提出了一种使用高斯拉普拉斯(LOG)函数检测斜坡状边缘的像素级位置，在已知目标为直线边缘的情况下，使用最小二乘线性回归把二维的边缘拟合降为一维边缘定位，从而使直线边缘定位达到亚像素级精度的算法．同时还进行了空间矩直线边缘亚像素定位算法与本文所提出算法的对比实验．实验结果表明：在低噪声图像中，两种算法的边缘定位精度均达到满意的结果，且最小二乘线性回归亚像素定位算法速度较快．     

基于Sigmoid函数拟合的亚像素边缘检测方法

亚像素边缘检测技术是采用图像处理软件算法来提高检测精度的有效途径,因而在基于计算机视觉的检测中具有重要地位。本文对矩法、拟合法和插值法等常用的亚像素边缘检测算法的原理、优点和不足进行了分析。提出了Sigmoid函数拟合的亚像素边缘定位算法,该算法采用Sigmoid函数拟合边缘模型,然后利用图像边缘灰度信息,对该模型进行非线性最小二乘拟合,求得边缘的亚像素位置。实验中测得本文提出的基于Sigmoid函数拟合的亚像素边缘定位算法定位精度为0.045像素,但检测的速度比灰度矩提高了一个数量级,比空间矩、Zernike矩和插值法提高了两个数量级。理论分析和实验结果表明：本文提出的亚像素定位算法能较好的满足影像测量中的稳定可靠、精度高及实时性的要求。     

灰度矩边缘精确定位法的测量应用探讨

针对运用图像处理法进行二维尺寸精密测量的一个关键问题—图像目标边缘精确定位,提出了运用一维灰度矩亚像素边缘定位原理,分别计算若干条扫描线边缘,通过统计计算确定直线边缘的方法。在分析图像目标边缘像素灰度分布的基础上,确定了计算用像素点的选取原则。试验证明这种方法可以进行精确边缘定位,定位精度可以达到小于0.01个像素的水平。     

基于Fourier-Mellin矩边缘检测的改进算法

为了满足计算机视觉标定与精密测量对图像边缘定位的高精度和抗噪声要求,提出一种基于正交Fourier-Mellin矩亚像素边缘检测的改进算法.首先,建立亚像素边缘理想模型,推导了新的Fourier-Mellin矩7×7模板,利用各级矩的卷积来提取边缘点细节特征.然后,根据幅值旋转不变性原理,通过分析图像边缘旋转至垂直方向后各阶次Fourier-Mellin矩之间的关系,得到被测点亚像素边缘的各级参数.再根据改进的边缘判据,利用其高阶矩的细节描述能力和低阶矩的噪声抑制能力,确定图像中实际边缘点的亚像素坐标.实验结果表明,改进算法具有更高的检测精度和更强的抗噪性能,对含噪直线和含噪曲线的定位精度可达0.07像素和0.10像素,更好地满足了图像边缘定位的稳定可靠、高精度测量要求.     

基于全向视觉信息的足球机器人自定位方法研究

RoboCup中型组比赛对抗激烈。针对赛场的高度动态性,提出了一种快速的机器人自定位方法。首先根据全向视觉机器人的结构特点。在进行视觉处理时,利用图像掩模去除无效信息;同时针对全像素搜索的不必要性,采用基于Bresenham算法的像素搜索方法,缩小像素搜索范围。在机器人自定位时,利用白线定位方法,结合基于Bresenham算法的像素搜索方法,有效的提高图像处理的实时性。最后,以ASROⅡ机器人为实验平台,设计了实验验证了该方法不但提高了实时性;而且完全可以满足比赛对定位精度的要求。     

基于深度强化学习的移动机器人视觉图像分级匹配算法

针对传统移动机器人视觉图像分级匹配算法只能完成粗匹配, 导致最终匹配精度较低、 匹配时间较长等问题, 提出一种基于深度强化学习的移动机器人视觉图像分级匹配算法. 首先, 利用深度强化学习网络结构中的策略网络和价值网络, 共同指导浮动图像按正确方向移至参考图像; 其次, 在粗匹配过程中通过设计奖赏函数, 实现颜色特征粗匹配; 最后, 在粗匹配基础上, 利用改进尺度不变特征变换算法提取待匹配的图像局部特征, 按相似度进行移动机器人视觉图像分级匹配. 实验结果表明, 该算法可有效实现图像的粗匹配与精匹配, 在不同视角与尺度情况下特征检测的稳定性均较高, 匹配精度高、 时间短, 匹配后的图像质量较好, 提高了移动机器人的实际应用效果.     

基于双显微视觉的光刻版位姿定位算法

光刻版工件移动位姿的精确定位及调整是完成其视觉对位的关键。本文针对光刻版工件跨尺度级高精度对位的难点,搭建了双显微视觉对位系统,通过双显微视觉的局部位姿检测,解决了工件尺寸与定位精度之间的矛盾。具体方法为：首先采用双显微视觉获取工件两端局部图像;接着提出改进Canny算法并基于多项式插值的边缘细分完成亚像素级边缘轮廓提取;然后基于RANSAC算法拟合边缘轮廓,获得左右相机图像中“Mark”标志中心点位置坐标及偏转角度;最后通过推导局部位姿间数学关系完成光刻版工件的精确位姿定位。实验结果表明：所设计的视觉算法对于0.5 mm平行线的距离检测精度达1.93 μm、角度提取精度达0.018°;对于光刻版的移动位姿的定位精度达0.64 μm,能满足视觉对位过程中高速高精度的定位需求。     

SMT元件影像检测关键算法

提出了一种基于视觉的贴片元件几何特征参数的检测方法。该方法首先采用最大外接矩形的方法实现元件的粗定位及确定边缘的分割点。接着采用Canny算子和Zernike矩边缘检测算子实现边缘的亚像素精确定位。然后,利用分割点将边缘分割成4部分,分别进行直线拟合,得到边缘的直线方程,利用直线和圆弧相切的关系,求得直线和圆弧的切点,采用最小二乘法对两切点间的边缘点进行圆弧拟合得到圆弧的精确值。同时,采用快速傅立叶变换,利用变换后图像的特征,实现端面图像中条纹方向的判定。实验中测得亚像素边缘点的定位精度为0.03pixel,直线拟合精度为0.03pixel,圆弧拟合精度为0.05pixel,端面条纹判断的准确率为100%。理论分析和实验结果表明：本文提出的最大外接矩形分割法、亚像素定位法、直线圆弧拟合法及条纹方向判断法能很好的满足贴片元件几何特征参数自动视觉检测的稳定可靠、精度高及实时性的要求。     

移动焊接机器人的工件识别及焊缝起始位置定位

摘要：
考虑到非结构空间焊接的特殊性,通过视觉技术,基于圆投影和Zernike矩,提出了一种两步模板匹配法检测待焊工件是否出现在视觉区域;结合霍夫直线检测方法,设计了一套提取特征直线算法,并确定焊缝起始点在图像中的亚像素位置.由移动机器人在不同角度拍摄工件图像,圆投影和Zernike矩计算结果验证了其表征模板特性的有效性,具有旋转抗性,而且对于光照条件及摄像机视野的鲁棒性好,焊缝起始位置定位结果满足视觉计算需要. 关键词：
自主焊接; 移动机器人; 视觉技术; 工件识别 中图分类号： TG 409
文献标志码： A     

数码相机定位的优化设计

研究的是数码相机在交通管制中定位物体特征点的优化设计问题．将数码相机成像问题简化为针孔成像问题后,研究了靶标图像与数码相机像平面上图像间的旋转和平移关系,为了使二维图像获取三维信息,建立起图像间的透视投影模型．利用该模型,通过确立标定点与相应的二维图像坐标,运用最小二乘法求解投影矩阵,实现对相机内、外部参数的标定．标定过程中,运用数字图像处理技术,对图像进行二值化处理,提高了数据的准确度和科学可信性,由此解得较为精确的内、外部参数,获得基于此模型的圆心在像平面的坐标表示,分别为A（321,189）、B（422,196）、C（639,212）、D（582,502）、E（284,501）．使用BP神经网络方法对已建立的模型进行检测,通过对比BP神经网络与透视投影求得圆心值与实际圆心值的均方根误差,论证了该模型有较高的精度和稳定性．并基于已有工作,建立了双目视觉定位模型,得到两部相机间的相对位置关系．在模型的进一步讨论中,研究了椭圆中心偏移问题,时像平面上椭圆的中心坐标进行了修定,得到实际的中心为：A（325,191）、B（427,201）、C（642,216）、D（584,504）、E（288,505）．以及讨论了图形的畸变问题,确定了相应的关系．     

基于平行双目视觉的目标距离计算

为了快速的计算出相机与目标物之间的距离,需要找到两幅图像的对应点。采用SIFT算法提取图像特征向量后,在匹配时加入外极线的约束条件,可以有效地去除误匹配,提高测量精度。实验结果表明,距离测量的相对误差在2%以内。     

复杂工业环境下激光束中心快速精确定位方法

针对工业现场在线检测对计算机视觉算法稳定性、实时性、精度和抗干扰能力的要求,结合两万吨挤压机活动部件五自由度实时监测系统的具体情况,在现有方法的基础上,提出了一种复杂工业环境下激光束中心快速精确定位方法.首先,在图像预处理的基础上通过Canny算法实现图像边缘二值化,并对得到边缘进行筛选,剔除不符合光斑轮廓特征的边缘.接着,采用一种改进的快速Hough变换初步确定激光光斑的大致位置和半径,依据Hough变换计算结果设置光斑有效区域,在有效区域内通过最小二乘法椭圆拟合得到亚像素精度的激光束中心坐标.实验研究表明,该方法在存在噪声的环境下单次检测时间小于50ms,精度达0.15像素(pixel).可在较强干扰下实现激光束中心的精确定位,与传统方法相比,精度高,实时性好,适应性强.     

基于机器视觉的精密光学元件表面疵病识别初步研究

提出了一种基于机器视觉的表面疵病的检测方法，对获取的多幅图像进行了无缝拼接，并获得完整的表面 图像。在对图像去噪的同时，利用基于偏微分方程（PDE）的各项异性扩散算法能很好地保护图像的边缘特征。并 且在Perona&Malik算法的基础上引入了梯度阈值,对算法进行了改进；用zernike矩提取图像的边缘建立疵病模 型，选择模糊聚类神经网络构造分类器，将图像的每个象素的n维特征向量输入该分类器进行分类。实验表明，该 方法能有效地识别麻点、气泡和划痕。     

香青兰总黄酮在大鼠体内的药代动力学研究

为探讨香青兰总黄酮在大鼠体内的药代动力学。采用以田蓟苷为指标,HPLC法测定大鼠灌胃给药后血浆中田蓟苷的浓度,并采用DAS2.0软件计算药代动力学参数。结果显示,血浆中田蓟苷浓度在0.031~39.68μg/mL范围内线性关系良好(R=0.9990),日内精密度(RSD)5%,日间精密度(RSD)10%,方法回收率在98.01%~103.23%之间,提取回收率在72.67%~90.35%之间。香青兰总黄酮在大鼠体内呈二室分布,大鼠灌胃香青兰总黄酮提取物3个剂量(300,600,1200 mg/kg)后,t1/2β分别为(6.904±0.922),(6.512±3.302),(9.820±3.116)h,AUC(0-t)分别为(0.527±0.018),(0.980±0.097),(1.215±0.108)mg/L/h,Tmax分别为(0.292±0.083),(0.139±0.048),(0.222±0.048)h,Cmax分别为(0.177±0.018),((0.451±0.064),(0.656±0.115)mg/L。由此可知,该法适用于测定香青兰总黄酮在大鼠体内的血药浓度并进行药代动力学研究。     

基于曲线拟合的无线传感器网络目标定位算法

针对无线传感器网络的目标定位精度问题,提出了一种基于曲线拟合的目标定位算法.采用最小二乘法对目标经过的各个位置进行拟合,计算出近似目标运动轨迹的曲线参数;进而通过分段曲线拟合的方式,引入更多位置信息参加目标定位,从而减少定位过程中的误差因素,最终实现对网络中运动目标的定位与跟踪.实验结果表明,该算法具有比一般曲线拟合方法更高的目标定位精度,有效提高了无线传感器网络目标定位的准确性.