论文部分内容阅读
机器视觉是一种通过机器替代人眼进行检测和分析的技术。在过去的二三十年,计算机技术的飞速发展,带动了机器视觉的迅猛发展和应用。特别是在集成电路制造和加工领域,机器视觉的应用更加广泛。作为机器视觉中的关键技术,图像匹配在整个集成电路制造和加工过程中的作用是至关重要的。为了高速高精的进行拾取和放置芯片,芯片的位置必须首先通过图像匹配获得。由于在集成电路制造加工中的芯片通常只存在平移和旋转,因此在本文中,只考虑平移和旋转情况下的图像匹配。本文主要对基于特征的图像匹配进行研究,以满足集成电路制造和加工设备中高速度,高精度,适应旋转的芯片定位。本文提出一种基于局部不变几何特征的广义霍夫变换。该算法利用两个边缘点的梯度方向夹角为特征(该特征是旋转不变的),以代替传统广义霍夫变换的特征,即单个边缘点的梯度方向角。该算法像传统广义霍夫变换一样,分为两个阶段:离线阶段和在线阶段。在离线阶段,利用模板图像一个边缘点的局部区域寻找另外一个边缘点,以两个个边缘点的梯度方向夹角作为特征,建立两个参考表:位置参考表(PR-Table)和角度参考表(AR-Table)。在在线阶段,在目标图像上利用离线建立的PR-Table和AR-Table对匹配位置和旋转角度分别进行投票,通过位置累加矩阵和角度累加矩阵的峰值确定匹配位置和旋转角度。为进一步提高算法的性能,针对算法的特点,从速度,精度和稳定性三个方面对算法提出了一些优化策略。阐述完基于局部不变几何特征的广义霍夫变换的原理后,对算法做了一些实验测试。测试结果表明,经过优化后的算法在x方向上的误差不超过0.05像素,在y方向上的误差不超过0.15像素,在角度上的误差不超过0.15度,匹配时间不随角度搜索范围变化,对于210x210像素的模板图像,512x512像素的目标图像,平均匹配时间为15ms。最后,将算法成功应用于LED固晶机的视觉系统中,在算法的引导下,设备能够长时间稳定运行,匹配准确率达到99.95%。