基于亞像素邊緣檢測的圓定位技術(shù)的研究與應(yīng)用

張璐，孔凡國

?

基于亞像素邊緣檢測的圓定位技術(shù)的研究與應(yīng)用

張璐，孔凡國

（五邑大學 機電工程學院，廣東 江門 529020）

自動插件機；模板匹配；Zernike矩；亞像素邊緣；穩(wěn)健最小二乘法

1 定位孔區(qū)域粗定位

雖然自動插件機所要生產(chǎn)的PCB種類繁多、視場背景復(fù)雜，但其視場區(qū)域大小不會改變，故傳送帶上PCB所在的位置變化不大. 利用模板匹配法對基準圓區(qū)域進行粗定位，以獲取含有圓形孔的感興趣區(qū)域. 首先需要創(chuàng)建待插件PCB的標準模板，一般而言，模板越小其響應(yīng)速度越快，綜合考慮算法的運行時間與定位效果，當目標區(qū)域占模板大小的30%～50%時，定位效果最佳. 常用的模板匹配算法有：歸一化平方差匹配法、歸一化相關(guān)匹配法、歸一化相關(guān)系數(shù)匹配法[6].

歸一化相關(guān)系數(shù)匹配法中1表示完美匹配；-1表示最差匹配：

對上述3種算法進行PCB樣本圖片的測試驗證發(fā)現(xiàn)，歸一化相關(guān)系數(shù)匹配法的效果最佳. 本文采用此算法對目標區(qū)域進行提取，獲得如圖1所示的定位孔位置（右上角矩形方框表示）. 本PCB定位孔并不是標準的基準點，且位置靠近PCB邊緣處，定位孔特征如下：1）其外圈有白色實線圓；2）中間白色區(qū)域為通孔，可透射下方亮板的光線.

2 粗定位區(qū)域圖像預(yù)處理

粗定位采集到的圖像邊緣模糊且包含了許多無用的背景，這會對后期的高精度定位造成影響，因此濾除不必要的背景是非常必要的.

2.1 平滑處理

高斯濾波能夠很好地抑制噪聲，其運算速度和平滑效果能夠達到自動插件機圖像預(yù)處理的要求. 本文采用模板大小為9×9的高斯濾波器進行圖像平滑處理，其公式為：

2.2 定位孔區(qū)域的提取

圖2 定位孔區(qū)域圖像的提取

3 定位孔邊緣輪廓的提取

3.1 像素級定位孔輪廓邊緣的提取

1）利用二維高斯濾波器對灰度圖像進行濾波平滑；

3）對圖像梯度幅值進行非極大值抑制；

4）用雙閾值算法檢測和連接邊緣[7-8].

3.2 亞像素級定位孔輪廓邊緣的提取

圖3 亞像素邊緣階躍模型

4 定位孔區(qū)域精密定位

4.1 穩(wěn)健最小二乘擬合圓算法求取基準點中心坐標

亞像素邊緣提取之后，仍然不可避免地會殘留一些干擾邊緣及偽邊緣點. 在高精度擬合過程中必須去除這些干擾，以得到最佳的圓形邊緣輪廓. 本文以一般最小二乘擬合圓為基礎(chǔ)，利用一種穩(wěn)健最小二乘擬合圓算法[15]來實現(xiàn)精密定位. 算法通過計算擬合數(shù)據(jù)點的正交距離殘差來去除離群點，具體步驟如下：

1）最小二乘法初步擬合亞像素邊緣點，以獲得圓心坐標及半徑的初始值.

4）將去除離群點之后的數(shù)據(jù)重新進行最小二乘圓擬合，更新圓心坐標及半徑值.

4.2 仿真驗證與分析

為檢驗本文算法的有效性，利用計算機生成不同程度缺陷的圖像，圓心坐標為（275.5，274.5）. 由于篇幅所限，僅列出如圖5所示的4組圖，圖中十字形標記為擬合圓圓心所在的位置，圓圈為所擬合的圓，可以看出，本文算法擬合效果良好.

表1顯示了定位算法的實驗結(jié)果（僅列10組數(shù)據(jù)）. 由表1數(shù)據(jù)可知：1）算法對噪聲以及干擾點具有高效的魯棒性；2）圖像質(zhì)量的好壞會影響定位精度，當缺陷不大或噪聲很少時，定位誤差在0.05個像素以下；當圖像質(zhì)量嚴重不好時，定位誤差達0.2個像素，誤差均值為0.1個像素.

表1 重復(fù)性實驗數(shù)據(jù)

在亞像素邊緣提取過程中還是會出現(xiàn)一些干擾及邊緣缺陷，直接利用這些數(shù)據(jù)擬合圓心坐標難免會造成偏差，所以就需要通過穩(wěn)健最小二乘擬合圓算法來剔除干擾點以便進行最后的擬合定位.

5 PCB定位實驗

表2 PCB定位實驗數(shù)據(jù)

圖6 PCB定位結(jié)果

6 結(jié)語

本文研究的針對PCB定位孔的算法具有速度快、魯棒性強、定位精度高的特點，其良好性能體現(xiàn)在：

1）針對背景復(fù)雜、PCB種類繁多的問題，模板匹配算法能夠快速地找到目標區(qū)域，對PCB圖像上光照強度均勻變化以及旋轉(zhuǎn)角度較小的情況，其適應(yīng)性較強.

2）在提取定位孔區(qū)域的過程中，針對感興趣區(qū)域中的噪聲及小物體采用開運算去除這些干擾.

本文算法具有較好的定位效果，并能較好地抑制噪聲等干擾問題，對電子元器件組裝行業(yè)提高生產(chǎn)效率、降低工人勞動強度有著實際的應(yīng)用價值. 但本算法對PCB旋轉(zhuǎn)角度較大的情況以及圖像縮放并不具備魯棒性，后續(xù)將會對旋轉(zhuǎn)縮放的圖像匹配算法進行研究.

[1] 黃震，顧啟民.高精度機器視覺插件系統(tǒng)的研究與應(yīng)用[J]. 組合機床與自動化加工技術(shù)，2014(10): 105-108.

[2] 曾友，高健，岑譽. PCB基準點的探針式魯棒定位方法[J]. 組合機床與自動化加工技術(shù)，2016(6): 30-34.

[3] 柏長冰，齊春，宋福民，等. Hough變換快速檢測圓形PCB Mark[J]. 光電工程，2005, 32(9): 75-78.

[4] 夏奇，周明采，汪宏晟，等. 高精度自動貼片視覺對準系統(tǒng)及其圖像處理[J]. 光學技術(shù)，2004, 30(2): 146-149.

[5] 游江，唐力偉，鄧士杰，等. 基于鄰域貢獻權(quán)值細化的圓心亞像素定位算法[J]. 光學技術(shù)，2017, 43(2): 138-143.

[6] 毛星云，冷雪飛. Opencv3編程入門[M]. 北京：電子工業(yè)出版社，2015.

[7]CANNY J. A computational approach to edge detection [J]. IEEE Transaction on Pattern Analysis and Machine Intelligence, 1986, 8(6): 679-698.

[8] 吉玲，楊亞，付珊珊，等. 一種改進的Canny邊緣檢測算法[J]. 微處理機，2015(1): 40-43.

[9] 夏陽陽. 無粗定位亞像素邊緣檢測算法研究[D]. 上海：上海師范大學，2015.

[10] 陳輝. 圖像邊緣檢測技術(shù)的研究[D]. 哈爾濱：哈爾濱工程大學，2012.

[11] LYVERS E P, MITCHELL O R, AKEY M L, et al. Subpixel measurements using a moment-based edge operator [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1989, 11(12): 1293-1308.

[12] GHOSAL S, MEHOTRA R. Orthogonal moment operators for subpixel edge detection [J]. Pattern Recognition, 1993, 26(2): 295-306.

[13] 高世一，趙明揚，張雷，等. 基于Zernike正交矩的圖像亞像素邊緣檢測算法改進[J]. 自動化學報，2008, 34(9): 1163-1168.

[14] 曲迎東，李榮德，白彥華，等. 高速的9×9尺寸模板Zernike矩邊緣算子[J]. 光電子激光，2010, 21(11): 1683-1687.

[15] 王玉花. 穩(wěn)健正交最小二乘擬合法[J]. 佳木斯大學學報（自然科學版），2013, 31(1): 125-128.

[責任編輯：熊玉濤]

Research on and Application of Circle Location Technology Based on Sub-pixel Edge Detection

ZHANGLu, KONGFan-guo

(Electromechanical Engineering College, Wuyi University, Jiangmen 529020, China)

In the process of visual positioning of the automatic plug-in machine, in view of the requirement of fast and high precision positioning requirement for the circular location hole in the printed circuit board (PCB), the rough location of the target area is first made by the template matching method, and the target area of the coarse positioning is set as the region of interest (ROI), and then through image preprocessing technology, the edge profile of location holes is obtained.Subsequently, the edge detection based on Zernike moment is used to extract sub-pixel edges. Finally, a robust and high accuracy least square fitting circle method is adopted to obtain the central coordinate of the reference point. The experimental results show that the total time spent by the automatic plug-in machine vision positioning system is about 120 ms, and the average positioning error is about 0.1 pixel,which meet the requirements of the rapid plugging-in of the automatic plug-in machine.

automatic plug-in machine; template matching; Zernike moment; sub-pixel edge; robust least square methods

TH161；TP29

A

2017-11-07

張璐（1991—），男，江西上饒人，在讀碩士生，主要從事機器視覺及智能檢測方面的研究；孔凡國，教授，博士，碩士生導師，通信作者，主要從事數(shù)字化設(shè)計制造、機電控制、CIMS應(yīng)用、制造業(yè)信息化等方面研究.

1006-7302（2018）02-0060-07