基于雙顯微視覺的光刻版位姿定位算法

呂紅陽, 陳立國, 仲丁元, 薛立偉

(蘇州大學(xué)機電工程學(xué)院機器人與微系統(tǒng)研究中心, 蘇州 215021)

在機械工程、微電子、液晶顯示器(liquid crystal display, LCD)等行業(yè)的產(chǎn)品制造和檢測過程中,實現(xiàn)零部件的精密定位與對準(zhǔn)工序是必不可少的一步。統(tǒng)計數(shù)據(jù)顯示,在電子制造業(yè),52%～71%的電子元器件故障和缺陷與視覺對位過程相關(guān)[1]。因此高精度自動對位系統(tǒng)是現(xiàn)代工業(yè)發(fā)展的基礎(chǔ),也是國家制造業(yè)水平的重要標(biāo)志之一。伴隨著微米、納米級工藝的發(fā)展,元器件引腳尺寸及蝕刻線路寬度逐步降低至微納米級,而相應(yīng)基底工件如電路板、光刻板的尺寸卻逐步增大[2],傳統(tǒng)的定位對準(zhǔn)方式如人工式、機械式和電感應(yīng)式等,均存在定位精度底、對位精度低的缺點,已無法滿足日益增長的精度要求[3]。因此,如何實現(xiàn)基底工件的跨尺度級高精度定位與對準(zhǔn)已成為精密加工與檢測現(xiàn)場的難點。

顯微視覺作為機器視覺在微觀領(lǐng)域的拓展,具有非接觸、檢測精度高、穩(wěn)定性好等優(yōu)點,已被諸多學(xué)者應(yīng)用于微機電制造、生物醫(yī)藥、集成電路等領(lǐng)域[4]。Agnus等[5]設(shè)計一套基于雙顯微視覺的自動化裝配系統(tǒng),視覺模塊包括光軸垂直分布的顯微相機及光軸與Z軸成45°夾角的側(cè)視顯微視覺。Chen等[6]構(gòu)建遠心雙目微視覺系統(tǒng)、設(shè)計快速高精度圖像處理算法,完成兩光纖5自由度精密對接。郉澤惠[7]基于企業(yè)需求,利用雙相機系統(tǒng)與UVW平臺完成觸摸屏與柔性印刷線路板(flexible printed circuit board，F(xiàn)PCB)的對位貼合?？梢?基于顯微視覺引導(dǎo)的快速高精度對位成為解決基底工件跨尺度對位困難的有效手段,而具有質(zhì)量檢測和定位作用的視覺系統(tǒng)及圖像算法是影響對位精度的關(guān)鍵。

現(xiàn)搭建基于雙顯微視覺的高精度對位系統(tǒng),通過相機陣列,解決了顯微視覺視場、景深與分辨率間的固有矛盾；通過對光刻版工件兩端進行局部位姿檢測,獲取其與參考工件之間的整體位姿偏差,解決基底工件跨尺度高精度自動對位的難點,促進國內(nèi)視覺對位設(shè)備的發(fā)展具有重要的現(xiàn)實意義。算法首先通過優(yōu)化Canny算子并基于多項式插值細分完成亞像素級邊緣輪廓提取；然后基于RANSAC算法對離散邊緣點進行直線擬合,求取左右相機圖像中“Mark”標(biāo)志中心點位置坐標(biāo)及偏轉(zhuǎn)角度；進而推導(dǎo)局部位姿間數(shù)學(xué)關(guān)系,獲取光刻版工件在左相機坐標(biāo)系下的整體位姿偏差。最后基于所建立的雙顯微視覺實驗系統(tǒng)獲取光刻版對位圖像,對改進Canny算法、亞像素細分算法的邊緣定位精度,光刻版工件的移動位姿獲取精度與穩(wěn)定性進行了實驗分析。

1 系統(tǒng)總體設(shè)計

系統(tǒng)的檢測對象為光刻版工件,對位原理示意圖如圖1所示，兩側(cè)“Mark”標(biāo)志細節(jié)如圖2所示。在精密加工領(lǐng)域,一般光刻版蝕刻線路線寬0.1 mm,若要求兩側(cè)光刻版蝕刻線路有90%以上重合度,則平移對位精度要求為±5 μm,旋轉(zhuǎn)對位精度要求為±0.02°,而視覺檢測精度則需達±1 μm。視覺對位的目的就是令參考光刻版工件和待對位工件兩側(cè)的“Mark”標(biāo)志中心分別重合,從而保證兩個光刻板上的蝕刻線路能一一對齊。

圖1 光刻版對位示意圖

圖2 光刻版參考標(biāo)記細節(jié)圖

鑒于光刻版尺寸遠大于視覺檢測精度,采用雙顯微視覺同時獲取工件兩端局部圖像后,經(jīng)由視覺算法,獲取局部位姿信息,進而得到光刻版工件在左相機圖像坐標(biāo)系下的整體位姿偏差。接著由上位機發(fā)送至運動控制系統(tǒng),完成糾偏調(diào)整。圖像采集子系統(tǒng)包括大華A3600CG 600萬像素面陣相機、桂光儀器DXT06/L90變倍顯微鏡頭、白色LED可調(diào)環(huán)形光源；圖像處理子系統(tǒng)包括計算機：CPU i5-7200U、8GRAM,軟件環(huán)境：Windows10、Visual Studio2015+OpenCV 3.2。運動控制系統(tǒng)包括新型3自由度精密運動臺,平移定位精度±2 μm,旋轉(zhuǎn)定位精度±0.006 7°。實驗裝置示意圖如圖3所示,視覺算法流程如圖4所示。

圖3 實驗裝置示意圖

圖4 視覺算法流程

2 亞像素邊緣檢測

2.1 最小感興趣區(qū)域(ROI)提取

實驗在對全局圖像進行處理時,時間大于1 000 ms無法滿足后期視覺實時對位的要求。而感興趣區(qū)域(region of interest, ROI)的提取,可以減少圖像處理時間,提升視覺定位的精度[8]。圖像最小ROI提取分為以下兩步。

(1)初始ROI提?。翰捎米钚⊥饨泳匦畏ㄌ崛∈帧癕ark”標(biāo)志的外接正矩形。根據(jù)“Mark”標(biāo)志幾何參數(shù)設(shè)置外接矩形最小面積為300 000,外接矩形長寬比最小為0.5,最大為4,以過濾背景雜質(zhì)及部分背景反光,初始ROI提取如圖5(a)所示。

(2)最小ROI提?。鸿b于邊緣離散點數(shù)量的部分減少不影響邊緣直線擬合精度,因此在不影響直線擬合精度的前提下獲取最小矩形區(qū)域。即以初始ROI中心為中心,以50×25像素為步幅,逐步縮小ROI區(qū)域,直至無法完全檢測出4類邊緣直線段。本節(jié)獲取左右相機各十幅圖像進行實驗,經(jīng)最小ROI提取后圖像處理結(jié)果對比如圖5(b)、圖5(c)所示?？芍ㄟ^最小ROI提取,圖像像素大小從600萬像素減小為100萬像素；圖像處理時間從1.1 s,減少為350 ms,對于平行直線的提取距離精度不變。

圖5 最小ROI提取

2.2 基于改進Canny算子的邊緣檢測

傳統(tǒng)Canny算子雖然可以很好地定位邊緣,但在高斯濾波、梯度計算、高低閾值設(shè)定等方面仍存在不足[9-10]。因此就該問題提出改進Canny算子,以提升邊緣粗定位精度,減少后續(xù)亞像素定位工作量。具體改進如下。

(1)采用自適應(yīng)平滑濾波器代替高斯濾波：Canny算子采用的高斯濾波在消除噪聲的同時也會弱化邊緣信息。因此選用自適應(yīng)平滑濾波在平滑噪聲的同時保留邊緣信息。

(2)改進梯度計算方法：采用Scharr濾波器代替Sobel算子計算梯度幅值及方向,并添加45°及135°方向卷積核,如式(1)所示。傳統(tǒng)Canny算子中一階微分算子只采用了水平、豎直方向卷積模板,添加45°和135°方向卷積模板可以更精確的定位傾斜邊緣。Scharr算子相較于Sobel算子,中心元素所占權(quán)重更大,可以消除小核Sobel導(dǎo)數(shù)誤差,梯度幅值計算更為精確。

(1)

(3)自適應(yīng)雙閾值選?。簜鹘y(tǒng)Canny算子高低閾值選取需根據(jù)經(jīng)驗人為設(shè)定,不具有普遍適用性。改進算法采用Otsu法自動確定高低閾值。具體原理為：遍歷圖像灰度級,獲取類間方差最大值時的灰度閾值T,返回前景C1、背景C2的灰度均值M1、M2為高低閾值。

圖6 邊緣檢測對比

采用傳統(tǒng)Canny算子和改進Canny算子對 “Mark”標(biāo)志邊緣進行提取,效果如圖6所示。可知傳統(tǒng)Canny算子提取的邊緣信息出現(xiàn)斷裂,丟失了一些關(guān)鍵的邊緣點信息,降低了后期邊緣擬合的精度,而改進算法可以獲得清晰的邊緣點信息,邊緣連續(xù)性更好。

2.3 基于多項式插值的邊緣亞像素細分

傳統(tǒng)邊緣檢測方法包括Canny算子檢測精度最高只能達到像素級。系統(tǒng)圖像像元尺寸約為2.4 μm,無法滿足視覺檢測的精度要求,因此采用基于多項式插值的亞像素邊緣細分算法,進一步提升邊緣定位精[11-13]。亞像素細分算法首先利用改進的數(shù)學(xué)形態(tài)學(xué)梯度算子進行邊緣點粗定位,在像素級上確定邊緣點的坐標(biāo)和梯度方向,然后再利用多項式插值法對提取出來的圖像邊緣點進行插值運算,即亞像素精定位。具體算法流程如下。

(1)利用Canny算子將邊緣定位到一個像素精度,并求取原始圖像各像素點的梯度幅值及梯度方向。

(2)

(3)對于邊緣點P0,若其像素點坐標(biāo)為(x,y),則可根據(jù)梯度方向確定的沿梯度切向方向的亞像素修正分量,進而得到亞像素坐標(biāo)(Xe,Ye),共分為3種情況。

邊緣點梯度方向為水平方向時：

(3)

邊緣點梯度方向為45°及135°方向時：

(4)

邊緣點梯度方向為豎直時：

(5)

3 光刻版工件位姿定位算法

再對局部圖像進行邊緣檢測及亞像素細分后,所提取出的邊緣輪廓為離散數(shù)據(jù)點,需要對這些離散點進行直線擬合和定位計算,以確定“Mark”標(biāo)志的中心點位置坐標(biāo)和邊緣斜率,計算整個光刻版在左相機像素坐標(biāo)系下X、Y、R3個自由度方向上的偏差位移數(shù)據(jù)。

3.1 基于RANSAC算法的直線擬合

隨機抽樣一致(RANSAC)算法：從一個觀察數(shù)據(jù)集合中,估計模型參數(shù)(模型擬合)的迭代方法[14]。算法將數(shù)據(jù)集分為局內(nèi)集合與局外集合,這樣可以有效去除離群點、無效點的影響。基于改進隨機抽樣一致的直線檢測算法進行邊緣定位,該算法首先利用HoughP變換來初步定位“Mark”標(biāo)志的四條邊緣,并提取出每條邊緣上的離散邊緣點,接著采用基于最小二乘的直線擬合算法來對邊緣進行精確定位,然后計算邊緣離散點集Pi(xi,yi)中的各點到擬合直線的距離,并結(jié)合閾值去除邊緣離群點,重復(fù)3次,得到最精確的直線方程。具體算法流程如下：①利用概率霍夫直線檢測(HoughP)算法對亞像素邊緣進行檢測得到多個直線段模型；②對直線段模型進行分類,共分為4類以對應(yīng)“Mark”標(biāo)志的4條長邊,并選取每一類直線段中尺寸最長模型作為最優(yōu)模型；③依次獲取距4條最優(yōu)直線段模型所代表直線10個像素范圍內(nèi)的所有邊緣點數(shù)據(jù),得到點集Pi(xi,yi),i=1,2，…，m;m為邊緣離散點個數(shù)；④利用最小二乘直線擬合算法擬合點集Pi(xi,yi),得到初始直線方程；⑤求取上述點集Pi(xi,yi)到所擬合直線方程的距離；并判斷所得到的距離是否滿足閾值要求,去除不滿足要求的離群點,得到內(nèi)點集合Qi(xi,yi),i=1,2,…，m-k;k為所舍棄點的個數(shù)；⑥對內(nèi)點集Qi(xi,yi)重新進行直線擬合,得到精確的直線方程；重復(fù)步驟⑤、步驟⑥兩次。

圖7 基于RANSAC算法的直線擬合

對亞像素細分輪廓點的直線檢測如圖7所示,圖7(a)為經(jīng)HoughP直線檢測后最優(yōu)直線段選取示意圖,圖7(b)、圖7(c)為線段1的邊緣點集獲取與直線擬合圖?？芍诟倪MRANSAC算法的直線檢測算法可以精確的擬合出直線方程。

3.2 工件位姿精確定位

根據(jù)直線擬合后得到的四條邊緣直線方程,求取十字“Mark”標(biāo)志的中心點O1及偏轉(zhuǎn)角度。進而求取光刻版工件在單相機坐標(biāo)系下的位姿偏差及雙相機坐標(biāo)系下的聯(lián)合偏差。具體原理如下。

(1)對于單一“Mark”標(biāo)志的偏轉(zhuǎn)角度,采用直線l1、l2的傾斜角度均值作為偏轉(zhuǎn)角度；對于中心點O1位置坐標(biāo),采用4條直線l1、l2、l3、l4的4個交點A、B、C、D的橫縱坐標(biāo)均值作為位置坐標(biāo)。

(2)對于單相機坐標(biāo)系下,光刻版工件的角度偏差及位移偏差。采用取上下“Mark”標(biāo)志4條直線l1、l2、l5、l6的夾角均值作為角度偏差；采用中心點O1、O2的像素坐標(biāo)偏差Δx1、Δy1作為位移偏差,如圖8(a)所示。

(3)對于光刻版工件的整體位姿偏差,設(shè)左相機坐標(biāo)系下偏差角度θ1,右相機坐標(biāo)系下偏差角度θ2,待對位光刻版工件偏轉(zhuǎn)角度為φ,位置偏差分別為Δx1、Δy1、Δx2、Δy2。由幾何關(guān)系圖8(b)可得關(guān)系式(6),進而求取光刻版工件整體位姿偏差。

(6)

圖8 光刻版位姿偏差獲取

4 實驗與結(jié)果分析

4.1 算法的定位精度測試

為了檢驗視覺算法的精度,設(shè)計兩組實驗,分別檢驗亞像素邊緣提取的精度及雙顯微視覺下光刻版工件的位姿偏差提取精度。

實驗1為檢驗本文的改進Canny算子邊緣提取精度及亞像素邊緣細分精度,以直線擬合后“Mark”標(biāo)志平行線的距離值及角度差值作為評價標(biāo)準(zhǔn)。實驗采用傳統(tǒng)Canny算子、改進Canny算子及基于多項式差值亞像素細分3種方法對20組40幅ROI圖像進行邊緣提取,并在此基礎(chǔ)上對圖像中平行直線進行擬合,獲取擬合后的平行線距離精度和角度差值。3種算法的邊緣提取距離精度,邊緣提取角度精度如圖9所示。部分實驗數(shù)據(jù)如表1所示。

圖9 平行線擬合精度對比

表1 平行線邊緣提取精度對比

由圖9、表1可知，相對于傳統(tǒng)Canny算子,改進Canny算子在直線擬合后定位精度更高,對于間距為0.5 mm的平行線,邊緣提取精度由原來的3.57 μm提升至2.75 μm,對于平行線角度提取精度由0.028°提升至0.022°；在經(jīng)過亞像素細分之后,平行線距離精度進一步提升至1.93 μm,角度提取精度則提升至0.018°。表明改進Canny算子和多項式插值亞像素細分可以很好地定位邊緣輪廓,單直線擬合精度小于1 μm,達到亞像素級別,滿足視覺檢測要求。

實驗2為檢驗位姿定位算法對光刻版整體位姿偏差的提取精度。采用雙顯微視覺同時獲取工件左右兩端的局部位姿偏差,并根據(jù)式(6)對理論位姿偏差與實際位姿偏差進行比較,重復(fù)實驗5組。每組獲取左右相機像素坐標(biāo)系下x向偏差Δx1、Δx2；y向偏差Δy1、Δy2；角度偏差θ1、θ2及待對位光刻版工件偏差φ；并根據(jù)式(6)將右相機像素坐標(biāo)系下位姿偏差進行轉(zhuǎn)化,獲取光刻版工件在左相機坐標(biāo)系下的整體位姿偏差。實驗數(shù)據(jù)如表2所示。可知左右相機對于光刻版間的角度偏差提取誤差達0.009°,對于x向、y向位置偏差提取滿足式(6)；相對于工件尺寸,x向最大測量誤差為0.037%,y向最大測量誤差為0.10%。

4.2 算法的穩(wěn)定性測試

由于視覺對位需在動態(tài)過程中進行光刻版工件位姿定位,因此需要檢驗該算法在動態(tài)環(huán)境下能否準(zhǔn)確進行位姿獲取。驅(qū)動3自由度精密定位臺將待對位光刻版移動一定距離,并以高晟激光干涉儀(分辨率為0.1 μm)測量其中心點精確的位移距離。為減小視覺定位偏差,采集每次位移前后左右相機各5幅圖片,采用本文算法進行位姿定位,并重復(fù)試驗5次。位移前后左相機光刻版位置如圖10所示,視覺算法檢測到的位移信息如表3所示。可知：左相機x方向視覺檢測精度達0.24 pixel,右相機x方向視覺檢測精度為0.35 pixel,左右相機y方向重重復(fù)定位精度均達0.1 pixel,達到亞像素級別。

表2 光刻版位姿提取精度

圖10 沿x軸正向移動1 mm

5 結(jié)論

針對光刻版工件高精度視覺對位的要求,搭建了雙顯微視覺對位系統(tǒng),通過兩端局部位姿提取推導(dǎo)工件整體位姿偏差,解決了工件尺寸與定位精度之間的矛盾。首先,通過最小ROI獲取,使得圖像處理時間從1.2 s減小為350 ms；其次,通過對Canny算子的優(yōu)化并基于多項式插值細分完成了“Mark”標(biāo)志亞像素級邊緣輪廓提取，實驗表明，對于0.5 mm平行線的提取精度逐步從3.57 μm提升至1.93 μm,角度精度則提升至0.018°；最后,通過RANSAC算法擬合邊緣并由局部位姿間數(shù)學(xué)關(guān)系精確定位光刻版工件整體位姿偏差。實驗表明,左右相機對于光刻版間的角度偏差提取誤差小于0.009°,相對于工件尺寸x向最大測量誤差為0.037%,y向最大測量誤差為0.10%。左相機x方向視覺檢測精度達0.24 pixel,右相機x方向視覺檢測精度為0.35 pixel,左右相機y方向重復(fù)定位精度均達0.1 pixel,達到亞像素級別,滿足后期視覺對位高速高精度的定位需求。

表3 移動位姿測量數(shù)據(jù)