《贴片机视觉系统构成原理及其视觉定位.docx》由会员分享，可在线阅读，更多相关《贴片机视觉系统构成原理及其视觉定位.docx（13页珍藏版）》请在三一文库上搜索。
1、NO.*1 贴片机 视觉系统构成及实现原理栶啑 厔O1k敿觫燲如图 1 所示，贴片机 视觉系统一般由两类CCD 摄像机组成。 其一是安装在吸头上并随之作x y方向移动的基准 （ MARK ）摄像机， 它通过拍摄 PCB 上的基准点来确定PCB 板在系统坐标系中的坐标； 其二是检测对中摄像机，用来获取元件中心相对于吸嘴中心的偏差值和元件相对于应贴装位置的转角 。最后通过摄像机之间的坐标变换找出元件与贴装位置之间的精确差值，完成贴装任务。? 烶 :xL&?m 稃龌w剬坴傒鰂觠2l,1.1 系统的基本组成閥姉岪YhY?Lj悻视觉系统的基本组成如图2 所示。该系统由三台相互独立的CCD 成像单元、 光
2、源、图像采集卡、图像处理专用计算机、主控计算机系统等单元组成，为了提高视觉系统的精度和速度，把检测对中像机设计成为针对小型Chip 元件的低分辨力摄像机CCD1 和针对大型 IC 的高分辨力摄像机CCD2 ， CCD3 为 MARK 点搜寻摄像机。当吸嘴中心到达检测对中像机的视野中心位置时发出触发信号获取图像，在触发的同时对应光源闪亮一次。蛴挅熧旦檐鮯嵅啍杈哑|x?+閒1.2 系统各坐标系的关系沏*J嫯?韕 O为了能够精确的找出待贴元件与目标位置之间的实际偏差，必须对景物、CCD 摄像机、 CCD 成像平面和显示屏上像素坐标之间的关系进行分析，以便将显示屏幕像素坐标系的点与场景坐标系中的点联系
3、起来；并通过图像处理软件分析计算出待贴元件中心相对于吸嘴中心的偏差值。鞖? ?1N0.*NO.*?4嗒蒔噙对于单台摄像机，针孔模型是适合于很多计算机视觉应用的最简单的近似模型3 。摄像机完成的是从 3D 射影空间P3 到 2D 射影空间P2 的线性变换，其几何关系如图3 所示，为便于进一步解释，定义如下 4个坐标系统：譈鹤棤咞闣?$.鼁唂脮朩1?襤蚦鵦劐（1）欧氏场景坐标系（下标为w）：原点在 OW ，点 X 和 U 用场景坐标系来表示。垂 R. 鴽 ?Du a% 黟 玤（2）欧氏摄像机坐标系（下标为c ），原点在焦点 C Oc ，坐标轴 Zc 与光轴重合并指向图像平面外。在场景坐标系和摄像机
4、坐标系之间存在着唯一的关系，可以通过一个平移t 和一个旋转 R构成的欧氏变换将场景坐标系转化为摄像机坐标。其关系如式（1）所示：垡 妎卺? 犹騙鹍:b?3浛（3 ）欧氏图像坐标系（下标为i），坐标轴与摄像机坐标系一致，Xi 和 Yi 位于图像平面上， Oi像素坐标系的坐标为（xp0 ， yp0 ）。?D 献 螟屄宨蕸（4 ）像素坐标系（下标为P ），它是图像处理过程中使用的坐标系。在本系统中与欧氏图像坐标系方向相同，但原点坐标不同，尺度不同。d瞶眱塽魯栋场景点 Xc 投影到图像平面上是点Uc （ uc ， vc ， -f）。通过相似三角形来可以导出它们之间的坐标关系：閉? 恄w飦 s 筷枒 濤
5、狨櫴由于视野小， 采用的镜头畸变非常低，可将 Uc 直接简化为等于欧氏图像坐标系下的坐标，让 ucui ， vc vi ，而 ui（ up xp0 ） ， vi （ vp yp0 ） ， 为单个像素的大小。笧 腥怀螓洟V2N0.*NO.*这样可以得到欧氏场景坐标系和欧氏图像坐标系之间的映射关系：0?鹆抁?a笡鹂犂73? 佧 =?郠 ?由于在该系统中各摄像机之间是相互独立的，所以各路成像出来的坐标都可以转换为同一场景坐标下的坐标。狇?說芎?%1.3 系统实现原理蕵霽韻册顕 |?A5贴片机 视觉系统工作原理如图4 所示。当一块新的待贴装PCB 板通过送板机构传送到指定位置固定起来，安装在贴片头上的
6、基准摄像机CCD3 在相应的区域通过图像识别算法搜寻出MARK点，并通过（ 3）式计算出其在欧氏场景坐标系中的坐标。接下来将相应的元器件应贴装的位置数据送给主控计算机。利用对中检测摄像机（CCD1 ， CCD2 ）对元器件检测，得到其在显示屏幕坐标系下的坐标及转角值，再通过（3）式转换为场景坐标系下的坐标，与目标位置比较，得到贴装头应移动的位置和转角。鎧 V UN?霘0-傌冺姹 R+ 逿 桔 82 图像处理騟Q鴅樽螃2.1 图像预处理w?J,?u?罠Fa勮萧S?图像预处理的目的是改善图像数据，抑制不需要的变形或者增强某些对于后续处理重要的图像特征。由于SMT 生产现场的非洁净因素造成CCD 镜
7、头上的尘埃等，易给图像带来较大的外界噪声。另外，图像的采集过程中也不可避免地引入了来自光路扰动、系统电路失真等噪声。因此，对图像进行预处理以消除这些噪声的影响是非常必要的。鰣:Ix阺骥癢 M 瑌 骎 g对噪声平滑方法主要的要求是：既能有效地减少噪声，又不致引起边缘轮廓的模糊，同时还要求3N0.*NO.*运算速度快。常规的方法有高斯滤波、均值滤波、Lee 滤波、中值滤波、边缘保持滤波等。帮o獖敪笋饦?中值滤波是一种较少边缘模糊的非线性平滑方法，它的基本思想是用邻域中亮度的中值代替图像的当前点， 是一种能够在去除脉冲噪声、椒盐噪声的同时又能保留图像边缘细节的平滑方法。并且由于中值滤波不会明显的模糊
8、边缘，因此可以迭代使用。显然，在每个像素上都要对一个矩阵（通常是33 ）内部的所有像素进行排序，这样开销会很大。一个更有效的算法4（由 T S Huang等人提出） 是注意到当窗口沿着行移动一列时，窗口内容的变化只是丢掉了最左边的列而取代为在右侧的一个新的列。对于m 行 n 列的中值窗口， mn 2m 个像素没有变化，并不需要重新排序，具体的算法为：湁 O杰芙逳（1 ）设置 th mn/2 ； 浧 鋓 mZ L?H（ 2）将窗口移至一个新的行的开始，对其内容排序，建立窗口像素的直方图H ，确定其中值Med ，记下亮度等于或小于Med 的像素数目LMed ；儥貾 屭旯!?（3 ）对于最左列亮度是
9、Pg 的每个像素 P 做： HPg HPg 1； $63?*?0n（4 ）将窗口右移一列，对于最右列亮度是Pg 的每个像素 P 做： HPg HPg 1，如果 Pg Med ，置 LMed LEed 1； ?(Z 閅 鎙语鹰（5 ）如果 LMed th 侧转（ 6），重复 LMed LMed HMed Med Med 1直到 LMedth ，则转（7）；4N0.*NO.*椑鑩鵫襸鰬_!懿_（6 ）重复 Med Med 1， LMed LMed HMed 直到 LMedth ；牀継撦Q蛝餴嫉刵（7 ）如果窗口的右侧列不是图像的右边界转（3）；w?Q由 Otsu 于 1978年提出的最大类间方差法
10、5 以其计算简单、稳定有效，一直广为使用。从模式识别的角度看， 最佳阈值应当产生最佳的目标类与背景类的分离性能，此性能用类别方差来表征，为此引入类内方差2W、类间方差2B 和总体方差 2T ,并定义 3个等效的准则测量：楙? 櫽N觾藮顖g5Oa恟鉴于计算量的考虑，一般通过优化第三个准则获取阈值。在实际运用中， 使用以下简化计算公式：讆 n?h 鎎錑;y eqq?其中： 2为两类间最大方差， WA 为 A 类概率， a为 A 类平均灰度， WB 为 B 类概率， b为B 类平均灰度， 为图像总体平均灰度。oyf 龠鋯髌, 即阈值 T 将图像分成A、B 两部分， 使得两类总方差 2（ T ）取最大
11、值的 T ，即为最佳分割阈值。鎐漛鵙暶溓 誳2.3 图像识别定位啎!S3嶾N?1?区域的矩表示把一个归一化的灰度级图像函数理解为一个二维随机变量的概率密度。这个随机变量的属性可以用统计特征- 矩（ Moment ） 6 来描述。通过假设非零的像素值表示区域，矩可以用于二值或灰度的区域描述。数字图像的（p q）阶矩可以通过下式来计算：顷 H- 濝 V魞5N0.*NO.*?q 杖 si h濽荞Chip 元件的长宽比2：1 ，因此二值化后的区域是细长的，定义区域的方向为最小外接矩形的最长边方向。根据图像中心矩可以通过下式来计算区域方向。资?)?撣嚿瑚筤鉆fp-_觻其中：羶tR晲?X?AC?鳝,3? 湄罻齋v足2.4 实验结果滤?雚a1针对本文提出的贴片视觉系统Chip 元件对中校准图像处理方法，在 VC 6.0 环境下进行了实验，表 1 是对 0402的片式元件在同一位置下，不同光照的4 次仿真试验结果，可以看出图像处理取得了满意的结果，误差范围在允许范围内，图像处理的时间在100ms 以内，能够满足 贴片机对实时性的要求。e 汝菳紎廵Y?鉔玙遹?E3结语龥6N0.*NO.*饟h彴笋縼本文在阐述了贴片机 视觉系统构成的基础上，提出了一种非常简单的针对Chip 元件的对中方法，实验证明，该方法能够满足中速贴片机 实时性和精度方面的要求具有先进和实用的特点。7N0.*