为了实现高成品率,电子硬件及OLED(有机发光二极管)和LCD(液晶显示器)显示器制造商需要在他们的装 配线上配备最高准确度和精确度的自动化设备。在微型电子产品的世界里,符合规格的产品百分比高度依赖于精 确的部件放置。只有机器视觉能够以所需的精确度和速度定位、对位和引导这些部件,帮助电子产品制造商实现 他们的生产目标。 自1986年以来,OEM制造商、机器制造商和最终用户一直依靠康耐视提供行业最佳的机器视觉解决算法,包括 最精确的图像处理和物体定位算法,来解决他们的各种复杂应用(图1)。
物体定位的演变 从将相机模块放置到外壳这种简单的引导,到将像素掩模层以高度精确的方式对位到OLED面板,电子制造应用 的第一步也是最关键的一步就是在相机的视场范围内定位物体。对于OLED和LCD显示器制造商而言,物体定位 可能会非常具有挑战性,他们需要处理比所制造的整体设备小若干数量级的关键尺寸。相比总表面积,基准点、 边线以及其他OLED和LCD面板常见的特征显得非常小。多个微观层需要精确对位,而元件变化性、位置不确定 性和环境限制等因素可能会使精确对位变得更加困难。 康耐视已经在业界率先取得了一系列物体定位算法进步,这些算法重新定义了电子产品OEM制造商和显示器制 造商处理物体定位的方式。康耐视在市场上率先推出了基于归一化相关且商业上具有可行性的“搜索”技术, 帮助推动了过去的Blob分析和二进制模板匹配算法。这一创新为康耐视后来在几何图案定位和线条与边线定位 算法领域取得突破以及推出专利的标定技术做好了准备,这些突破性算法和技术改变了制造商的硬件和设备装 配方式。
更佳的搜索算法:从二进制模板匹 配和归一化相关到几何图案匹配 最早期的物体定位方法依靠所采集的图像与其二进制模板模型之间的匹配度。二进制模板匹配算法使用亮度阈值 将模板和图像的像素减少至“明”和“暗”两种状态,以适应当时的计算机硬件。该阈值化步骤使亚像素级精度 变得不切实际,并且需要机器操作员选择阈值,同时还使结果非常容易受到照明变化、元件变化和物体反光等因 素的影响。 为了解决这些缺点,康耐视于1987年在业界率先推出了一种不仅实用而且在商业上具有可行性的物体定位算法, 称为“搜索”。该方法基于灰度像素网格分析过程,通常称为“归一化相关”。这种突破性方法通过寻找所采集 的灰度图像与参考图像之间的统计相似点来确定物体的X-Y位置。
更佳的搜索算法:从二进制模板匹 配和归一化相关到几何图案匹配 最早期的物体定位方法依靠所采集的图像与其二进制模板模型之间的匹配度。二进制模板匹配算法使用亮度阈值 将模板和图像的像素减少至“明”和“暗”两种状态,以适应当时的计算机硬件。该阈值化步骤使亚像素级精度 变得不切实际,并且需要机器操作员选择阈值,同时还使结果非常容易受到照明变化、元件变化和物体反光等因 素的影响。 为了解决这些缺点,康耐视于1987年在业界率先推出了一种不仅实用而且在商业上具有可行性的物体定位算法, 称为“搜索”。该方法基于灰度像素网格分析过程,通常称为“归一化相关”。这种突破性方法通过寻找所采集 的灰度图像与参考图像之间的统计相似点来确定物体的X-Y位置。 | |