基于LABVIEW的双目视觉电路板定位系统

摘 要： 双目视觉技术可用于PCB 裸板的缺陷检测，而精确定位则是这一应用的前提。利用LabVIEW的IMAQ Vision模块，进行了电路板的双目视觉定位技术的研究，通过搭建双目视觉定位系统，并对双目相机进行标定，获得给定电路板的图像;对电路板进行边沿检测，建立坐标系统，完成电路板测试点的位置确定;经视差计算，获得电路板测试点的位置坐标，完成定位。经过对不同测试点进行试验验证，本系统具有较好的准确性及稳定性。

关键词： 双目视觉; 相机标定; 图像处理; LabVIEW

中图分类号： TP216+.3文献标志码： B

Binocular Vision Circuit Board Location System Based on Labview

WANG Lei

（College of Electronics and Information Engineering， Ankang University， Ankang， Shanxi 725000， China）

Abstract： Binocular vision technology can be used for defect detection of PCB bare plate， and accurate positioning is the basis of this application. In this paper， using IMAQ vision module of LabVIEW， the research on binocular vision positioning technology of circuit board is carried out. By building binocular vision system and calibrating binocular camera， the image of a given circuit board is obtained. Circuit board edge detection， coordinate system and line searching are carried out to determine the position of test points of circuit board. The position coordinates of the board test points complete the positioning of the board test points. The system has good accuracy and stability through the test of different test points of circuit boards.

Key words： binocular vision; camera calibration; image processing; LabVIEW

0 引言

隨着计算机技术、数字图像处理等理论的发展，机器视觉已成为研究的热点。人们使用相机等装置将外界实物转化为数字信息，进行视觉信息处理，从而获取物体的形状、位置等信息。人类双眼同时观察事物能分辨远近，在机器视觉中，也可用两台相机从不同位置观测同一事物，从而得到差别视角下的图像，经过计算同一像素的视差来获得三维信息。目前，双目视觉技术已在众多领域得到应用[1-3]。

电子线路板（PCB）的制造工艺非常复杂，从基材板到成品需要经过十多个工序。为减少工作量，降低复杂度，双目视觉技术可应用于PCB板制作中，对尚未安装电子元器件的PCB裸板进行缺陷检测。其中高精度的图像处理及分析是这一应用的核心技术。而要提高图像测量系统的精度，首先要完成对电路板的精确定位。完成这一点可以通过提高硬件配置，选用高分辨率的设备来实现，但是实际生产中，企业往往受限于生产成本而难以及时升级或更新硬件。采用软件方法提高边缘检测的精度，来提高测量系统的定位精度，这种方法简单有效，且成本较低。边缘检测是图像处理和分析的关键步骤，边缘包含了图像很多重要的信息，并且对后续的特征描述、匹配和识别等影响重大[4-6]。

本文利用LabVIEW进行了电路板的双目视觉定位技术的研究，通过搭建双目视觉体系并进行标定，获得了电路板的图像，经边缘检测后建立坐标系统，完成对电路板测试点的位置的确定;进一步通过计算视差，获得电路板测试点的位置坐标，完成对电路板测试点的定位。测试实验结果表明，本系统具有较好的准确性及稳定性，对提高PCB缺陷检测系统的性能具有一定价值。

1 系统分析

电路板测试点的双目视觉图像定位系统的工作流程如图1所示。

搭建好的双目视觉系统，首先要进行相机的标定，获得相机的内外参数矩阵，然后采集电路板测试点的图像，并对采集的图像信息进行处理，使测试点的位置更加容易识别，然后获得电路板测试点的几何参数，结合内外参数矩阵计算出电路板测试点的坐标，最后就是与实测值进行比较，误差符合要求则直接输出结果，否则需要对参数矩阵进行修正后，再次计算坐标。

2 相机标定

相机获得实际图像的信息，经计算机处理计算得出实际立体空间中物体的信息，通过此标识重新建立物体视觉是机器视觉的基本任务。相机成像几何模型决定空间内实物表面点的位置和它在图像中对应点的相互关系，几何模型参数（相机参数）通过实验与计算可获取。相机标点过程就是明确相机的各种参数以及相机在现实世界坐标系的坐标，标定精度直接影响计算机视觉精度，是整个工作的关键步骤。

相机标定有传统标定方式和自标定方式两种[7-8]。传统标定的原理是在相机模型下，经过对特定标定参考物进行图像处理，并运用数学变换公式运算和优化，来获得相机模型内部参数以及外部参数。但是，这一方法由于不确定现场及相机运动状态而很难实现。自标定方式与相机的运动状态没有关系，是运用相机自身参数之间的约束关系来标定，过程方便，但是精度有限[9-10]。

张正友提出单平面棋盘格的相机标定方法用于解决径向畸变问题，这一方法介于传统和自标定之间的方法，既克服了传统标定法需要高精度标定物的缺点，也相对于自标定提高了精度，便于操作。它只需要相机对校准板（打印出的棋盘格）上的每个特征点与其图像平面上的图像点之间的对应关系，即每幅图像的单斜矩阵对相机进行标定。这种算法不需要知道运动参数，就可以随便地移动相机和模板[11-12]。本文就采用这种方法进行标定。

LabVIEW使用图形化编辑语言G来编写程序，产生程序框图。IMAQ Vision是LabVIEW内置的视觉工具包，主要是图像处理VI，其中包括IMAQ Vision和Vision Builder两个组件[13]，是NI公司开发的图像采集驱动，支持多种传输形式，提供了LabVIEW平台上开发机器视觉的各种子程序。

本文采用的靶标是由A4纸打印的等尺寸棋盘网格，每边长度为19毫米。所用相机为USB相机，1200万像素，分辨率为640*480。整个标定系统由相机、标定板、个人计算机和工作台组成。

標定过程如下：

1） 采集图像：采集的图像需要统一进行命名后，复制到toolbox_calib目录中。命名的规则为基本名和编号，基本名在前，后面直接跟着数字编号。编号最多为3位十进制数字。

2） 标定参数：将matlab当前目录设为含有标定工具箱的目录，即toolbox_calib目录。在命令窗口运行calib_gui指令，弹出选择窗口。窗口中具有两个选顶，分别是“Standard”和“Memory efficient”。点击“Standard”，则将目录中图像读入内存。如果点击选择“Memory efficient”，则将目录中的图像按照需要每次一幅图像读入内存中，所需内存较小。在选择了内存使用方式后，弹岀标定工具箱操作面板。

3） 指定图像基本名与图像格式：预先将命名为Image1-Image4的jpg格式的4幅靶标图像保存在toolbox_ calib目录中。采集的靶标图像也可以采用bmp格式、tif格式等，但用于标定的靶标图像需要采用相同的图像格式。在图3中点击“Image names”，在命令窗口输入基本名Image和图像格式，在matlab的图形窗口显示出4幅靶标图像，如图2所示。

4） 内参数标定：对用于标定的靶标图像角点提取后，在图3中点击“Calibration”，即可完成相机的内参数标定。

优化后的标定结果：

Focal Length：     fc=[657，80 887    658.513 72]±[1.861 06    1.346 83]

Principal point：     cc=[302.951 91   248，067 59]±[1，880 46     2.858 17]

Skew：    alpha_ c =[0.000 00]±[0.000 00]=>angle of pixel axes=90.000 00±0.000 00 degrees

Distortion：   kc=[-0.258 53   0.148 34     0.000 74   -0.000 300.000 00]±[0.007 84   0.037 27   0.000 85   0.000 42   0.000 00]

Pixel error：   err=[0.152 05   0.124 241]

5） 显示相机与标定靶标之间的关系：完成内参数标定后，在标定工具箱操作面板点击“Show Extrinsic”键，就可以在新的窗口来显示相机和标定靶标之间的关系，如图3所示。

3 实验与分析

本文的双目视觉定位系统采用LabVIEW2016、Vision Development Moudle2016和Vision Acquisition Software2016完成。搭建的测试平台与测试对象如图4所示。

在Vision Assistant中对图像进行处理：

1、Edge Detector（边缘检测），定位并计算图像中沿某直线的亮度变化，也就是ROI（兴趣区域）。利用ROI工具进行设置。设置好ROI后，函数就在此ROI上寻找强度有变化的点。

2、Set Coordinate System（建立坐标系统），作用是建立一个坐标系基于定位和特征的参考方向。在使用这个函数前必须有参考的点，比如通过找边缘得到的点坐标。

3、Find Straight Edge（找直线），作用是在ROI兴趣区域中找出直线。

4、Caliper（卡尺），使用这个函数来计算两点之间的距离。这个函数使用到的点是前面得到的数据。

Vision Assistant对图像的处理流程如图5所示。

测试流程：

1） 需要固定好相机的位置，保持垂直向下状态;

2） 创建4张bmp空白图片;

3） 将白板放在相机的正下方，将电路板放在白板上，确保在整个试验过程中，白板和相机的位置都保持不变;

4） 依次移动电路板到四个不同位置，采集图像，并实时记录下电路板左下角P点相对于白板左下角o点的（x，y）实际坐标。采集图像示意图如图6所示，4个位置中，P点逆时针分布，分别为1-4点。

上位机的测试结果界面如图7所示。

对实现测定的电路板坐标进行测试，边缘测试结果如表1表2表3所示。

测试时首先对识别检测区域进行确认，可以用鼠标画出矩形框来选定检测区域，X、Y世界坐标值，即最终折算后的结果。定位数据的输出数据可以保存并导出。

测试过程中，对不同位置的物体进行了多次检测，记录了100次定位输出结果， 取平均后，经与实测结果进行对比表明：本系统能够很好实现对电路板的位置定位检测，误差满足设计的精度要求。经实验中调用耗时统计函数计算时间，识别平均耗时为0.13 s，符合快速定位的要求。经过8 h不间断定位实验， 系统运行情况良好。

4 总结

本文基于LabVIEW为平台，研究并探索电路板的双目视觉测试系统，采用标定、识别及定位技术，实现了对测试点的特征提取，经过边沿检测，建立坐标系统，找直线等处理方法，并通过软件对应模块实现了这一处理，识别并获得了测试点的像素坐标，并进一步计算得出测试点在物理世界坐标系下的实际坐标，完成定位工作。经过对不同测试点进行试验验证，本系统具有较好的准确性及稳定性。

参考文献

[1] 黄鹏程，江剑宇，杨波.双目立体视觉的研究现状及进展[J].光学仪器，2018，40（4）：81-86.

[2] 王浩，张凤生，刘延杰.接触线双目视觉测量系统标定及立体校正方法研究[J].制造业自动化，2019，41（3）：97-101.

[3] 杨承忠.双目立体视觉匹配[J].电子技术与软件工程，2019（5）：57-59.

[4] 孙军华，张悦，程晓琦.基于轴线投影精确模型的弯管立体视觉测量方法[J].航空制造技术，2019，62（5）：40-45.

[5] 袁雪姣，冉清，赵文婧，冯结青.面向双目立体视觉的迭代式局部颜色校正[J].計算机辅助设计与图形学学报，2019，31（1）：65-75.

[6] 杜枭雄，张鹏超，姚晋晋，等. 基于双目立体视觉的采摘机器人设计[J].机电信息，2018（36）：145.

[7] 王雪军，徐天成，张小强，等. 基于双目视觉的穴位坐标测量[J].电子测量技术，2018，41（22）：66-70.

[8] 王婧，李双江，田石柱.双目立体视觉技术在结构试验中的应用[J].应用光学，2018，39（6）：821-826.

[9] 孙深圳，孙洒.关于双目立体视觉图像目标精准匹配仿真[J].计算机仿真，2018，35（11）：413-416.

[10] 艾青林，刘赛，沈智慧.基于双重配准的机器人双目视觉三维拼接方法研究[J].机电工程，2018，35（10）：1110-1115.

[11] 张如如，葛广英，申哲，等. 基于双目立体视觉的三维重建方法[J].扬州大学学报（自然科学版），2018，21（3）：5-10.

[12] 胡涛， 任仙怡， 蔡铁，等. 高分辨力PCB裸板图像轮廓快速圆弧探测[J]. 光电工程 ，2014， 41（7）：88-94.

[13] 杨尚昆，王岩松，郭辉，等. 基于一阶径向畸变算法的双目摄像机多位姿标定方法[J].计算机应用，2018，38（9）：2655-2659.

（收稿日期： 2019.04.19）

作者简介：王磊（1982-），男，本科，实验师，研究方向：电路与系统设计研究。