CN100454331C - 确定物体角度姿态的方法和仪器 - Google Patents

Abstract

本发明操作用于确定一假定物体的角度姿态。根据具有一假定姿态的已知物体的样本图像，计算得到一系列的投射和。所述投射和在一个角度范围内计算得到，并构成二维数组以合成一投射图像。有未知姿态的已知物体的图像被提供。最好以垂直方向穿过具有未知姿态的所述已知物体的图像来计算一投射和。这个投射和与投射图像相关，且最佳相关所对应的角度被定为所述已知物体的角度姿态。

Description

确定物体角度姿态的方法和仪器

技术领域

本发明涉及确定假定物体的角度姿态。

背景技术

一项在检查制造部件中经常的任务是确定部件的姿态(pose)。姿态是指部件的位置，通常情况下由x、y坐标和从垂直方向测量的角度来度量。角度姿态可被视为部件被旋转了多少的一种度量。在许多工业应用中部件的姿态是通过机器视觉系统来测量的。对于半导体部件尤其是这样。知道了角度姿态，机器视觉系统能提供有关部件质量的重要信息，能指导制造操作或能提高其它机器视觉操作的准确性。

确定角度姿态通常是时间强度大的操作。随着对扩大的生产量不断增长的要求，提高计算角度姿态的速度成为人们的普遍需要。

我们还知道机器视觉系统所使用的许多模式识别算法或系统是角度敏感的。换句话说，当被检测部件被旋转超过一定容忍限度时，许多模式识别算法或系统不能很好地运转。例如，如果部件被旋转超过大约一或两度，标准化相关就可能不能正常实现识别部件的作用。

半导体工业用多种方式来处理模式识别系统的敏感性。一种方式可以将模式识别系统开发成对旋转较少的敏感，如灰度比例矢量相关(见共同转让的6,385,340号美国专利，此处合并在文中作为参考)。另一种处理这种敏感性的方式是将半导体部件以非常受控的方式提交给视觉系统。例如，半导体可能在被设计用来最小化所述部件旋转的、特定配置的盘中被提交到所述视觉系统。尽管有上述两种方式的努力，部件可能被旋转超过所述模式识别系统的容忍限度，而可能导致模式识别系统报告该部件失败。

不过，如果角度姿态是广泛认知的，模式识别系统可以被调整以适当地运转。这样将允许已知部件被检测而忽略旋转。过去，作为分离的处理系统确定物体的角度姿态以及将该角度姿态报告给模式识别系统，与由被旋转超过正在使用的识别系统容忍限度的部件所引起的偶尔失败相比，是太昂贵了。于是人们需要一种以期望准确度来快速计算物体角度姿态。

发明内容

本发明提供一种计算一假定物体的角度姿态的方法。这个角度姿态有独立值，以及可以或不可以被报告给模式识别系统。已知物体的样本图像被提供。样本图像有一个假定姿态。一系列投射和在一角度范围内的穿过该已知物体的样本图像上计算得到，并根据计算所述投射和的所述角度被组织成一个二维数组。假定物体的第一图像被提供，其中第一图像中已知物体的角度姿态未知。在所述第一图像上以一假定角度计算一投射和。该假定角度最好是垂直的。将第一图像的投射和与所述二维数组进行比较，其投射和与第一图像的投射和相比最佳的角度被选中。本发明可以运行于一系列图像上，于所有已知物体，来报告关于每个物体的角度姿态。

本发明的方法进一步提供了，将其投射和与第一图像的投射和相比最佳的所述角度报告给识别系统。这将允许所述识别系统被调整以应对所述物体的任何旋转。在一个优选的实例中，识别系统是灰度比例矢量相关。

在另一个优选的实例中，使用标准化相关或NCR，把第一图像上的投射和与所述二维数组对比。

本发明还提供了计算机可读介质，用于使用在机器视觉系统中，其中计算机可读介质用来确定已知物体的角度姿态。该计算机可读介质包括，计算穿过具有一假定姿态的已知物体-样本图像的一系列投射和的装置。投射和在一个角度范围内计算得到。该计算机可读介质进一步包括，根据计算所述投射和的所述角度，将投射和构组织成一个二维数组的装置。该计算机可读介质进一步包括，从在一假定角度上的一系列已知物体计算穿过第一图像上的投射和，以及比较所述第一图像上的投射和与所述二维数组的装置。其投射与所述第一图像的投射和相比最佳的所述角度被选中。

当下面的预期用来实践发明的最佳模式说明与附图连在一起阅读时，本发明的其它应用对本领域技术人员来说将是显而易见的。

附图说明

在此介绍对附图进行引用，其中相似的附图标记指若干视图中的相似部件，其中：

图1是描述如何从已知物体的样本图像获得二维数组的流程图。

图2示意性表示已知物体和一系列角度，其中通过所述角度计算投射和。

图3示意性表示图1中的物体，其投射和被计算。

图4是在图3的表示象素上计算投射和的方式的具体视图。

图5示意性表示由角度组织成投射和的二维数组。

图6是描述使用图5的数组找到已知物体角度姿态的过程的流程图。

图7示意性说明一已知物体上的垂直投射和，其中所述已知物体处于一未知角度。

图8是与图6相似的流程图，其中物体的角度姿态被报告给模式识别系统。

图9是含有用来确定物体角度姿态的计算机可读介质的视觉系统示意图。

具体实施方式

本发明对于确定已知物体的角度姿态尤其有用。本发明采用Radon公式(在下面给出)的新颖的修改来快速确定已知物体的角度姿态。一系列投射和从已知物体的样本图像来确定，其中已知物体有一假定姿态。所述投射和在一个角度范围内计算。这个范围可以大至±180度

每个投射和可以被认为是一个一维数组。这样的一维数组的集合被计算出来以形成投射和的二维数组。这个二维数组可被构造成投射图像。

已知物体的图像被呈现，其中该已知物体的角度姿态是未知的。多个物体被“认知”，其全部是相同部件，即，在下面的样例中是一个半导体模片。优选的，单个投射和是通过垂直方向得到的。那么该投射和与投射和的二维数组相关。与所述单个投射和相关最佳的投射和相联的所述角度就是已知物体的角度姿态。

本发明是在半导体部件(如模片)的环境下描述。实践中样本图像可来自可能是特定模片的已知物体。那么有未知姿态的多个已知物体将是基本等同的模片，比如相同部件。然而，后面这个模片将有未知的姿态。

正如上面所讨论的，本发明宽泛的基于下面给出的Radon公式的计算

$R(P,T)\left[f(x,y)\right]={\∫}_{-\∞}^{\∞}{\∫}_{-\∞}^{\∞}f(x,y)\mathrm{\δ}[y-T+\mathrm{Px}]\mathrm{dy\; dx}$

其中f(x，y)是图像数据，P是投射形成的角度，而T是沿着投射方向的位移。

本发明的方法参考附图示出，其中相似元件被相似的编号。参考图1，教导过程从10开始。教导描述了以假定角度创造投射和二维数组的任务。这个二维数组可被称为一投射图像。在20，提供了有假定姿态的已知物体的图像。在介绍本发明的情况中这个已知物体是模片。然而，本发明可能被用于大量不同的物体。在30，起始角度，停止角度和步进被选定。开始和停止角度参考计算所述投射和的范围。

图2示意性说明了所述起始和停止角度。图2示意性说明投射在模片11的图像上的角度集合。在这个样例中，模片是有假定角度姿态的已知物体。起始角度在12表示为θ₁而终止角度在14表示为θ_n。尽管投射可以从±180度获得，优选范围是±30度。能够理解，将导出投射和的所通过的角度范围是由期望的特定应用确定的。例如，±180度的范围将正常作用于随机旋转部件，而更小的范围可能更适合置于盘中的部件。

还能够理解，角度间的增量可能是不同的。角度增量是指两个相邻投射间的差，例如，θ₁和θ₂之差。角度增量，正如在下文更全面地解释到的，将根据需要的角度姿态的准确性而变化。当模式识别系统是标准化相关时，角度间的增量应该在半度和一度之间。然而，对于例如灰度比例矢量相关这种更健全的模式识别技术来说，更高的增量，如2.5度可能更好。

再来参考图1，投射和在40计算得到。对于任何给定的角度，投射和都是根据如图3所示的方式导出。图3代表模片11的图像，其中一系列投射和线42被延长穿过图像。能够理解，包括模片在内的任何物体的图像实际上都是象素的集合，每个象素有一个位置和数值。投射和线42表示的含义是，被任一单个线42所覆盖的每个象素位置的象素值都被相加。图3中每条线的总和值用w1到wN表示(标记为44)。在优选实例中每条投射和线42都是一个象素宽。

因为投射和线42被设置成与所述象素成一个角度，所述线可能不能获取到一个完整的象素。如图4所示。例如，参考样本象素45，46所示的部分被所述线获取，而48所示的部分未被获取。能够理解，被获取的部分46可能被加权来补偿未被获取的部分48，从而提供更准确的和。

角度在50递增，对于所有θ₁到θ_n的角度以预定的角度增量计算得到多个投射和。当所有角度在60用尽时，教导过程在62结束。图1的教导过程产生如图5所示的投射图像。图5的投射图像是投射和的二维数组，每行代表一个不同的角度。

参考图6-8，所示的是确定已知物体角度姿态的方法。找到角度姿态的操作在70开始。在72，已知物体的图像，或此例中模片11’被表示。能够理解，模片11’意图与模片11相同且模片11’的图像优选的是与模片11的图像在相同的条件下获得。72处，图像物体有未知角度姿态。在74，在一假定角度，优选的是垂直角度，在该相似物体的图像上计算投射和。计算垂直角度处的投射和如图7所示。在76，74处被导出的投射和与图5所示的二维数组相关。78处，对应于与投射和最佳相关的所述投射和行的角度被计算。

我们知道，如图6所示，一旦姿态被找到，进程可能就完成了。然而，如图8所示，该姿态可能被报告给模式识别系统，如80处的标准化相关或灰度比例矢量相关。然后那些模式识别系统可能被调整以找到物体的姿态。

当角度范围大于±90度时，本发明消除了在将所述投射和与图5的二维数组相关时的任何有关歧义。这些歧义可能是部件内部对称的结果。在此情况下有必要在74以偏离角度获取另一个总和投射，并将两个不同的投射和与图5的二维数组相关。

参考图9，所示为机器视觉系统82。视觉系统82含有相机84及适当的闪光86。相机84和闪光86可能附于含有用来确定物体角度姿态的计算机可读介质90的处理单元88。在本例中物体是放置在相机84可视范围内的模片11’。

当本发明与当前被认为最实用和优选实例连在一起描述时，我们将知道发明将不局限于所展示的实例。例如，能够理解，投射和可能获取于任何假定角度、且与图5的二维数组相关。垂直角度被选来提供更简单直接的过程。如果采用任何非90度的假定角度，那么可能会用到更多的计算。本申请试图涵盖各种修改和包含在附加权利要求的含义和理解范围内的等价排列，其理解范围将与最广泛的解释达成一致以在法律允许范围内囊括所有这样的修改和等价的结构。

Claims (7)

1.一种计算一已知物体的角度姿态的方法包括：

提供具有一假定姿态的所述已知物体的一样本图像；

计算在相对于一个选定点的不同角度范围内的穿过所述样本图像的一系列投射和，以及基于计算相应的每个投射和的不同角度，将所述一系列投射和中的每个投射和组织成的一个二维数组；

提供所述已知物体的第一图像，所述第一图像中示出的所述已知物体的所述角度姿态未知；

计算以一假定角度穿过所述第一图像的投射和，以及

比较穿过所述第一图像的所述投射和与所述二维数组，并从所述不同角度范围中选择一个投射和与第一图像的投射和相比最佳的角度。

2.权利要求1中的方法，进一步包含：

将投射和与第一图像的投射和相比最佳的所述被选择的角度报告给识别系统。

3.权利要求2的方法中，所述假定角度在所述不同角度范围内。

4.权利要求3的方法中，通过将所述不同角度范围中的每个角度递增近似2.5度，在所述不同角度范围内从所述样本图像计算所述每个投射和。

5.权利要求2的方法中，识别系统是灰度比例矢量相关。

6.权利要求1的方法中，将穿过第一图像的投射和与所述二维数组的比较是标准化相关识别。

7.权利要求1的方法中，所述已知物体是半导体模片。

Images