第四章 视觉定位基础：Mark点识别、基准校正、局部视觉与飞行对中

各位同学，今天咱们聊聊贴片机视觉定位这块硬骨头。说实话，我刚入行那会儿，觉得视觉嘛，不就是拍个照、算个坐标嘛，能有多难？直到第一次调试高速机，看着吸嘴在飞，相机在闪，系统在算，我才意识到——视觉定位是整个贴片机的大脑和眼睛，搞不定它，后面全是白搭。

4.1 Mark点识别——贴片机的“地标”

Mark点是什么？说白了就是PCB上的定位标记。你想想看，PCB在传送带上跑，位置肯定有偏差，没有Mark点，你让机器怎么知道该往哪儿贴？

我见过不少新手，上来就问：“Mark点随便画个圆不就行了？”嗯，没那么简单。Mark点的设计有讲究：

• 形状：实心圆最常见，也有十字形、方形。我个人偏爱实心圆，算法稳定，抗干扰强。
• 尺寸：一般直径1.0mm~3.0mm。太小了相机看不清，太大了占用PCB空间。
• 材质：铜箔裸露或镀金，与背景要有明显对比。我曾经遇到一批PCB，Mark点被绿油覆盖了，相机死活识别不出来，最后只能返工。
• 位置：至少两个，对角线放置。为什么是两个？因为一个只能定位XY，两个才能算出旋转角度。

// 伪代码：Mark点识别核心逻辑
bool DetectMarkPoint(Image img, Point2f ¢er, float &radius) {
    // 1. 高斯滤波去噪
    GaussianBlur(img, img, Size(5,5), 1.5);
    
    // 2. 自适应二值化
    threshold(img, binary, 0, 255, THRESH_BINARY_INV | THRESH_OTSU);
    
    // 3. 找轮廓
    vector<vector<Point>> contours;
    findContours(binary, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
    
    // 4. 筛选圆形轮廓
    for (auto &contour : contours) {
        float area = contourArea(contour);
        if (area < minArea || area > maxArea) continue;
        
        // 圆度判断
        float perimeter = arcLength(contour, true);
        float circularity = 4 * PI * area / (perimeter * perimeter);
        if (circularity > 0.85) {  // 圆度阈值
            minEnclosingCircle(contour, center, radius);
            return true;
        }
    }
    return false;
}

4.2 基准校正——从像素到物理坐标

识别出Mark点只是第一步，关键是怎么把像素坐标换算成贴片头的物理坐标。这里涉及三个坐标系：

坐标系	原点	单位	用途
图像坐标系	图像左上角	像素	Mark点识别结果
相机坐标系	相机光心	毫米	相机标定后的坐标
机器坐标系	贴片机零点	毫米	最终运动控制用

基准校正说白了就是做坐标变换。我习惯用仿射变换，因为PCB的变形主要是平移和旋转，很少涉及缩放和剪切。

// 仿射变换计算
void ComputeAffineTransform(Point2f mark1_pixel, Point2f mark2_pixel,
                            Point2f mark1_physical, Point2f mark2_physical,
                            Mat &affine_matrix) {
    // 两个点只能解出平移+旋转+缩放
    // 实际项目中建议用3个以上Mark点做最小二乘拟合
    Point2f src[] = {mark1_pixel, mark2_pixel};
    Point2f dst[] = {mark1_physical, mark2_physical};
    affine_matrix = getAffineTransform(src, dst);
}

// 应用变换
Point2f ApplyTransform(Point2f pixel_pt, Mat &affine_matrix) {
    Mat pt_mat = (Mat_<double>(3,1) << pixel_pt.x, pixel_pt.y, 1);
    Mat result = affine_matrix * pt_mat;
    return Point2f(result.at<double>(0), result.at<double>(1));
}

4.3 局部视觉——贴片前的“最后一公里”

基准校正解决的是PCB整体位置偏差，但每个元件的焊盘位置还有局部偏差。这就是局部视觉登场的时候了。

局部视觉，说白了就是在贴片头到达目标位置前，用相机拍一下焊盘区域，做精细定位。我遇到过最头疼的情况是：PCB整体Mark点校正没问题，但某个QFP芯片的焊盘整体偏移了0.1mm。如果不做局部视觉，这个芯片就废了。

局部视觉的流程：

1. 根据基准校正结果，粗定位到焊盘区域
2. 拍摄局部图像，识别焊盘特征（通常是焊盘角点或中心）
3. 计算局部偏移量，修正贴片坐标
4. 将修正后的坐标发送给运动控制系统

4.4 飞行对中——速度与精度的平衡

飞行对中，英文叫“Flying Vision”或“On-the-fly Alignment”。什么意思呢？就是吸嘴吸起元件后，在飞往贴片位置的途中，相机抓拍元件，实时计算偏移和旋转，然后运动控制系统在飞行中完成修正。

这个技术是高速贴片机的核心。你想想看，如果每次都要停下来拍照、计算、调整，那速度就上不去。飞行对中让这些操作并行进行，产能直接翻倍。

飞行对中的关键参数：

参数	典型值	影响
相机曝光时间	50~200μs	太短图像暗，太长运动模糊
触发延迟	0.5~2ms	影响抓拍位置精度
图像处理时间	<5ms	决定最小修正周期
运动补偿算法	前馈+反馈	决定修正平滑度

// 飞行对中修正算法（简化版）
void FlyingVisionCorrection(Component &comp, MotionState &state) {
    // 1. 相机触发抓拍
    Image img = CameraCapture(comp.position);
    
    // 2. 识别元件中心偏移和旋转
    Point2f offset;
    float angle;
    DetectComponentOffset(img, offset, angle);
    
    // 3. 计算修正量（考虑运动速度补偿）
    float delta_x = offset.x + state.velocity_x * 0.001;  // 1ms前馈
    float delta_y = offset.y + state.velocity_y * 0.001;
    float delta_theta = angle;
    
    // 4. 发送修正指令到运动控制器
    MotionController.CorrectPosition(delta_x, delta_y, delta_theta);
}

4.5 知识体系总览

说了这么多，咱们用一张图把整个视觉定位的脉络理清楚：

这张图把整个视觉定位的脉络理清楚了。从顶层的视觉定位系统，到四个核心模块，再到每个模块的关键技术，最后汇聚到高速高精度拾放控制这个最终目标。你想想看，任何一个环节出问题，最终贴片质量都会受影响。