异形插件机用于元件纠偏的模板匹配法的基本框架

当代异形插件机常利用视觉系统进行元件纠编，而常用的元件纠编方法有直接法和模板匹配法，而模板匹配法更适用于异形插件机异形元件的装配。那么模板匹配法的基本框架有哪些呢？下面小编就带大家一起来了解一下。

模板匹配法基本框架包括特征空间、搜索空间、搜索策略和相似性度量。1、特征空间：特征空间指的是模板匹配基本特征，模板匹配所用的特征空间决定了匹配方法的适用范围，如基于特征点的匹配方法可用来做识别而基于边缘特征的匹配方法可用来精确定位。除了特征点与边缘，基本特征还有灰度值、曲线、曲面、拐点、高曲率点、交叉点以及其它描述子。特征空间的选择与使用目的有关，识别可以采用基于点与描述子的方法，如SIFT算法，基于边缘特征的匹配方法可达到较高的匹配精度。2、搜索空间：目标图像会由于光照变化、目标平移与旋转和摄像机参数改变等因素而导致其相对于模板图产生平移、旋转、变形及缩放等现象，因此元件在目标图像中的位畳可由模板通过刚体变换、透视变换、投影变换、仿射变换和全局多项式变异形换中的一项或者几项组合得到。在整个搜索空间捜索是一项十分耗时的工作，如对于旋转这一捜索空间分支，若角度精度需达到0.1度，360度最多就有3600个匹配位置，精度更高则计算量越多，因此若能缩小搜索空间将大大减少计算量，进而减少搜索时间。3、搜索策略：在整个搜索空间内快速找到目标需大量的计算过程，一直是模板匹配一大难题。常用的搜索策略有：松弛匹配、动态规划、牛顿法、最速下降法、共扼梯度法等。4、相似性度量：搜索过程中数据化衡量模板与目标子图（指捜索空间中某一特定位置）的相似程度称为相似性度量，如两图像数据的差值越小则表示这两图越相似。相似性度量方法部分决定了匹配算法的抗干扰能力，常用的相似性度量方法有欧式距离法和Housdorff距离法等。

关于异形插件机用于元件纠偏的模板匹配法的基本框架今天小编这样解释可还尽兴？希望能够帮助到大家，接下来我们继续讲述关于异形插件机视觉系统功能模块的小知识。

PS：文章素材内容摘自互联网仅供参考，准确信息以咨询人工客服为准。

责编：旅行的蜗牛