異形插件機用于元件糾偏的模板匹配法的基本框架

當代異形插件機常利用視覺系統(tǒng)進行元件糾編，而常用的元件糾編方法有直接法和模板匹配法，而模板匹配法更適用于異形插件機異形元件的裝配。那么模板匹配法的基本框架有哪些呢？下面小編就帶大家一起來了解一下。

模板匹配法基本框架包括特征空間、搜索空間、搜索策略和相似性度量。1、特征空間：特征空間指的是模板匹配基本特征，模板匹配所用的特征空間決定了匹配方法的適用范圍，如基于特征點的匹配方法可用來做識別而基于邊緣特征的匹配方法可用來精確定位。除了特征點與邊緣，基本特征還有灰度值、曲線、曲面、拐點、高曲率點、交叉點以及其它描述子。特征空間的選擇與使用目的有關，識別可以采用基于點與描述子的方法，如SIFT算法，基于邊緣特征的匹配方法可達到較高的匹配精度。2、搜索空間：目標圖像會由于光照變化、目標平移與旋轉和攝像機參數(shù)改變等因素而導致其相對于模板圖產(chǎn)生平移、旋轉、變形及縮放等現(xiàn)象，因此元件在目標圖像中的位畳可由模板通過剛體變換、透視變換、投影變換、仿射變換和全局多項式變異形換中的一項或者幾項組合得到。在整個搜索空間捜索是一項十分耗時的工作，如對于旋轉這一捜索空間分支，若角度精度需達到0.1度，360度最多就有3600個匹配位置，精度更高則計算量越多，因此若能縮小搜索空間將大大減少計算量，進而減少搜索時間。3、搜索策略：在整個搜索空間內(nèi)快速找到目標需大量的計算過程，一直是模板匹配一大難題。常用的搜索策略有：松弛匹配、動態(tài)規(guī)劃、牛頓法、最速下降法、共扼梯度法等。4、相似性度量：搜索過程中數(shù)據(jù)化衡量模板與目標子圖（指捜索空間中某一特定位置）的相似程度稱為相似性度量，如兩圖像數(shù)據(jù)的差值越小則表示這兩圖越相似。相似性度量方法部分決定了匹配算法的抗干擾能力，常用的相似性度量方法有歐式距離法和Housdorff距離法等。

關于異形插件機用于元件糾偏的模板匹配法的基本框架今天小編這樣解釋可還盡興？希望能夠幫助到大家，接下來我們繼續(xù)講述關于異形插件機視覺系統(tǒng)功能模塊的小知識。

PS：文章素材內(nèi)容摘自互聯(lián)網(wǎng)僅供參考，準確信息以咨詢?nèi)斯た头闇省?/p>

責編：旅行的蝸牛