贴片机视觉系统目前高性能贴片机最关键的系统之一,其性能直接影响到的贴片机的贴装精度和速度。而基准点定位子系统对于整个视觉系统的初始化,标定,以及机械加工误差的补偿有着至关重要的作用,其定位精度和速度直接制约着整个视觉系统。针对课题组的贴片机研制工作,本文对贴片机视觉系统的基准点定位子系统进行了研究。主要进行了以下研究工作:根据贴片机的需求,确定了本文的待检测目标基准点,分别是圆形、矩形、菱形、三角形、十字形、双矩形、蝶形和井形基准点。通过分析这些基准点特征,确定了获取基准点边缘像素的过程。先使用OTSU算法对图像进行二值化分割,然后对二值图像进行基于形态学的轮廓检测,确定基准点目标的感兴趣区域,然后再使用Canny算子检测基准点边缘。提出了根据图像特征自适应选择Canny算子阈值的方法,实验结果表明该方法对光线变化具有很好鲁棒性。提出了基于边缘曲线特征的检测算法。先使用Hough变换算法提取Canny边缘点构成的圆或直线。通过对比分析各种Hough变换算法的性能,选择了改进的概率Hough变换算法,提出了Hough变换参数选择的方法。针对直线形基准点中检测到的重复边缘直线问题,提出了改进的分级聚类的方法用于合并重复边缘直线。最后通过拟合来得到基准点的边缘曲线的方程以及中心位置。实验结果表明,该算法对于一般的孤立干扰,噪声点具有良好的鲁棒性,执行时间在10ms以内;但是对于边缘受到遮挡的直线形基准点,该算法检测可能失败。提出了基于基准点模型的检测算法。分析了每种类型基准点所需参数,确定了对应基准点模型的参数向量。提出了基于均值Hausdorff距离的匹配准则用以表征待检测目标和模板的相似程度。提出了基于距离变换的匹配相似度的计算方法,解决了需要不断重复计算目标和模板的均值Hausdorff距离的问题,有效的减少了计算量。提出了基于粒子群优化算法和图像金字塔结构的模板匹配过程,有效的降低了匹配时间。实验结果表明该方法对边缘残缺或受到遮挡的基准点的具有很好检测效果,对各种类型的干扰都具有很强的鲁棒性,算法执行时间在100ms左右。测试了以上两种算法对椒盐噪声的鲁棒性和算法的最大重复性误差。进行了大量重复试验,对比分析了两种算法在同样的测试条件下的检测的精度,最大重复误差和执行时间。测试结果表明,两种算法最大重复性误差在15μm以内,满足系统要求;此外,算法的执行时间也都满足系统要求。