买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜江苏大学申请的专利一种基于改进SURF算法的电子元器件定位方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN113554704B 。

龙图腾网通过国家知识产权局官网在2025-02-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202011190924.4，技术领域涉及：G06T7/73；该发明授权一种基于改进SURF算法的电子元器件定位方法是由顾寄南;黄则栋;李静;孙晓红;唐仕喜设计研发完成，并于2020-10-30向国家知识产权局提交的专利申请。

本一种基于改进SURF算法的电子元器件定位方法在说明书摘要公布了：本发明公开了一种基于改进SURF算法的电子元器件定位方法，包括以下步骤：1通过双目相机获取生产线上的电子元器件图像，然后输入计算机进行图像预处理，消除图像采集中存在的光照、噪声等因素的影响；2使用SURF算法对工件图像进行特征点检测与描述；3采用K均值聚类算法分割图像；4对分割后的图像进行匹配；5最后采用目标边缘算法进行形心计算，定位出左右图像中工件的形心位置，结合摄像机的标定结果进行三维重建，实现工件的空间定位。本发明的有益效果是：提出的算法减少了算法运行总时间，将匹配的结果结合双目视觉技术实现电子元器件的定位，对智能制造水平的提高有很大的应用价值。

本发明授权一种基于改进SURF算法的电子元器件定位方法在权利要求书中公布了：1.一种基于改进SURF算法的电子元器件定位方法，其特征在于，包括下述步骤：S1：通过双目相机获取生产线上的电子元器件图像，然后输入计算机进行图像预处理，消除图像采集中存在的光照、噪声的影响；S2：使用SURF算法对工件图像进行特征点检测与描述；采用主成分分析算法PCA对图像的特征点描述子进行降维，包括如下过程：为了提高计算效率，将主成分分析算法PCA应用于特征点检测和减少特征的维数，对得到的特征点的64维SURF描述子进行划分，记样本矩阵为[x1,x2,…,xn]T，对样本去中心化，得到差值向量： 式中，di为差值向量，n为特征点的个数，xi为第i个特征点的64维描述符；构建协方差矩阵，求64个特征值λi和特征向量ei，将λi和相应的ei按照从大到小的顺序排列，取排列顺序的前32个特征向量进行标准化，组成特征向量矩阵W，对每一个样本xi,转化为新的样本，记为zi＝WTxi，将原有的64维SURF特征描述符降到32维；S3：采用K均值聚类算法分割图像；分割过程为：第一步：按照最大化最小化原则，选定K个数据点作为K个子类划分的初始类中心；设由n个数据点组成的数据集为X＝{xi|xi∈Rd,i＝1,2,…,n}，每个数据点xi是由d个表征其特征的数据组成的向量；K均值聚类的目标是将这n个数据点划分为K类组成聚类集E＝{ek|k＝1,2,…,K}，其中ek类的类中心设为Ok；第二步：计算各数据点到类中心的欧氏距离，按照最近邻原则将其划分到各类中心表示的子类中，得到K个子类数据集；定义被划分到ek类的点xi到的类中心Ok的欧氏距离为： 设由n个数据点组成的数据集为X＝{xi|xi∈Rd,i＝1,2,...,n}，每个数据点xi是由d个表征其特征的数据组成的向量。K均值聚类的目标是将这n个数据点划分为K类组成聚类集C＝{ck|k＝1,2,...,k}，其中ck类的类中心设为μk，定义被划分到ck类的点xi到的类中心μk的欧氏距离；第三步：计算各个子类数据集中各点的平均值，把该平均值作为该子类新的类中心；第四步：计算所有数据点到其所属类的类中心的欧氏距离之和，判断其和类中心的值是否发生改变，如果是，就转到第二步；如果否，就转到第五步；所有被划分到ek类的点xi到该类的类中心Ok的欧氏距离之和为其中，ek为第k个划分子类，xi为数据点，Ok为ek类的类中心；式中统计的是聚类集E中第k个划分子类Ok中的点到该类中心的欧氏距离之和；那么，将聚类集中的各个子类都统计一次，就得到了数据集中所有点xi到其所属类的类中心的欧氏距离之和； 其中，由此可见，要使公式中的Sxi的值最小，类中心Ok应取该聚类子集ek中各数据点的平均值；其中，ek为第k个划分子类，xi为数据点，Ok为ek类的类中心，Mek为所有被划分到ek类的点xi到该类的类中心Ok的欧氏距离之和，Dxi,Ok为被划分到ek类的点xi到的类中心Ok的欧氏距离，λi为可变系数；第五步：终止迭代，算法结束；S4：对分割后的图像进行匹配；S5：采用目标边缘算法进行形心计算，定位出左右图像中工件的形心位置，结合摄像机的标定结果进行三维重建，实现工件的空间定位。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江苏大学，其通讯地址为：212013 江苏省镇江市京口区学府路301号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。