1、在半導體芯片封裝過程中，視覺定位技術是實現(xiàn)芯片精確拾取和轉(zhuǎn)移的核心技術之一。近年來出現(xiàn)的細長芯片和超薄高密度芯片對現(xiàn)有封裝技術提出了新的要求。為了解決以往視覺定位算法在新的封裝需求下定位不準確或無法定位的問題，本文提出了基于多級教與學優(yōu)化算法的相機標定方法、有效區(qū)域歸一化互相關匹配算法和空間結(jié)構(gòu)約束特征點匹配算法，現(xiàn)將本文研究內(nèi)容總結(jié)如下：
　　1）提出了基于多級教與學優(yōu)化算法的相機標定方法。多級教與學優(yōu)化算法是對教與學優(yōu)化算法的

2、改進，本文創(chuàng)新性地引入了“校長”的概念，提出了“老師”之間相互學習的思想。相比于原始的只有“老師”和“學生”兩個角色的教與學算法，多級教與學優(yōu)化算法具有更強的全局搜索能力，在精確求取相機內(nèi)部參數(shù)、外部參數(shù)和畸變系數(shù)時更容易跳出局部最優(yōu)解，提高了相機標定精度和芯片封裝過程中的定位精度。
　　2）提出了有效區(qū)域歸一化互相關匹配算法RBNCC。該算法通過區(qū)域置信函數(shù)對圖像中的芯片和背景像素進行分類加權(quán)，解決了現(xiàn)有灰度算法無法精確定位細長

3、芯片和有效識別破損芯片的問題，提高了細長芯片封裝過程中的定位精度和良品率。提出了芯片邊界框快速檢測方法，可將圖像搜索范圍縮減到芯片周圍區(qū)域，加快了RBNCC算法的定位速度，提升了半導體封裝裝備效率。
　　3）提出了空間結(jié)構(gòu)約束特征點匹配算法SCFP。超薄高密度芯片電路圖案復雜，特征豐富，因此非常適合使用特征點匹配算法進行定位，但是現(xiàn)有算法無法在同一幅圖像中匹配多顆芯片。為了解決該問題，SCFP算法不僅利用了特征點周圍的局部信息，還

4、利用了特征點之間的拓撲關系，從而可以將目標圖像中的特征點有效地劃分到不同芯片區(qū)域。結(jié)合本文提出的基于多級教與學優(yōu)化算法的相機標定方法，推導了芯片三維姿態(tài)計算公式，為多自由度拾取頭準確拾取超薄高密度芯片、防止其破碎提供了依據(jù)。
　　4）為了縮短視覺定位算法的計算時間，提升芯片封裝效率，本文分析了有效區(qū)域歸一化互相關匹配算法和空間結(jié)構(gòu)約束特征點匹配算法中可并行執(zhí)行的任務，充分利用GPU在并行計算、內(nèi)存管理等方面的優(yōu)勢，合理分配了主機端

5、和設備端的資源以及在兩種算法中承擔的角色，實現(xiàn)了兩種算法的加速。
　　5）構(gòu)建了具有自主知識產(chǎn)權(quán)的圖像處理函數(shù)庫 MV1.0，定義了基于多級教與學優(yōu)化算法的相機標定方法、有效區(qū)域歸一化互相關匹配算法和空間結(jié)構(gòu)約束特征點匹配算法的用戶接口函數(shù)，完成了三種算法在MV1.0中的集成，設計了智能工具軟件MVPlat，該軟件界面友好，操作簡便，方便進行算法驗證。最后在典型半導體封裝裝備上進行了應用與測試，測試結(jié)果表明三種算法滿足實際應用需求