鲁棒全局优化的晶圆多目视觉对准方法OA

针对晶圆装配的高精度对准需求,提出了一种基于鲁棒全局优化的多目视觉对准方法,并构建了相应的性能评估框架。首先,通过多目视觉获取多靶标信息,并通过非线性最小二乘目标函数融合信息求解位姿;其次,基于测量精度阈值对靶标残差进行归一化,并结合Huber损失与迭代加权法自动降低异常靶标权重,以抑制划痕等误差的影响;在求解方面,将Armijo自适应回溯线搜索技术嵌入LM算法中,提高求解收敛稳定性与效率;进一步建立坐标映射与旋转诱导位移补偿模型,实现误差传递与运动补偿;提出角度-位移协同约束交并比(AD-IoU)指标,并开展了双层晶圆对准应用实验。结果表明:应用本文提出的鲁棒全局优化迭代方法,可以将收敛次数降至3次左右,在引入微米级(4μm)局部靶标偏差时,AD-IoU均值仅降低0.06%,验证了本文方法的迭代效率与鲁棒性。