最新ICS工厂有一项incam脚本新需求,这里介绍5种解决方法解决
需求如下图所示：绿色所圈处是是需求出的中心点(图形间距一致归为一类并计算中心点坐标)
前题条件：
1.一个SET里面可能有多个CAM，存在CAM1，CAM2，CAM3
2.每个CAM与CAM这最小间距不是固定值
对方法求解前;对此数据存储结构列出来：
/// <summary>
/// Mod_step 坐标data类型 存放PNL中的子板排放坐标位置
/// </summary>
public class Mod_Sr_data
{
public string step_name { get; set; }
public gPoint ps;
public int angle { get; set; }
public bool mirror { get; set; }
public gPoint min;
public gPoint max;
public gPoint size
{
get { return new gPoint(Math.Abs(this.min.x - this.max.x), Math.Abs(this.min.y - this.max.y)); }
}
public gPoint center
{
get { return new gPoint((this.max.x + this.min.x) / , (this.max.y + this.min.y) / ); }
}
}
方法一：矩阵排序分组法求解
第一步：分别进行X与Y排列，如下图所示
第二步,求出X最近距离，与Y最近距离
第三步, 通过X与Y最近距离求出，间距分组ID号
第四步，通过间距分组ID号，遍历分组
第五步，通过每个分组求出中心点
缺点：只能支持矩阵排列(X数*Y数=PCS总数），X或Y间距全部需保持一致，最小左下角相连PCS最少2个，不支持PCS旋转
代码实现：
private static void SetCenterAddPad1()
{
step gstep = new step(g.JOB);
gProfile profile = g.getProfile(g.STEP, g.JOB);
List<Mod_Sr_data> sr_dataList = gstep.get_step_Sr_data(g.STEP);
List<Mod_Sr_data> sr_dataList_y_Order = sr_dataList.OrderBy(tt => tt.min.y).ThenBy(tt => tt.min.x).ToList();
List<Mod_Sr_data> sr_dataList_x_Order = sr_dataList.OrderBy(tt => tt.min.x).ThenBy(tt => tt.min.y).ToList();
List<int> x_CountList = new List<int>();
x_CountList.Add();
List<int> y_CountList = new List<int>();
y_CountList.Add();
double tempDi = ;
double minDi = ;
bool isMinDi = false;
int tempCount = ;
for (int i = ; i < sr_dataList_y_Order.Count - ; i++)
{
if (Math.Abs(sr_dataList_y_Order[i + ].min.y - sr_dataList_y_Order[i].min.y) > 0.1)
break;
tempDi = Math.Abs(sr_dataList_y_Order[i + ].min.x - sr_dataList_y_Order[i].min.x);
if (!isMinDi)
{
minDi = tempDi;
isMinDi = true;
x_CountList[tempCount] = i + ;
}
else
{
if ((Math.Abs(minDi - tempDi) < 0.001))
{
x_CountList[tempCount] = i + ;
}
else
{
tempCount++;
x_CountList.Add(i + );
}
}
}
isMinDi = false;
tempCount = ;
for (int i = ; i < sr_dataList_x_Order.Count - ; i++)
{
if (Math.Abs(sr_dataList_x_Order[i + ].min.x - sr_dataList_x_Order[i].min.x) > 0.1)
break;
tempDi = Math.Abs(sr_dataList_x_Order[i + ].min.y - sr_dataList_x_Order[i].min.y);
if (!isMinDi)
{
minDi = tempDi;
isMinDi = true;
y_CountList[tempCount] = i + ;
}
else
{
if ((Math.Abs(minDi - tempDi) < 0.001))
{
y_CountList[tempCount] = i + ;
}
else
{
tempCount++;
y_CountList.Add(i + );
}
}
} int x_Count = x_CountList.Max(tt => tt) + ;
int y_Count = y_CountList.Max(tt => tt) + ;
List<Mod_Sr_data>[] sr_dataListGroup = new List<Mod_Sr_data>[(x_CountList.Count * y_CountList.Count)];
for (int i = ; i < sr_dataListGroup.Count(); i++)
{
sr_dataListGroup[i] = new List<Mod_Sr_data>();
}
for (int i = ; i < sr_dataList_y_Order.Count; i++)
{
int x_index = i % x_Count;
int y_index = i / x_Count;
for (int j = ; j < x_CountList.Count; j++)
{
if (x_index <= x_CountList[j])
{
x_index = j;
break;
}
}
for (int j = ; j < y_CountList.Count; j++)
{
if (y_index <= y_CountList[j])
{
y_index = j;
break;
}
}
int index = y_index * x_CountList.Count + x_index;
sr_dataListGroup[index].Add(sr_dataList_y_Order[i]);
}
List<gPoint> gpointList = new List<gPoint>();
foreach (var item in sr_dataListGroup)
{
double xVal = item.Sum(tt => tt.center.x) / item.Count;
double yVal = item.Sum(tt => tt.center.y) / item.Count;
gpointList.Add(new gPoint(xVal, yVal));
}
add add_ = new add();
add_.pad(gpointList.ToArray(), );
}
方法二：坐标对号入坑法(类拟桶排序算法思想上改进)
第一步：分别进行X与Y排列
第二步,求出X最近距离，与Y最近距离
第三步, 建二维数组准备挖坑了（X与Y尺寸依据旋转时X与Y互换）
第四步，遍历数据填入到对应的坑位
第五步，通过二维的坑位依次对比最近距离X与Y进行划分数据分组
第五步，通过每个分组求出中心点
缺点：只能支持矩阵排列(中心可以缺少PCS），X或Y间距全部需保持一致，
代码实现，未完待完善
private void SetCenterAddPad2()
{ step gstep = new step(g.JOB);
gProfile profile = g.getProfile(g.STEP, g.JOB);
List<Mod_Sr_data> sr_dataList = gstep.get_step_Sr_data(g.STEP);
List<Mod_Sr_data> sr_dataList_y_Order = sr_dataList.OrderBy(tt => tt.min.y).ThenBy(tt => tt.min.x).ToList();
List<Mod_Sr_data> sr_dataList_x_Order = sr_dataList.OrderBy(tt => tt.min.x).ThenBy(tt => tt.min.y).ToList();
double tempDi = ;
double yDi = ;
double xDi = ;
for (int i = ; i < sr_dataList_y_Order.Count - ; i++)
{
tempDi = Math.Abs(sr_dataList_y_Order[i + ].min.y - sr_dataList_y_Order[i].min.y);
if (tempDi > 0.01 && yDi > tempDi)
yDi = tempDi;
}
for (int i = ; i < sr_dataList_x_Order.Count - ; i++)
{
tempDi = Math.Abs(sr_dataList_x_Order[i + ].min.x - sr_dataList_x_Order[i].min.x);
if (tempDi > 0.01 && xDi > tempDi)
xDi = tempDi;
}
int x_array, y_array;
double xWidth, yHeigth;
double PcsAng = Math.Abs(sr_dataList[].angle - );
if ( < PcsAng && PcsAng < )
{
x_array = (int)Math.Ceiling(profile.Prof.size.y / sr_dataList[].size.y);
y_array = (int)Math.Ceiling(profile.Prof.size.x / sr_dataList[].size.x);
xWidth = sr_dataList[].size.y;
yHeigth = sr_dataList[].size.x;
}
else
{
x_array = (int)Math.Ceiling(profile.Prof.size.x / sr_dataList[].size.x);
y_array = (int)Math.Ceiling(profile.Prof.size.y / sr_dataList[].size.y);
xWidth = sr_dataList[].size.x;
yHeigth = sr_dataList[].size.y;
}
Mod_Sr_data[,] sr_dataArray = new Mod_Sr_data[x_array, y_array];
for (int i = ; i < sr_dataList_y_Order.Count; i++)
{
int x_index = (int)Math.Floor((sr_dataList_y_Order[i].min.x - profile.Prof.min.x) / xWidth);
int y_index = (int)Math.Floor((sr_dataList_y_Order[i].min.y - profile.Prof.min.y) / yHeigth);
sr_dataArray[x_index, y_index] = sr_dataList_y_Order[i];
}
List<int> x_CountList = new List<int>();
x_CountList.Add();
List<int> y_CountList = new List<int>();
y_CountList.Add();
for (int i = ; i < x_array-; i++)
{
for (int j = ; j < y_array-; j++)
{
var aa = sr_dataArray[i, j]; }
}
}
方法三：最近邻聚类算法
方法四：递归最左下角坐标定原点,进行相等距离求解
方法五：扩边求解