RoRD-Layout-Recognation/docs/layout_matching_guide.md

IC版图匹配功能使用指南

本文档介绍如何使用增强版的match.py进行IC版图匹配，实现输入大版图和小版图，找到所有匹配区域并输出详细信息。

🎯 功能概述

输入

• 大版图：待搜索的大型IC版图图像
• 小版图：要查找的目标模板图像

输出

• 坐标信息：每个匹配区域的边界框坐标 (x, y, width, height)
• 旋转角度：检测到的旋转角度 (0°, 90°, 180°, 270°)
• 置信度：匹配质量评分 (0-1)
• 相似度：模板与区域的相似程度 (0-1)
• 差异描述：文本化的差异说明
• 变换矩阵：3x3单应性矩阵

🚀 快速开始

基本用法

python match.py \
    --layout data/large_layout.png \
    --template data/small_template.png \
    --output results/matching.png \
    --json_output results/matching.json

使用示例脚本

python examples/layout_matching_example.py \
    --layout data/large_layout.png \
    --template data/small_template.png \
    --model models/rord_model_best.pth

📋 命令行参数

必需参数

• --layout: 大版图图像路径
• --template: 小版图（模板）图像路径

可选参数

• --config: 配置文件路径 (默认: configs/base_config.yaml)
• --model_path: 模型权重路径
• --output: 可视化结果保存路径
• --json_output: JSON结果保存路径
• --simple_format: 使用简单输出格式（兼容旧版本）
• --fpn_off: 关闭FPN匹配路径
• --no_nms: 关闭关键点去重

📊 输出格式详解

详细格式 (默认)

{
  "found_matches": true,
  "total_matches": 2,
  "matches": [
    {
      "bbox": {
        "x": 120,
        "y": 80,
        "width": 256,
        "height": 128
      },
      "rotation": 0,
      "confidence": 0.854,
      "similarity": 0.892,
      "inliers": 45,
      "scale": 1.0,
      "homography": [[1.0, 0.0, 120.0], [0.0, 1.0, 80.0], [0.0, 0.0, 1.0]],
      "description": "高度匹配, 无旋转"
    },
    {
      "bbox": {
        "x": 400,
        "y": 200,
        "width": 256,
        "height": 128
      },
      "rotation": 90,
      "confidence": 0.723,
      "similarity": 0.756,
      "inliers": 32,
      "scale": 0.8,
      "homography": [[0.0, -1.0, 528.0], [1.0, 0.0, 200.0], [0.0, 0.0, 1.0]],
      "description": "良好匹配, 旋转90度, 缩小1.25倍"
    }
  ]
}

字段说明

字段	类型	说明
bbox.x	int	匹配区域左上角X坐标
bbox.y	int	匹配区域左上角Y坐标
bbox.width	int	匹配区域宽度
bbox.height	int	匹配区域高度
rotation	int	旋转角度 (0°, 90°, 180°, 270°)
confidence	float	置信度 (0-1)
similarity	float	相似度 (0-1)
inliers	int	内点数量
scale	float	匹配尺度
homography	array	3x3变换矩阵
description	string	差异描述

🔧 技术原理

1. 特征提取

• 使用RoRD模型提取几何感知特征
• 支持FPN多尺度特征金字塔
• 旋转不变的关键点检测

2. 多尺度搜索

• 在不同尺度下搜索模板
• 支持模板缩放匹配
• 多实例检测算法

3. 几何验证

• RANSAC变换估计
• 单应性矩阵计算
• 旋转角度提取

4. 质量评估

• 内点比例计算
• 变换矩阵质量评估
• 综合置信度评分

📈 质量指标说明

置信度 (Confidence)

基于内点比例和变换质量计算：

• 0.8-1.0: 高质量匹配
• 0.6-0.8: 良好匹配
• 0.4-0.6: 中等匹配
• 0.0-0.4: 低质量匹配

相似度 (Similarity)

基于匹配率和覆盖率计算：

• 考虑模板关键点匹配率
• 考虑版图区域覆盖率
• 综合评估相似程度

差异描述

自动生成的文本描述：

• 匹配质量等级
• 旋转角度信息
• 缩放变换信息

🎨 可视化结果

匹配可视化包含：

• 绿色边界框标识匹配区域
• 匹配编号标签
• 置信度显示
• 旋转角度信息
• 差异描述摘要

🛠️ 高级配置

匹配参数调优

编辑configs/base_config.yaml中的匹配参数：

matching:
  keypoint_threshold: 0.5        # 关键点阈值
  ransac_reproj_threshold: 5.0   # RANSAC重投影阈值
  min_inliers: 15                # 最小内点数量
  pyramid_scales: [0.75, 1.0, 1.5]  # 搜索尺度
  use_fpn: true                  # 使用FPN
  nms:
    enabled: true
    radius: 4                    # NMS半径

性能优化

1. GPU加速: 确保CUDA可用
2. FPN优化: 大图使用FPN，小图使用滑窗
3. 尺度调整: 根据图像大小调整pyramid_scales
4. 阈值调优: 根据应用场景调整keypoint_threshold

🔍 故障排除

常见问题

1. 未找到匹配

   • 检查图像质量和分辨率
   • 降低keypoint_threshold
   • 减少min_inliers数量

2. 误匹配过多

   • 提高keypoint_threshold
   • 增大ransac_reproj_threshold
   • 启用NMS去重

3. 性能较慢

   • 使用FPN模式 (use_fpn: true)
   • 减少pyramid_scales数量
   • 调整滑窗口大小

4. 内存不足

   • 减小图像尺寸
   • 降低批次大小
   • 使用CPU模式

调试技巧

1. 可视化检查: 查看生成的可视化结果
2. JSON分析: 检查详细的匹配数据
3. 阈值调整: 逐步调整参数找到最佳设置
4. 日志查看: 启用TensorBoard日志记录

📝 API集成

Python调用示例

import subprocess
import json

# 执行匹配
result = subprocess.run([
    'python', 'match.py',
    '--layout', 'large.png',
    '--template', 'small.png',
    '--json_output', 'temp.json'
], capture_output=True, text=True)

# 解析结果
with open('temp.json') as f:
    data = json.load(f)

if data['found_matches']:
    for match in data['matches']:
        bbox = match['bbox']
        print(f"位置: ({bbox['x']}, {bbox['y']})")
        print(f"置信度: {match['confidence']}")
        print(f"旋转: {match['rotation']}°")

🎯 应用场景

1. IC设计验证: 检查设计是否符合规范
2. IP保护: 检测版图抄袭和侵权
3. 制造验证: 确认制造结果与设计一致
4. 设计复用: 在新设计中查找复用的模块
5. 质量检测: 自动化版图质量检查

📚 更多资源

• RoRD模型训练指南
• 配置文件说明
• 项目架构文档