印刷线路板（Printed Circuit Board,PCB）的缺陷检测已经成为电子制造业保证产品质量和降低制造成本的关键过程。目前自动光学检测（Automatic Optic Inspection,AOI）是PCB缺陷检测的主要发展方向,AOI首先将标准图像和采集图像进行配准,然后再对两者进行比对和缺陷识别。在该过程中图像配准的优劣直接影响缺陷检测的效率和精度。PCB图像具有高分辨率的特点,现有的基于特征点的图像配准方法往往需要对整张图像进行处理和运算,会产生大量的特征点和高维的特征点描述,导致内存占用高且计算量大,从而无法满足PCB缺陷检测的实时性要求。此外,PCB中常存在多个相似的图形和区域,导致特征点匹配准确率低,进而影响了图像配准的精确度。本文针对上述问题,提出了一种基于几何特征的PCB特征点自适应生成方法,主要做了以下工作。（1）本文结合PCB的特点,提出了一种基于几何特征的PCB特征点生成方法。首先通过解析PCB的图形文件获取到所包含的几何图形,利用图形的几何特征计算生成图形特征点。然后通过最佳膨胀感兴趣区域（Region of Interest,ROI）区域算法截取对应的图像区域,提取图像轮廓,将图像轮廓拟合成图形后计算生成图像特征点。（2）本文针对PCB存在的非线性畸变现象,提出了自适应区域划分算法,首先对PCB图像进行等面积划分,将特征点根据位置归于各个区域中,再根据区域内的特征点数量进行自适应变化,将非线性畸变近似为线性畸变。为后续特征点的优化操作和高精度的图像配准打下基础。（3）本文针对特征点的优化问题,设计了特征点的优先级分类、过滤方法和择优策略。根据特征点的优劣对生成的特征点进行优先级分类和排序,使得特征点之间的优先顺序关系更加明显,提高了后续的特征点操作效率。针对不同优先级的特征点制定了相应的基于特征参数的过滤策略,并且提出了基于概率分布的过滤策略用于过滤具有较大误差的特征点。提出了特征点择优策略,对特征点之间的位置关系进行约束实现初步择优,然后根据不同特征点的优先级和权重进行再次择优,进一步提高了所选择特征点的质量,从而提高了图像配准的精度。最后,将基于几何特征的PCB特征点自适应生成方法应用于AOI系统的图像配准中,验证了该算法的可行性和实用性。针对AOI系统中新特征点加入效率低下的问题,提出并实现了基于动态链接库（Dynamic Link Library,DLL）的特征点自动加入方法。此外,将本文的特征点生成算法与SIFT（Scale-invariant Feature Transform）和SURF（Speeded Up Robust Features）特征点生成算法进行比较,实验证明,该算法具有更优秀的配准精度以及更短的运行时间。