1.一种PCBA零部件高精度视觉定位方法，其特征在于，所述方法包括以下步骤：搭建以及标定单目高精度视觉定位系统；

使用一种基于高斯金字塔与新粒子群相结合的目标区域检测方法，对PCBA零部件装配区域进行检测；

使用一种OTSU_EDPF算法的目标区域轮廓提取方法，获取装配区域中连续且单像素宽的轮廓信息，提取PCBA零部件轮廓信息；

基于局部面积效应的亚像素轮廓细化及最小二乘法轮廓中心位置拟合计算出轮廓中心，对PCBA零部件进行高精度定位；

所述基于高斯金字塔与新粒子群相结合的目标区域检测方法步骤如下：S1：设置金字塔层数为L，分别对待匹配图像与模板图像进行高斯金字塔变换；

S2：在待匹配图像变换后的L层子图中采用新粒子群算法搜索粗匹配区域；

S3：设置邻域大小为n*n，在邻域范围内将相同层的模板子图与待匹配子图逐像素匹配，找到最佳匹配位置；

S4：若L＝0,则算法结束，输出匹配区域，否则执行S3；

所述新粒子群算法的步骤如下:

S5:初始化粒子群算法的参数：种群个数m、空间维度K、当前迭代次数为t，最大迭代次数为T；

S6：初始化粒子群的位置和移动速度，利用NCC系数作为适应度值Pi，然后找出个体和群体的初始最优值；

S7：更新粒子的移动速度、位置、个体最优值和群体最优值；

S8：若t＝T,则算法运行结束，将群体最优值反变换传入L‑1层；否则执行S7；

所述OTSU_EDPF算法的目标区域轮廓提取方法为改进的OTSU算法与EDPF结合，所述改进的OTSU算法包括以下步骤:S9：用二元组(i,j)表示二维直方图中阈值划分点；

S10：直线截距阈值η将图像分成背景区域Cb和目标区域Co；

S11：利用增加的45°和135°方向与水平和竖直方向形成的八方向梯度模板计算图像的梯度大小；

S12：结合中心像素点3×3邻域范围内的梯度信息差值决定锚点阈值than的选取；

S13：获得一系列锚点之后，根据梯度方向将锚点连接成线段；

S14：计算边缘线段的NFA值，判定该线段为是否有效边缘段，若不是则去除掉该边缘线段。

2.根据权利要求1所述的一种PCBA零部件高精度视觉定位方法，其特征在于，所述搭建以及标定单目高精度视觉定位系统分为：光源选取、镜头选取、相机选取及系统搭建；

所述光源选取的光源为LED灯；

所述镜头选取的镜头型号为BT‑10系列的双远心镜头；

所述相机选取的相机型号为MV‑CE200‑10GM。

3.根据权利要求1所述的一种PCBA零部件高精度视觉定位方法，其特征在于，所述轮廓中心的计算方法的步骤如下：S15：圆形零部件基准点轮廓保留，使用EDCircle算法保留圆形基准点重要轮廓，将轮廓以线段形式合成弧，并进行圆形检测；

S16：矩形零部件基准点最小外接圆求解；

S17：基于局部面积效应的亚像素轮廓提取，令Fx,y表示图像轮廓经过像素点(x,y)的强度值；

S18：基于最小二乘法的亚像素圆拟合及中心位置计算。