原论文介绍。
Title: An adaptive slicing approach for processing STL massive data model in batches based on layer merging
Author:Minghao Shao1,2, Chao Wei1,2, Bin Cui1,2*, Yongkang Li1,2 and Tengfei Zheng1,2
Note:
1 School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an 710049, China
2 State Key Laboratory for Manufacturing and Systems Engineering, Xi’an 710049,
China
前言
自适应切片算法根据网格模型几何形状的变化,采用不同的层厚在不同区域进行分层。在模型较复杂且曲率变化较大的情况下,使用较小的层厚来近似模型。在模型曲率较大的区域,采用最大层厚来提高打印效率。本文提出了一种基于层合并的批量处理STL海量数据模型的自适应切片方法。同时与固定层厚切片法进行对比,表明该算法在保证精度的前提下能够提高打印效率.
一、介绍
现有的切片软件受限于计算机硬件,无法处理海量数据模型(>5GB)。 为了对海量网格模型进行自适应切片,提出了一种基于层合并的自适应切片方法,对海量网格模型进行批量处理。 首先,我们将模型沿打印方向进行划分,得到一系列小数据量的子模型。 子模型的数据量需要小于计算机的内存才能一次读取数据。 然后对最小层厚的子模型进行切片,用文献[6]中的方法分析相邻两层切片信息的相似性。 合并相邻的两个切片,直到相似度大于设定值,实现基于层合并的自适应切片。