[论文学习笔记]03一种混合填充算法【3D打印路径规划】

零.论文来源

翟晓雅, 陈发来.分形模型的 3D 打印路径规划[J].计算机辅助设计与图形学学报,2018,第30卷·第六期

0.1 概述

       这篇论文的内容是针对分型模型提出的一种论混合填充算法。将分型模型分成三个区域:轮廓层、过渡层和内层。为了保证轮廓的形状精度,最外的轮廓层使用轮廓偏置算法;中间过渡层使用B样条曲线算法对内层边界进行平滑处理;为了提高加工速度,保证打印路径不间断,内层使用连通费马螺线算法完成图形的填充。

0.2 关于分型模型

       分形是指具有自相似性的几何图形, 它们在工业设计领域和自然界中是普遍存在的,可以由复平面的二次多项式迭代生成。
在这里插入图片描述
在这里插入图片描述
变化其中的参数,可以得到不同的图形,如图1所示。
在这里插入图片描述图1

图1来源:翟晓雅, 陈发来.分形模型的 3D 打印路径规划[J].计算机辅助设计与图形学学报,2018,第30卷·第六期

一.算法描述

在这里插入图片描述图2

图2来源:翟晓雅, 陈发来.分形模型的 3D 打印路径规划[J].计算机辅助设计与图形学学报,2018,第30卷·第六期

1.1 轮廓层

       轮廓偏置算法具有很好的形状精度,适合用来打印轮廓层。
       从模型的边界开始, 通过偏置操作产生一系列等距线. 对于等距线上的每一点检查其曲率信息, 若曲率大于某一阈值则视其为特征点. 特征点的分布能够体现整条等距线的主要特征和走向. 当某条等距线上的特征点数量降低至原始特征点数量的某个比例(本文设定为 50%)时, 停止等距线的生成, 即确定了轮廓层的厚度。

1.2 过渡层

过渡层的作用是平滑曲线,方便内层的填充线生成。B样条曲线具有这种效果。

1.2.1 过渡层层厚

过渡层不能太厚,否则打印效率太低。设置过渡层面积阈值,大于阈值停止生成过渡层。

1.2.2 过渡层预处理

在生成轮廓层后,仍然保留了许多细节,应先进行简化处理,方便后续进行B样条曲线拟合。
像素化过程如图2所示。
在这里插入图片描述图3

图3来源:翟晓雅, 陈发来.分形模型的 3D 打印路径规划[J].计算机辅助设计与图形学学报,2018,第30卷·第六期

1.2.3 B样条曲线拟合

1.建立优化目标函数
在这里插入图片描述
B样条曲线表达式:
在这里插入图片描述
下面式子是B样条曲线的光顺化优化处理:
在这里插入图片描述
其中q是初始过渡层内边界上的采样点,p是过渡层的优化后的点。
式子第一项是边界上点和光顺曲线上点的最小二乘距离,保证曲线变化不要太大。
式子第二项是光顺项,用光顺曲线的二次导代替曲率,保证曲线的曲率不要太大。

2.节点的确定
节点选取的不同会影响最后曲线的形状。
本文采用积累弦长参数化的方法,将节点合理的分配到曲线中。
在这里插入图片描述
3.光顺项的处理
光顺项中的积分利用高斯求积分公式进行简化近似计算。
在这里插入图片描述

1.3 内层

内层采用之前学习的论文中提到过的连通费马螺线算法(CFS)对内层进行填充。
有些位置存在曲线相邻距离不均匀的问题。
平移曲线,用样条曲线拟合生成新曲线的方式解决问题,如图3所示。
在这里插入图片描述图4

图4来源:翟晓雅, 陈发来.分形模型的 3D 打印路径规划[J].计算机辅助设计与图形学学报,2018,第30卷·第六期

二.实验结果

作者选择
1.急转弯数
2.填充分割数
3.过填充、欠填充比例
4.打印时间成本和耗材
作为评判算法好坏的标准
本算法存在欠填充的问题。

  • 0
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
好的,我知道了,下面是我的回答: 聚类算法一种无监督学习算法,它可以将数据集中的数据按照某种规则进行分组,使得同一组内的数据相似度较高,不同组之间的数据相似度较低。聚类算法可以帮助我们对数据进行分类、分析和理解,同时也可以为其他机器学习任务提供数据预处理和特征提取的支持。 聚类算法的基本流程包括:确定聚类算法的目标函数、选择相似度度量方法、选择聚类算法、确定聚类的数量、进行聚类操作以及评估聚类效果。常见的聚类算法包括K-Means算法、层次聚类算法、密度聚类算法等。 K-Means算法一种基于距离的聚类算法,它的基本思想是将数据集中的数据划分为K个簇,使得同一簇内的数据相似度较高,不同簇之间的数据相似度较低。K-Means算法的优点是计算复杂度较低,容易实现,但是需要预先指定簇的数量和初始聚类中心。 层次聚类算法一种基于相似度的聚类算法,它的基本思想是不断合并数据集中相似度最高的数据,直到所有数据都被合并为一个簇或达到预先设定的簇的数量。层次聚类算法的优点是不需要预先指定簇的数量和初始聚类中心,但是计算复杂度较高。 密度聚类算法一种基于密度的聚类算法,它的基本思想是将数据集中的数据划分为若干个密度相连的簇,不同簇之间的密度差距较大。密度聚类算法的优点是可以发现任意形状的簇,但是对于不同密度的簇分割效果不佳。 以上是聚类算法的基础知识,希望能对您有所帮助。
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值