CN110751609A - 一种基于智能光畸变校正的dlp打印精度提升方法 - Google Patents
一种基于智能光畸变校正的dlp打印精度提升方法 Download PDFInfo
- Publication number
- CN110751609A CN110751609A CN201911020469.0A CN201911020469A CN110751609A CN 110751609 A CN110751609 A CN 110751609A CN 201911020469 A CN201911020469 A CN 201911020469A CN 110751609 A CN110751609 A CN 110751609A
- Authority
- CN
- China
- Prior art keywords
- points
- point
- distortion correction
- method based
- film paper
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 230000003287 optical effect Effects 0.000 title claims abstract description 60
- 238000012937 correction Methods 0.000 title claims abstract description 57
- 238000007639 printing Methods 0.000 title claims abstract description 47
- 238000012360 testing method Methods 0.000 claims abstract description 27
- 238000005070 sampling Methods 0.000 claims abstract description 16
- 238000010586 diagram Methods 0.000 claims description 13
- 230000005484 gravity Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 241000566145 Otus Species 0.000 claims description 7
- 238000007667 floating Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 239000012780 transparent material Substances 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000010146 3D printing Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000003702 image correction Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Images
Classifications
-
- G06T5/80—
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
- B29C64/10—Processes of additive manufacturing
- B29C64/106—Processes of additive manufacturing using only liquids or viscous materials, e.g. depositing a continuous bead of viscous material
- B29C64/124—Processes of additive manufacturing using only liquids or viscous materials, e.g. depositing a continuous bead of viscous material using layers of liquid which are selectively solidified
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
- B29C64/30—Auxiliary operations or equipment
- B29C64/386—Data acquisition or data processing for additive manufacturing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y10/00—Processes of additive manufacturing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
Abstract
本发明涉及一种基于智能光畸变校正的DLP打印精度提升方法，包括如下步骤：1)，准备一张与光机投影标准测试图对应的胶片纸；2)，把胶片纸放置在打印平面上，确认胶片纸放置的方向；3)，对齐胶片纸和光机投影图的两条中位线；4)，拍摄基准测试图；5)将所拍摄的图像灰度化并计算放大倍数；6)，依次拍摄各个采样点；7)，将拍摄的图片灰度化，求得胶片纸上标准点和对应投影点的UV坐标，两者的差值就是偏差；8)，把采样点间的偏差换算成整个幅面每个像素的偏差；9)，利用步骤8)的偏差校正原始标准图；10)重复步骤6)～9)直到所有样本点的偏差小于所设置的阈值。本发明具有容错率强，精度高，能有效提高打印精度等诸多优点。
Description
【技术领域】
本发明涉及一种3D打印精度提升方法，具体涉及一种基于智能光畸变校正的DLP打印精度提升方法，属于3D打印技术领域。
【背景技术】
基于DLP(Digital Light Processing，数字光处理)的3D打印技术是利用光机投射图像、选择性固化液态树脂、逐层累积从而加工出三维实体。相比其他快速成型技术，具有高效率、高精度的优势。但由于受光机光学畸变的影响，图像会出现变形及辐照度不均匀等问题，在打印过程中会造成打印物体与原型存在差异，降低成型精度。
现有标定方法如棋盘标定法都是在给定标准输入图像后，根据校正模型对标准输入图像进行运行重建得到校正图像，将掩膜图像生成阶段视为黑箱，没有直接利用目标图形与实际图像间的关系，存在精度不高的问题。同时采用现有标定方式进行图像校正，其基本单位距离较大且要拍摄记录整张标定图上标定点，拍摄时使用高清度摄像机需要进行标定，误差较大，另外该方法没有迭代的思想，误差由一次实验完全决定，导致精准度并且误差不可控，最终导致图像校正精度低。
因此，为解决上述技术问题，确有必要提供一种创新的基于智能光畸变校正的DLP打印精度提升方法，以克服现有技术中的所述缺陷。
【发明内容】
为解决上述问题，本发明的目的在于提供一种基于智能光畸变校正的DLP打印精度提升方法，其容错率强，精度高，误差可控，能有效提高打印精度。
为实现上述目的，本发明采取的技术方案为：一种基于智能光畸变校正的DLP打印精度提升方法，其包括如下步骤：
1)，将光机投影标准测试图以单个像素为基本单位进行划分，准备一张与光机投影标准测试图对应的胶片纸；
2)，把胶片纸放置在打印平面上，并利用标记点确认胶片纸放置的方向；
3)，对齐中位线，该中位线为经过光机投影标准测试图中心点互相垂直的两条线；
4)，利用工装和电子显微镜拍摄基准测试图；
5)，把步骤4)中拍摄的图片灰度化，并利用OTUS算法分割出黑色直线段；统计黑色直线段每行的像素点个数，除以图像宽度，即为电子显微镜的放大倍数；
6)，利用工装和电子显微镜依次拍摄各个采样点，每个采样点需要2张图，分别记录胶片纸上的点和对应的投影点；
7)，将步骤6)中拍摄的图片灰度化，并利用OTUS算法分割出标准点和投影点，获取分割所得部分的像素点的像素值和UV坐标，把像素点的像素值归一化即为该像素点的权重，利用重心法求得标准点和投影点的UV坐标，两者的差值就是偏差；
8)，利用双线性插值法把采样点间的偏差换算成整个幅面每个像素的偏差；
9)，利用步骤8)的偏差校正原始标准图；
10)，然后返回步骤6)，从步骤6)开始进行新一轮的校正，直到所有样本点的偏差小于所设置的阈值，或是迭代次数达到所设置的上限。
本发明的基于智能光畸变校正的DLP打印精度提升方法进一步为：所述胶片纸和光机投影标准测试图的大小相同；所述胶片纸采用透明材质的胶片纸，其幅面和待打印产品一致。
本发明的基于智能光畸变校正的DLP打印精度提升方法进一步为：所述步骤3)中，中位线的确定方法如下：将胶片的中心点与光机投影测试图的中心点对准，中位线中的横向线可以判断测试图与胶片纸除中心点外经过横向线的点是否发生上下偏差，同理中位线中纵向线可以判断是否发生左右偏差，同时提供中位线可以判断胶片与光机投影测试图重合是否倾斜。
本发明的基于智能光畸变校正的DLP打印精度提升方法进一步为：所述步骤4)的工装中包括X轴电机以及Y轴电机，所述X轴电机以及Y轴电机能驱动电子显微镜；X轴电机以及Y轴电机具体采用步进电机；步进电机上设有控制器，控制器受单片机控制；所述单片机具体可为STM32或DSP或AVR或STC。
本发明的基于智能光畸变校正的DLP打印精度提升方法进一步为：所述步骤6)中，每次拍摄图像都是整个打印幅面的局部，便于观察细节，即实验过程中的那些标准点；每次第1张图拍摄校正板的标准点，(电子显微镜的光照设置为最强)；第2张图投射拍摄投影点(电子显微镜的光照设置为最弱)。
本发明的基于智能光畸变校正的DLP打印精度提升方法进一步为：所述胶片纸上的点大小为1个像素，且和打印机的精度相匹配；所述胶片纸上的点的颜色和投影点存在色差为宜。
本发明的基于智能光畸变校正的DLP打印精度提升方法进一步为：所述步骤7)灰度化方法为利用公式Gray＝α*R+β*G+γ*B；其中，α+β+γ＝1且1≥α≥0，1≥β≥0，1≥γ≥0。
本发明的基于智能光畸变校正的DLP打印精度提升方法进一步为：所述步骤7)中，标准点和投影点的UV坐标为：
公式中
Cx--重心的x坐标；
Cy--重心的y坐标；
Dix--第i个像素点的x坐标；
Diy--第i个像素点的y坐标；
Vi—第i个点的权重值。
本发明的基于智能光畸变校正的DLP打印精度提升方法进一步为：所述步骤9)的智能畸变校正方法为：将已知设定的基准畸变图覆盖在投影面上，进行中心对准后，单片机控制驱动器驱动电机，在XY平面内将电子显微镜移动至已知设定的相对应的点，进行基准畸变图拍摄与对应的投射图拍摄，循环拍摄，直至拍摄完最后一个点，再拍摄一次基准线宽，将所有的图发送给软件进行计算，软件完成计算后，进行作用后的畸变图，投影仪将畸变图投射，设备再次运行，重新拍摄校正后的对比图，再次发送给软件，软件进行计算后，若在设定误差值范围内，即完成本次校正，若超出范围内，软件将基于第二次数据再次进行计算投射，循环上述步骤，直至返回误差在设定范围内或超过迭代次数。
本发明的基于智能光畸变校正的DLP打印精度提升方法进一步为：所述软件的偏差校正方法如下：当偏移量为浮点数(x,y)时，通过上下左右4个点的像素值线性插值(floor(x),y)、(ceil(x),y)、(x,floor(y))和(x,ceil(y))来求得距离(x,y)点最近的点的灰度值为：
GrayCurr＝p1*Gray(floor(x),y)+p2*Gray(ceil(x),y)+p3*gray(x,floor(y))+4*Gray(x,ceil(y))；
其中，p1/p2/p3/p4为根据离(x,y)点最近的点和(floor(x),y)、(ceil(x),y)、(x,floor(y))和(x,ceil(y))距离确定的系数，进行归一化处理。
本发明的基于智能光畸变校正的DLP打印精度提升方法进一步为：所述步骤10)中，所设置的阈值一般≥0.5，具体根据应用场景而定，齿科领域精度要求较高一般设为0.5，单位像素。
本发明的基于智能光畸变校正的DLP打印精度提升方法还为：所述步骤10)完成后，结果最终将导入下位机电路中，并在打印过程中光机投影每层切片图时发生作用。
与现有技术相比，本发明具有如下有益效果：
1.本发明利用电子显微镜在数倍放大下依次采集的各采样点，方便观察局部细节图，使其能容忍一定的实验和计算误差，容错率强。
2.本发明通过采用胶片纸上的像素点，相比于现有技术如采用棋盘标定法，基本单位距离更精准，从而提高精准度。
3.本发明采用迭代的方案使得实验过程中的误差可以通过不断迭代消除，最终误差控制在预设范围内，最高精度可达±0.5个像素，同时也使得可以精确地控制误差。
4.本发明通过在基准线两侧出现明显的毛刺四周设置四个调色点，改变四个点的灰度值，从而改变毛刺的灰度值，实现消除基准线上的毛刺。这样处理的优势是使得最终成型模型表面更加平滑细腻。
【附图说明】
图1是光机畸变示意图。
图2是本发明的基于智能光畸变校正的DLP打印精度提升方法的流程图。
图3是本发明步骤2)的标准测视图。
图4是本发明步骤3)所述的工装示意图。
图5是本发明的浮点偏离量校正示意图。
图6是本发明实施例中拍摄的基准图。
图7是本发明实施例中拍摄的采样点图(其中，第一张图是拍摄胶片纸上的标准点；第二张图是拍摄对应的投影点)。
图8-1是本发明实施例中拍摄的的第一张图在未校正时，胶片纸上的标准点和光机投影的标准点。
图8-2是本发明实施例中拍摄的第二张图在第一次校正后，胶片纸上的标准点和光机投影的标准点。
图8-3是本发明实施例中拍摄的第三张图在第二次校正后，胶片纸上的标准点和光机投影的标准点。
【具体实施方式】
请参阅说明书附图1至附图8-3所示，本发明为一种基于智能畸变校正的DLP打印精度提升方法，其包括如下步骤：
1)，将光机投影标准测试图以单个像素为基本单位进行划分，准备一张与光机投影标准测试图(如图3所示)对应的胶片纸。具体的说，所述胶片纸和光机投影标准测试图的大小相同。所述胶片纸采用透明材质的胶片纸，从而提高透光度和成像的清晰度，其幅面和待打印产品一致。
2)，把胶片纸放置在打印平面上，并利用标记点确认胶片纸放置的方向。
3)，对齐中位线，该中位线为经过光机投影标准测试图中心点互相垂直的两条线。其中，中位线的具体确定方法如下：将胶片的中心点与光机投影测试图的中心点对准，中位线中的横向线可以判断测试图与胶片纸除中心点外经过横向线的点是否发生上下偏差，同理中位线中纵向线可以判断是否发生左右偏差，同时提供中位线可以判断胶片与光机投影测试图重合是否倾斜。
4)，利用工装(如图4所示)和电子显微镜拍摄基准测试图。拍摄示意图如图6。
其中，所述工装包括X轴电机3-1以及Y轴电机3-2，所述X轴电机3-1以及Y轴电机3-2能驱动电子显微镜。X轴电机3-1以及Y轴电机3-2具体采用步进电机；步进电机上设有控制器，控制器受单片机控制，使用单片机控制驱动器驱动电机进行坐标定位，从而实现对坐标点上的测量与拍摄。在本实施方式中，所述单片机具体可为STM32或DSP或AVR或STC。驱动器可以是普通H桥。
5)，把步骤4)中拍摄的图片灰度化，并利用OTUS(最大类间方差法)算法分割出黑色直线段；统计黑色直线段每行的像素点个数，除以图像宽度，即为电子显微镜的放大倍数。通过使用电子显微镜，放大采样点便于观察，使其能容忍一定的计算误差，容错率强。
所述OTUS(最大类间方差法)算法具体表现为：
对于图像I(x,y)，前景(即目标)和背景的分割阈值记作T，属于前景的像素点数占整幅图像的比例记为ω0，平均灰度为μ0；背景像素点数占整幅图像的比例为ω1，平均灰度为μ1；整幅图像的平均灰度记为μ，类间方差记为g。假设图像大小为M×N，图像中像素的灰度值小于阈值T的像素个数为N0，像素灰度大于阈值T的像素个数为N1，那么：
ω0＝N0/M×N (1)
ω1＝N1/M×N (2)
N0+N1＝M×N (3)
ω0+ω1＝1 (4)
μ＝ω0*μ0+ω1*μ1 (5)
g＝ω0(μ0-μ)^2+ω1(μ1-μ)^2 (6)
g＝ω0ω1(μ0-μ1)^2 (7)
采用遍历的方法使得类间方差g最大的阈值T，即为所求。
采用遍历的方法得到使类间方差g最大的阈值T,即为所求。胶片纸测试点即为小于阈值部分，投影点即为大于阈值部分。
6)，利用工装和电子显微镜依次拍摄各个采样点，每个采样点需要2张图，分别记录胶片纸上的点和对应的投影点。每次拍摄图像都是整个打印幅面的局部，便于观察细节，即实验过程中的那些标准点；每次第1张图拍摄校正板的标准点，(电子显微镜的光照设置为最强)；第2张图投射拍摄投影点(电子显微镜的光照设置为最弱)。采样点的拍摄示意图如图7。
其中，所述胶片纸上的点大小为1个像素，且和打印机的精度相匹配；所述胶片纸上的点的颜色和投影点存在色差为宜。
7)，将步骤6)中拍摄的图片灰度化，并利用OTUS(最大类间方差法)算法分割出标准点和投影点，获取分割所得部分的像素点的像素值和UV坐标，把像素点的像素值归一化即为该像素点的权重，利用重心法求得标准点和投影点的UV坐标，两者的差值就是偏差。
所述灰度化方法为利用公式Gray＝α*R+β*G+γ*B，将所拍摄的彩色图像灰度化。其中：α代表红色权重系数，β代表绿色权重系数，γ代表蓝色权重系数；R代表红色值、G代表绿色值、B代表蓝色值。
α+β+γ＝1且1≥α≥0，1≥β≥0，1≥γ≥0。在DLP应用领域，光机投射蓝色UV光，因此，γ＞α和/或β。
所述标准点和投影点的UV坐标为：
公式中
Cx--重心的x坐标；
Cy--重心的y坐标；
Dix--第i个像素点的x坐标；
Diy--第i个像素点的y坐标；
Vi—第i个点的权重值。
8)，利用双线性插值法把采样点间的偏差换算成整个幅面每个像素的偏差。
9)，利用步骤8)的偏差校正原始标准图；
具体的说，自动畸变校正方法为：将已知设定的基准畸变图覆盖在投影面上，进行中心对准后，单片机控制驱动器驱动电机，在XY平面内将电子显微镜移动至已知设定的相对应的点，先拍摄一次基准线宽的图，然后进行基准畸变图拍摄与对应的投射图拍摄，循环拍摄，直至拍摄完最后一个点，将所有的图发送给软件进行计算，软件完成计算后，进行作用后的畸变图，投影仪将畸变图投射，设备再次运行，重新拍摄校正后的对比图，再次发送给软件，软件进行计算后，若在设定误差值范围内，即完成本次校正，若校正后偏差超出设定的范围，软件将基于第二次数据再次进行计算投射，循环上述步骤，直至返回误差在设定范围内或超过迭代次数。
所述软件的偏差校正的具体算法如下：当偏移量为浮点数(x,y)时，通过上下左右4个点的像素值线性插值(floor(x),y)、(ceil(x),y)、(x,floor(y))和(x,ceil(y))来求得距离(x，y)点最近的点的灰度值为GrayCurr＝p1*Gray(floor(x),y)+p2*Gray(ceil(x),y)+p3*gray(x,floor(y))+4*Gray(x,ceil(y))；
其中，p1/p2/p3/p4为根据离(x,y)点最近的点和(floor(x),y)、(ceil(x),y)、(x,floor(y))和(x,ceil(y))距离确定的系数，进行归一化处理。
10)，然后返回步骤6)，从步骤6)开始进行新一轮的校正，直到所有样本点的偏差小于所设置的阈值，或是迭代次数达到所设置的上限。在本实施方式中，所设置的阈值为一般≥0.5，具体根据应用场景而定，齿科领域精度要求较高一般设为0.5，单位像素。通过多次反馈迭代，避免了单次校正不足的问题的现象。使最终标准纸的采样点和光机投影的采样点偏差小于阈值。拍摄的校正结果如图8-3所示。
采用本创作的基于智能畸变校正的DLP打印精度提升方法后后，智能畸变校正前后对比如下表所示，其允许公差为0.1mm。
当取α＝0.25，β＝0.25，γ＝0.5时：
当取α＝0，β＝0，γ＝1时：
| 智能畸变校正前匹配度(公差±0.1mm) | 智能机变校正后匹配度(公差±0.1mm) | |
| 模型1 | 80.53％ | 87.23％ |
| 模型2 | 81.89％ | 88.14％ |
| 模型3 | 81.87％ | 86.45％ |
| 模型4 | 83.16％ | 87.24％ |
| 模型5 | 80.99％ | 87.22％ |
当取α＝0，β＝0.5，γ＝0.5时：
| 智能畸变校正前匹配度(公差±0.1mm) | 智能机变校正后匹配度(公差±0.1mm) | |
| 模型1 | 80.53％ | 88.13％ |
| 模型2 | 81.89％ | 88.15％ |
| 模型3 | 81.87％ | 87.57％ |
| 模型4 | 83.16％ | 87.45％ |
| 模型5 | 80.99％ | 86.32％ |
在齿科领域，γ取值为0.5、α取值为0.25、β取值为0.25时，5个模型通过打印出来后使用高精度扫描仪扫描，并使用专业的三维对比软件对比得出如下结论：智能畸变校正前模型匹配度(公差内)为80％～83％之间，智能畸变后模型匹配度(公差内)为91％～94％之间，提升了10个百分点。
所述步骤10)完成后，结果最终将导入下位机电路中，并在打印过程中光机投影每层切片图时发生作用。这样处理的优势是使得最终成型模型表面更加平滑细腻。
以上的具体实施方式仅为本创作的较佳实施例，并不用以限制本创作，凡在本创作的精神及原则之内所做的任何修改、等同替换、改进等，均应包含在本创作的保护范围之内。
Claims (13)
1.一种基于智能光畸变校正的DLP打印精度提升方法，其特征在于：包括如下步骤：
1)，将光机投影标准测试图以单个像素为基本单位进行划分，准备一张与光机投影标准测试图对应的胶片纸；
2)，把胶片纸放置在打印平面上，并利用标记点确认胶片纸放置的方向；
3)，对齐中位线，该中线为经过光机投影标准测试图中心点互相垂直的两条线；
4)，利用工装和电子显微镜拍摄基准测试图；
5)，把步骤4)中拍摄的图片灰度化，并利用OTUS算法分割出黑色直线段；统计黑色直线段每行的像素点个数，除以图像宽度，即为电子显微镜的放大倍数；
6)，利用工装和电子显微镜依次拍摄各个采样点，每个采样点需要2张图，分别记录胶片纸上的点和对应的投影点；
7)，将步骤6)中拍摄的图片灰度化，并利用OTUS算法分割出标准点和投影点，获取分割所得部分的像素点的像素值和UV坐标，把像素点的像素值归一化即为该像素点的权重，利用重心法求得标准点和投影点的UV坐标，两者的差值就是偏差；
8)，利用双线性插值法把采样点间的偏差换算成整个幅面每个像素的偏差；
9)，利用步骤8)的偏差校正原始标准图；
10)，然后返回步骤6)，从步骤6)开始进行新一轮的校正，直到所有样本点的偏差小于所设置的阈值，或是迭代次数达到所设置的上限。
2.如权利要求1所述的基于智能光畸变校正的DLP打印精度提升方法，其特征在于：所述胶片纸和光机投影标准测试图的大小相同；所述胶片纸采用透明材质的胶片纸，其幅面和待打印产品一致。
3.如权利要求1所述的基于智能光畸变校正的DLP打印精度提升方法，其特征在于：所述步骤3)中，中位线的确定方法如下：将胶片的中心点与光机投影测试图的中心点对准，中位线中的横向线可以判断测试图与胶片纸除中心点外经过横向线的点是否发生上下偏差，同理中位线中纵向线可以判断是否发生左右偏差，同时提供中位线可以判断胶片与光机投影测试图重合是否倾斜。
4.如权利要求1所述的基于智能光畸变校正的DLP打印精度提升方法，其特征在于：所述步骤4)中工装中包括X轴电机以及Y轴电机，所述X轴电机以及Y轴电机能驱动电子显微镜；X轴电机以及Y轴电机具体采用步进电机；步进电机上设有控制器，控制器受单片机控制；所述单片机具体可为STM32或DSP或AVR或STC。
5.如权利要求4所述的基于智能光畸变校正的DLP打印精度提升方法，其特征在于：所述步骤6)中，第1张图拍摄校正板的标准点，(电子显微镜的光照设置为最强)；第2张图投射拍摄投影点(电子显微镜的光照设置为最弱)。
6.如权利要求5所述的基于智能光畸变校正的DLP打印精度提升方法，其特征在于：所述胶片纸上的点大小为1个像素，且和打印机的精度相匹配；所述胶片纸上的点的颜色和投影点存在色差为宜。
7.如权利要求1所述的基于智能光畸变校正的DLP打印精度提升方法，其特征在于：所述步骤7)的自动灰度方法为：灰度化方法为利用公式Gray＝α*R+β*G+γ*B，将所拍摄的彩色图像灰度化；其中，α+β+γ＝1且1≥α≥0，1≥β≥0，1≥γ≥0。
8.如权利要求5所述的基于智能光畸变校正的DLP打印精度提升方法，其特征在于：在齿科领域，γ取值为0.5、α取值为0.25、β取值为0.25。
9.如权利要求1所述的基于智能光畸变校正的DLP打印精度提升方法，其特征在于：所述步骤7)中，标准点和投影点的UV坐标为：
公式中
Cx--重心的x坐标；
Cy--重心的y坐标；
Dix--第i个像素点的x坐标；
Diy--第i个像素点的y坐标；
Vi—第i个点的权重值。
10.如权利要求1所述的基于智能光畸变校正的DLP打印精度提升方法，其特征在于：所述步骤10)的自动畸变校正方法为：将已知设定的基准畸变图覆盖在投影面上，进行中心对准后，单片机控制驱动器驱动电机，在XY平面内将电子显微镜移动至已知设定的相对应的点，进行基准畸变图拍摄与对应的投射图拍摄，循环拍摄，直至拍摄完最后一个点，再拍摄一次基准线宽，将所有的图发送给软件进行计算，软件完成计算后，进行作用后的畸变图，投影仪将畸变图投射，设备再次运行，重新拍摄校正后的对比图，再次发送给软件，软件进行计算后，若在设定误差值范围内，即完成本次校正，若超出范围内，软件将基于第二次数据再次进行计算投射，循环上述步骤，直至返回误差在设定范围内，或超过迭代次数。
11.如权利要求8所述的基于智能光畸变校正的DLP打印精度提升方法，其特征在于：所述软件额偏差校正方法如下：当偏移量为浮点数(x,y)时，通过上下左右4个点的像素值线性插值(floor(x),y)、(ceil(x),y)、(x,floor(y))和(x,ceil(y))来求得距离(x,y)点最近的点的灰度值为：
GrayCurr＝p1*Gray(floor(x),y)+p2*Gray(ceil(x),y)+p3*gray(x,floor(y))+4*Gray(x,ceil(y))；
其中，p1/p2/p3/p4为根据离(x,y)点最近的点和(floor(x),y)、(ceil(x),y)、(x,floor(y))和(x,ceil(y))距离确定的系数，进行归一化处理。
12.如权利要求1所述的基于光畸变校正的DLP打印精度提升方法，其特征在于：所述步骤8)中，所设置的阈值一般≥0.5，齿科领域阈值设为0.5。
13.如权利要求1所述的基于光畸变校正的DLP打印精度提升方法，其特征在于：所述步骤10)完成后，结果最终将导入下位机电路中，并在打印过程中光机投影每层切片图时发生作用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911020469.0A CN110751609B (zh) | 2019-10-25 | 2019-10-25 | 一种基于智能光畸变校正的dlp打印精度提升方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911020469.0A CN110751609B (zh) | 2019-10-25 | 2019-10-25 | 一种基于智能光畸变校正的dlp打印精度提升方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110751609A true CN110751609A (zh) | 2020-02-04 |
| CN110751609B CN110751609B (zh) | 2022-03-11 |
Family
ID=69279837
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911020469.0A Active CN110751609B (zh) | 2019-10-25 | 2019-10-25 | 一种基于智能光畸变校正的dlp打印精度提升方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110751609B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111899308A (zh) * | 2020-08-07 | 2020-11-06 | 广州黑格智造信息科技有限公司 | 3d打印机的光学标定方法及3d打印机的光学标定系统 |
| CN113310673A (zh) * | 2021-04-02 | 2021-08-27 | 深圳市世宗自动化设备有限公司 | 重复精度检测方法、装置、计算机设备及其存储介质 |
| CN113822877A (zh) * | 2021-11-17 | 2021-12-21 | 武汉中导光电设备有限公司 | Aoi设备显微镜缺陷检测图片质量评价方法及系统 |
| CN114559653A (zh) * | 2022-01-07 | 2022-05-31 | 宁波智造数字科技有限公司 | 利用立方体矩阵的光固化3d打印均匀度调整流程方法 |
| CN114986878A (zh) * | 2022-04-21 | 2022-09-02 | 华东师范大学 | 光固化多画幅3d打印机的投影畸变及均匀性矫正设备和方法 |
| CN116277979A (zh) * | 2023-05-24 | 2023-06-23 | 南京铖联激光科技有限公司 | 一种dlp打印机光机畸变矫正方法 |
| CN116442523A (zh) * | 2023-06-09 | 2023-07-18 | 先临三维科技股份有限公司 | 一种光均匀性调节方法、装置、设备和存储介质 |
| WO2024007587A1 (zh) * | 2022-07-05 | 2024-01-11 | 南京铖联激光科技有限公司 | 一种用于dlp3d打印的智能校正控制方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102930515A (zh) * | 2012-10-24 | 2013-02-13 | 苏州两江科技有限公司 | 数字图像的几何畸变自动校正方法 |
| CN103440639A (zh) * | 2013-07-15 | 2013-12-11 | 江南大学 | 基于正三角形模板的摄像机内参数标定方法 |
| CN104299218A (zh) * | 2013-07-17 | 2015-01-21 | 南京邮电大学 | 基于镜头畸变规律的投影仪标定方法 |
| CN105528770A (zh) * | 2015-12-31 | 2016-04-27 | 河北工业大学 | 一种投影仪镜头畸变校正方法 |
| US20170330308A1 (en) * | 2014-10-31 | 2017-11-16 | Huawei Technologies Co., Ltd. | Image Processing Method and Device |
| CN107945130A (zh) * | 2017-11-28 | 2018-04-20 | 华南理工大学 | 一种光固化3d打印机的投影畸形矫正方法 |
-
2019
- 2019-10-25 CN CN201911020469.0A patent/CN110751609B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102930515A (zh) * | 2012-10-24 | 2013-02-13 | 苏州两江科技有限公司 | 数字图像的几何畸变自动校正方法 |
| CN103440639A (zh) * | 2013-07-15 | 2013-12-11 | 江南大学 | 基于正三角形模板的摄像机内参数标定方法 |
| CN104299218A (zh) * | 2013-07-17 | 2015-01-21 | 南京邮电大学 | 基于镜头畸变规律的投影仪标定方法 |
| US20170330308A1 (en) * | 2014-10-31 | 2017-11-16 | Huawei Technologies Co., Ltd. | Image Processing Method and Device |
| CN105528770A (zh) * | 2015-12-31 | 2016-04-27 | 河北工业大学 | 一种投影仪镜头畸变校正方法 |
| CN107945130A (zh) * | 2017-11-28 | 2018-04-20 | 华南理工大学 | 一种光固化3d打印机的投影畸形矫正方法 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022027891A1 (zh) * | 2020-08-07 | 2022-02-10 | 广州黑格智造信息科技有限公司 | 3d打印机的光学标定方法及3d打印机的光学标定系统 |
| CN111899308B (zh) * | 2020-08-07 | 2024-01-30 | 广州黑格智造信息科技有限公司 | 3d打印机的光学标定方法及3d打印机的光学标定系统 |
| CN111899308A (zh) * | 2020-08-07 | 2020-11-06 | 广州黑格智造信息科技有限公司 | 3d打印机的光学标定方法及3d打印机的光学标定系统 |
| CN113310673B (zh) * | 2021-04-02 | 2023-03-24 | 深圳市世宗自动化设备有限公司 | 重复精度检测方法、装置、计算机设备及其存储介质 |
| CN113310673A (zh) * | 2021-04-02 | 2021-08-27 | 深圳市世宗自动化设备有限公司 | 重复精度检测方法、装置、计算机设备及其存储介质 |
| CN113822877A (zh) * | 2021-11-17 | 2021-12-21 | 武汉中导光电设备有限公司 | Aoi设备显微镜缺陷检测图片质量评价方法及系统 |
| CN114559653A (zh) * | 2022-01-07 | 2022-05-31 | 宁波智造数字科技有限公司 | 利用立方体矩阵的光固化3d打印均匀度调整流程方法 |
| CN114559653B (zh) * | 2022-01-07 | 2024-01-19 | 宁波智造数字科技有限公司 | 利用立方体矩阵的光固化3d打印均匀度调整方法 |
| CN114986878A (zh) * | 2022-04-21 | 2022-09-02 | 华东师范大学 | 光固化多画幅3d打印机的投影畸变及均匀性矫正设备和方法 |
| CN114986878B (zh) * | 2022-04-21 | 2023-06-23 | 华东师范大学 | 光固化多画幅3d打印机的投影畸变及均匀性矫正设备和方法 |
| WO2024007587A1 (zh) * | 2022-07-05 | 2024-01-11 | 南京铖联激光科技有限公司 | 一种用于dlp3d打印的智能校正控制方法 |
| CN116277979A (zh) * | 2023-05-24 | 2023-06-23 | 南京铖联激光科技有限公司 | 一种dlp打印机光机畸变矫正方法 |
| CN116277979B (zh) * | 2023-05-24 | 2023-09-08 | 南京铖联激光科技有限公司 | 一种dlp打印机光机畸变矫正方法 |
| CN116442523A (zh) * | 2023-06-09 | 2023-07-18 | 先临三维科技股份有限公司 | 一种光均匀性调节方法、装置、设备和存储介质 |
| CN116442523B (zh) * | 2023-06-09 | 2023-09-26 | 先临三维科技股份有限公司 | 一种光均匀性调节方法、装置、设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110751609B (zh) | 2022-03-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110751609B (zh) | 一种基于智能光畸变校正的dlp打印精度提升方法 | |
| JP6035279B2 (ja) | 膜厚測定装置、膜厚測定方法、プログラム及びコンピュータ記憶媒体 | |
| CN104299218B (zh) | 基于镜头畸变规律的投影仪标定方法 | |
| CN111351446B (zh) | 一种用于三维形貌测量的光场相机校准方法 | |
| CN106485758B (zh) | 一种无人机摄像头标定装置、标定方法及流水线标定实现方法 | |
| CN111028297B (zh) | 面结构光三维测量系统的标定方法 | |
| WO2022027891A1 (zh) | 3d打印机的光学标定方法及3d打印机的光学标定系统 | |
| CN113920205B (zh) | 一种非同轴相机的标定方法 | |
| CN112258587B (zh) | 一种基于灰狼粒子群混合算法的相机标定方法 | |
| CN112848281B (zh) | 一种光固化3d打印机光补偿方法 | |
| CN106952262B (zh) | 一种基于立体视觉的船板加工精度分析方法 | |
| CN113442439B (zh) | 一种3d打印机中光强智能控制方法 | |
| AU2022314858A1 (en) | Method and Apparatus for Calibrating Exposure Surface of Optical System, Calibration Measurement Method and Apparatus, and Computer Device and Storage Medium | |
| CN111461963A (zh) | 一种鱼眼图像拼接方法及装置 | |
| CN115100037A (zh) | 基于多线扫相机图像拼接的大幅面瓷砖成像方法及系统 | |
| CN112465918B (zh) | 一种基于Tsai标定的显微视觉标定方法 | |
| CN116342435B (zh) | 一种线扫描相机畸变校正方法、计算设备及存储介质 | |
| CN111131801A (zh) | 投影仪校正系统、方法及投影仪 | |
| CN109887038B (zh) | 一种用于在线检测的机器视觉图像校正方法 | |
| CN113284196B (zh) | 一种摄像机畸变逐像素标定方法 | |
| CN116363226A (zh) | 一种实时的多相机多投影仪3d成像处理方法及装置 | |
| CN110884126B (zh) | 一种大画幅3d打印的高精度打印系统及打印方法 | |
| CN113865514B (zh) | 一种线结构光三维测量系统标定方法 | |
| CN111654681B (zh) | 一种dlp光机的投影拼接方法 | |
| CN116277979B (zh) | 一种dlp打印机光机畸变矫正方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |