CN113721866A - 应用于3d打印的数据获取系统及方法 - Google Patents

Abstract

本发明涉及3D打印技术领域，公开了一种应用于3D打印的数据获取系统及方法，该系统中数据采集设备装配在3D打印机内部，并与3D打印机的控制系统相连，数据采集设备在3D打印机每打印一层结束，使用不同实施方案进行多视角灵活图像采集，在打印过程中实现实时数据采集、处理以及存储，提高数据采集的效率；利用二维扫描采集设备如光照系统和摄像头，或三维数据扫描采集设备如结构光红外摄像头对物体进行扫描得到物体的三维信息，将物体的三维信息传输至工业计算机，工业计算机根据批量物体的三维信息训练神经网络模型，根据训练后的神经网络模型预测3D打印误差，3D打印机根据3D打印误差在每打印一层时进行补偿，提高3D打印制件精准性。

Description

应用于3D打印的数据获取系统及方法

技术领域

本发明涉及数据处理技术领域，尤其涉及一种应用于3D打印的数据获取系统及方法。

背景技术

3D打印技术又称增材制造技术，是一种以数字建模为基础的通过使用特定材料，逐层制造并将制件累积成型的新技术。3D打印技术在问世之后获得了多个领域的广泛关注，随着3D打印技术的不断发展，为了满足不同打印材料的需求，SLA、FDM、DLP等多种3D打印技术类型相继问世。然而，3D打印技术因其技术原理限制，不可避免的会在其实际使用中产生制件尺寸精度误差。为补偿3D打印技术加工过程中存在的制件尺寸精度误差，传统的补偿方法为从实际打印结果出发，测量得到实际制件尺寸，根据实际尺寸与设定尺寸之间的差距对3D打印机相关参数或数字建模尺寸进行修正。该方法优点在于操作难度低、易于实现，相对的，其缺点在于：一、手动测量存在误差，且导致3D打印制件产生尺寸误差的原因极多，传统方法无法高效补偿3D打印制件的尺寸误差；二、多次预实验、手动拆卸制件并测量、修正机器参数这些操作会消耗大量时间，极大地拖慢工作进度。基于以上原因，传统误差方法无法广泛高效的应用于3D打印技术的误差补偿，使得3D打印误差大，制件不精确。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种应用于3D打印的数据获取系统及方法，旨在解决现有技术中3D打印制件的尺寸存在误差，制件不精准的技术问题。

为实现上述目的，本发明提供一种应用于3D打印的数据获取系统，所述应用于3D打印的数据获取系统包括：3D打印机、数据扫描采集设备和工业计算机；所述数据扫描采集设备装配在所述3D打印机内部，并与所述3D打印机的控制系统相连；

所述数据扫描采集设备，用于在所述3D打印机每打印一层结束，进行图像采集，利用二维扫描采集设备，或三维数据扫描采集设备对物体进行扫描得到物体的三维信息，将所述物体的三维信息传输至所述工业计算机；

所述工业计算机，用于根据批量所述物体的三维信息训练神经网络模型，根据训练后的神经网络模型预测3D打印误差；

所述3D打印机，用于根据所述3D打印误差在每打印一层时进行补偿。

优选地，所述数据扫描采集设备包括光照系统、数据扫描设备、采集设备以及传输设备；

所述光照系统，用于在所述3D打印机的控制系统控制下，每打印一层结束进行补光，为所述数据扫描设备扫描时提供光线；

所述采集设备，用于在所述数据扫描设备扫描后，进行图像采集，采集的图像信息包括已完成制件的三维数据，或者通过二维摄像头获取的三维制件当前打印好的二维切片图像，将采集的图像信息作为物体的三维信息；

所述传输设备，用于将所述物体的三维信息传输到所述工业计算机。

优选地，所述数据扫描采集设备、所述工业计算机和所述3D打印机的运作是实时的，在所述数据扫描采集设备运行时所述3D打印机也处于运行状态；

所述工业计算机内装置有图像处理器；

所述图像处理器用于对所述物体的三维信息进行实时处理和三维重建，获得待训练数据，将所述待训练数据作为神经网络的输入，训练神经网络模型，根据训练后的神经网络模型预测3D打印误差。

优选地，所述工业计算机，还用于建立卷积神经网络环境，利用所述卷积神经网络环境的编码器通过卷积提取输入的待训练数据的特征，通过池化来增加接收范围，利用所述卷积神经网络环境的解码器通过反卷积恢复原始分辨率，以训练神经网络模型，根据训练后的神经网络模型预测3D打印误差。

优选地，所述数据扫描设备和所述采集设备安装在打印喷头上层，或者所述3D打印机光照系统平行位置处或使用多视角灵活采集装置；所述传输设备安装在所述3D打印机与所述工业计算机连接处。

优选地，所述数据扫描设备包括二维数据扫描设备和三维数据扫描设备，所述采集设备包括二维数据采集设备和三维数据采集设备。

优选地，所述二维数据扫描设备包括光照系统和摄像头，所述三维数据扫描设备包括三维扫描摄像头或结构光红外摄像头或红外相机。

优选地，采集的图像包括通过三维扫描摄像头获取、利用空间结构光编码技术对所述物体的三维信息进行三维重建后的三维重建数据。

优选地，所述三维扫描摄像头包括结构光红外摄像头或红外相机；利用所述红外相机实时自动获取三维数据时，所述数据扫描设备和所述采集设备安装在打印喷头上层，或者所述3D打印机光照系统平行位置处，或者在所述3D打印机内部固定可移动摄像头，或者放置机械臂；

安装在所述机械臂上的所述红外相机，用于通过先进控制算法控制机械臂的移动，获得多角度多点位视图。

此外，为实现上述目的，本发明还提出一种应用于3D打印的数据获取方法，基于所述应用于3D打印的数据获取系统，所述应用于3D打印的数据获取系统包括：3D打印机、数据采集设备和工业计算机；所述数据扫描采集设备装配在所述3D打印机内部，并与所述3D打印机的控制系统相连；

所述应用于3D打印的数据获取方法包括以下步骤：

所述数据扫描采集设备在所述3D打印机每打印一层结束，进行图像采集，利用二维扫描采集设备，或三维数据扫描采集设备对物体进行扫描得到物体的三维信息，将所述物体的三维信息传输至所述工业计算机；

所述工业计算机根据批量所述物体的三维信息训练神经网络模型，根据训练后的神经网络模型预测3D打印误差；

所述3D打印机根据所述3D打印误差在每打印一层时进行补偿。

本发明中，所述应用于3D打印的数据获取系统包括：3D打印机、数据采集设备和工业计算机；所述数据采集设备装配在所述3D打印机内部，并与所述3D打印机的控制系统相连；所述数据采集设备，用于在所述3D打印机每打印一层结束，进行图像采集，利用二维扫描采集设备如光照系统和摄像头，或三维数据扫描采集设备如结构光红外摄像头对物体进行扫描得到物体的三维信息；所述工业计算机，用于根据批量所述物体的三维信息训练神经网络模型，根据训练后的神经网络模型预测3D打印误差；所述3D打印机，用于根据所述3D打印误差在每打印一层时进行补偿。本发明利用数据采集设备代替人工手动操作，利用控制系统实现每打印完一层就进行数据采集与处理，实现与自动化的加式制造同时进行的自动化的数据采集，通过自动化的数据采集与处理方法，节省大量的人工成本和时间成本，提高数据采集的效率，更好地实现利用神经网络模型近似3D打印误差，从而使得3D打印制件更加精准。

附图说明

图1是本发明应用于3D打印的数据获取系统实施例的结构示意图；

图2是本发明应用于3D打印的数据获取系统实施例数据采集流程示意图；

图3为本发明应用于3D打印的数据获取系统实施例的FDM技术中数据获取设备示意图；

图4为本发明应用于3D打印的数据获取系统实施例DLP技术中数据获取设备平面示意图；

图5是原始三维模型、切割到某一层的模型截图以及切片后该层的二维图像；

图6是本发明应用于3D打印的数据获取系统实施例中设备控制流程图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，提出本发明应用于3D打印的数据获取系统实施例。

在本实施例中，所述应用于3D打印的数据获取系统100包括：3D打印机10、数据扫描采集设备20和工业计算机30；所述数据扫描采集设备20装配在所述3D打印机内部，并与所述3D打印机的控制系统相连；

所述数据扫描采集设备20，用于在所述3D打印机每打印一层结束，进行图像采集，利用二维扫描采集设备，或三维数据扫描采集设备对物体进行扫描得到物体的三维信息，将所述物体的三维信息传输至所述工业计算机；

所述工业计算机30，用于根据批量所述物体的三维信息训练神经网络模型，根据训练后的神经网络模型预测3D打印误差；

所述3D打印机10，用于根据所述3D打印误差在每打印一层时进行补偿。

需要说明的是，利用所述数据采集设备和所述工业计算机，实现3D打印、数据采集、处理、存储操作一体化和自动化。所述数据扫描采集设备，用于在所述3D打印机每打印一层结束，进行图像采集，利用二维扫描采集设备如光照系统和摄像头，或三维数据扫描采集设备如结构光红外摄像头对物体进行扫描得到物体的三维信息将所述物体的三维信息传输至所述工业计算机。图像采集、处理、存储由所述工业计算机实现，图像采集、处理、存储与打印机的运作是实时的，无需停止打印采集数据。所述3D打印机可以影响所述工业计算机的进程，但数据获取过程不能干扰所述3D打印机；获取数据用于训练神经网络，实现3D打印误差检测与补偿。

进一步地，在本实施例中，所述数据扫描采集设备20包括光照系统、数据扫描设备、采集设备以及传输设备；

所述光照系统，用于在所述3D打印机的控制系统控制下，每打印一层结束进行补光，为所述数据扫描设备扫描时提供光线；

所述采集设备，用于在所述数据扫描设备扫描后，进行图像采集，采集的图像信息包括已完成制件的三维数据，或者通过二维摄像头获取的三维制件当前打印好的二维切片图像，将采集的图像信息作为物体的三维信息；

所述传输设备，用于将所述物体的三维信息传输到所述工业计算机30。

在具体实现中，所述数据扫描采集设备20包括数据扫描设备、数据采集设备以及传输设备，作用是实时采集制件当前数据，传输到所述工业计算机30，用于训练和补偿。所述采集设备，用于在所述数据扫描设备扫描后，进行图像采集，采集的图像信息包括已完成制件的三维数据，如通过结构光红外摄像头获取、利用空间结构光编码技术对获取的数据进行三维重建后的数据，或者通过二维摄像头获取的三维制件当前打印好的二维切片图像。

所述数据扫描设备、数据采集设备安装在打印喷头上层(若为FDM类似打印方法)，或者打印机光照系统平行位置处(若为DLP类似打印方法)，或者使用多视角灵活采集装置；传输设备安装在打印机与工业计算机连接处；所述数据扫描设备和所述数据采集设备可以是同一体的数据扫描采集设备或系统，比如摄像机、摄像系统，参照图2，所述3D打印机连接摄像系统，通过摄像系统拍摄的图像实现数据采集，传输到所述工业计算机30，所述工业计算机对采集的数据进行处理，获得二维数据、三维数据。

所述的数据扫描采集设备安装在3D打印机内，通过3D打印机与所述的数据扫描采集设备之间的传输设备信号连接，实现自动获取图像信息并传输到所述工业计算机30。

可理解的是，数据采集、处理、工业计算机运作、3D打印机的运作是实时的，无须停止打印采集数据。打印机可以影响计算机的进程，但数据获取过程不能干扰打印机。参照图3，图3中201为3D打印设备金属外壳，即所述3D打印10的金属外壳，202为材料寄出机，203为成型台，即打印成型的物品放置在所述成型台，204为打印中的制件，205为结构光光源设备，206为红外摄像头；并参照图4，图4中，301为3D打印设备金属外壳，302为成型台，303为料槽，304为刮刀，305为打印中的制件，306为光机，307为结构光光源设备，308为红外摄像头；以DLP和FDM工艺为具体实例解析，由于3D打印的方式不同，3D打印的产品模型表面可能出现水纹等现象(若为DLP类似打印方法)，如果不进行数据扫描采集前处理，在后续数据采集的过程中可能会因水纹反光等原因而造成数据采集不准确，影响后续的图像处理及误差预测与补偿，下面就数据扫描采集前处理进行要求说明：

(1)所述3D打印机10内部装配小型风扇，在3D打印机运作的同时打开风扇开关，打印过程中持续供风，以达到初步烘干打印层表面水纹的效果；

(2)3D打印机内部装配多关节机械臂，机械臂外装有超细纤维镜面布，利用其吸水不留痕快干特性，以达到清洁作用。在小型风扇供风期间，多关节机械臂与3D打印过程同步移动，达到二次清理的效果。由于其机械臂具有高自由度且臂杆可转动，因此对机械臂进行位置控制时可避免影响3D打印过程。在小型风扇及多关节机械臂的二次处理后，3D打印层无反光面可以准确地进行后续的数据扫描采集。

其次装配图像数据获取终端的数据扫描设备可以为多个处于不同角度和位置的相机，以此获取三维数据；也可以为在打印机上方的正中心位置处装配并被固定在打印机上的单个扫描设备，以此来获取二维截面数据。不管是获取哪种数据类型，都使所述数据扫描设备与所述3D打印机的控制系统相连接。

下面将具体分为四种获取三维数据的方法一(a)、方法一(b)、方法一(c)、方法一(d)和获取二维数据的方法二进行具体要求说明：

(1)方法一即为利用红外相机实时自动获取三维数据的方法，下面所述的方法只为实施例，不能用于限定本发明：

(1.1a)如图3所示，以打印机成型台为圆心点，每隔一定的角度放置一个红外相机，使相机设备组合呈一个平面圆状，成型台处于圆心的位置，使相机设备组合都处于同一高度，相机设备与打印机成型台成一个圆锥的三维立体模型，不同位置的相机能够获得不同角度的视图；

(1.1b)利用空间结构光编码技术实现自动数据扫描。对所述3D打印机内控制系统的代码进行修改，在每次Z轴升高前进行投影，对投影的结构光进行编码，即对投射到物体表面的图案进行编码，对图案上的每个点进行编码，得到照片中像素点和投影空间点的对应关系；

(1.1c)在3D打印机内壁固定可移动摄像头，摄像头跟随光影或3D打印部件的移动而转换拍摄角度，可以从多点位多角度获得视图；

(1.1d)在3D打印机内部放置机械臂，将红外相机安装在机械臂上，使用先进控制算法控制机械臂的移动，可以从多点位获得视图，减少因遮挡而造成的数据不足；

(1.2a)进行相机标定，利用MATLAB软件中的Camera Calibrator功能进行相机标定，目的是建立相机成像的几何模型，得到要打印的物件从三维世界映射到相机成像平面的变换矩阵；以此实现三维模型的自动重建；

(1.3)实现数据自动处理，实现三维重建。对通过上述步骤(1.1)-(1.3)所获取的待处理数据进行处理。受到设备分辨率等限制，获取的图像深度信息也存在着许多缺点，为了更好的促进后续基于深度图像的应用，必须对深度图像进行去噪和修复等图像增强过程，最后进行点云计算，配准，表面生成等操作，获取到精度较高的三维模型数据。数据自动处理的算法内容包括：首先，对编码后的数据进行解码，利用三角测距原理对数据进行三维重建恢复，同时对模型的每个像素点绘制纹理，获得三维点云数据；其次，对获得的三维数据进行点云配准。根据三维重构生成的点云模型通常只能表现物体的个别角度的特征，要获得完整的物体模型，需要对物体进行不同角度的三维重构，再将得到的模型进行配准。本发明采用自动配准算法。

(2)方法二即为实时自动获取二维数据的方法：

(2.1)将单反相机固定在打印机上方的正中心位置，装配点的X，Y轴坐标与打印机成型平台的中心点位置的X，Y轴坐标相对应；装配点的Z轴坐标需要提前测试，使得数据扫描设备所处的高度能够实现容易对焦打印物件，从而保证拍摄数据的清晰度。

(2.2)实现自动扫描数据。对打印机内控制系统的代码进行修改，加入在每次Z轴升高前都会进行扫描的指令代码，数据获取终端，即所述数据扫描设备依照指令获取数据，指令具体内容包括：

(2.2.1)自动对焦；(2.2.2)按下快门；(2.2.3)自动对焦和按下快门的步骤循环进行3～5次。循环3～5次的步骤是需要采集3～5次数据，防止有拍摄不清或漏拍的现象发生，可以从多个数据中挑选清晰度最高的进行处理；

(2.3)实现数据自动传输与采集。利用传输设备连接数据扫描设备与采集设备、处理设备，图像采集卡采集步骤(2.2)所获取的图像数据。图像采集卡从图像获取终端获取到数据后，将该待处理的图像数据发送至所述工业计算机中，计算机接收该待处理的图像数据，对图像数据进行确定和存储，存储到原始文件夹内，表示原始数据。

(2.4)实现数据自动处理。从原始文件夹中读取数据，对通过上述步骤(2.2)-(2.3)所获取的该待处理图像数据进行格式化处理，将处理后的图像数据存储到计算机的处理后的文件夹内，表示处理后的数据。删除或移动原始文件夹内的原始文件；

(2.5)根据步骤(2.4)所述，数据自动处理的算法内容包括：1)图像去噪和滤波。图像噪声使图像模糊，甚至淹没图像的原有特征，给后续数据分析带来困难，经典的去噪算法包括均值滤波、高斯滤波、双边滤波以及中值滤波，在本实施例中，以中值滤波为例：将所获得的图像数据统一转为灰度值，然后分为一个个n×n小窗口，将每个小窗口内的所有像素的灰度按从小到大排序，取排序结果的中间值作为该像素的灰度值。中值滤波是一种非线性滤波，它可以在滤除噪声的同时很好的保持图像边缘。2)增强和复原。经典的图像增强和复原方法包括逆滤波复原法、维纳滤波、约束最小二乘法。3)图像分割。图像分割算法包括基于阈值、基于边缘、基于区域等分割方法。本实施例中采用基于阈值的分割方法，将经过增强和复原处理的图像的灰度直方图分成几类，认为图像中灰度值在同一类中的像素属于同一物体。4)关键特征点的提取等算法。

应理解的是，参照图6，图6中401计算机系统即所述工业计算机30，402数据采集系统中所述数据采集设备和所述数据扫描设备为一体设备，所述计算机系统控制所述数据采集系统进行数据采集，所述数据采集系统采集数据返还至所述计算机系统，403是3D打印系统，即所述3D打印机，所述计算机系统根据采集的数据对神经网络模型进行训练，网络可以预测打印后的误差，再控制所述3D打印机进行打印，并根据预测的误差实现补偿，404打印制件，从而打印出的物品更精准。所述应用于3D打印的数据获取系统获取及处理数据的步骤为：开启打印机，输入打印文件，开始打印；每打印完一层，数据扫描设备进行摄像扫描；获取的数据通过所述数据采集设备采集，通过所述的传输设备传输到所述工业计算机上；所述工业计算机收到输入的信号后，计算机首先进行图像预处理，包括一系列的图像处理操作；图像预处理后，进行所述计算机存储数据的数据预处理，完成后准备下一次的处理。

进一步地，在本实施例中，所述数据扫描采集设备、所述工业计算机和所述3D打印机的运作是实时的，在所述数据扫描采集设备运行时所述3D打印机也处于运行状态；所述工业计算机30，其内装置有图像处理器还用于对所述物体的三维信息进行实时处理和三维重建，获得待训练数据，将所述待训练数据作为神经网络的输入，训练神经网络模型，根据训练后的神经网络模型预测3D打印误差。

在具体实现中，获取的数据作为神经网络模型的输入，训练神经网络模型近似为3D打印过程中的误差，由于训练补偿网络时间远远超出3D打印输出一层的时间，因此采用离线补偿的方法。最终实现输入原数据，网络可以预测打印后的误差，最后进一步地实现补偿，使输出模型具有较高的精度。

进一步地，在本实施例中，所述工业计算机30，还用于建立卷积神经网络环境，利用所述卷积神经网络环境的编码器通过卷积提取输入的待训练数据的特征，通过池化来增加接收范围，利用所述卷积神经网络环境的解码器通过反卷积恢复原始分辨率，以训练神经网络模型，根据训练后的神经网络模型预测3D打印误差。

需要说明的是，以利用深度学习进行3D打印误差检测与补偿为目的获取实验数据，在不影响打印过程的前提下，实现数据采集及处理自动化。即利用数据采集设备和工业计算机，实现3D打印、数据采集、处理、存储操作一体化和自动化。由于采集数据为真实工业数据，数据数量庞大且要求在每次打印过程中都增加训练数据量以训练神经网络，若数据不经预处理全部输入神经网络会降低神经网络性能，因此图像预处理后进行数据预处理即数据压缩。

对数据压缩及误差预测与补偿进行要求说明：

(1)数据压缩：

(1.1)实现数据编码。建立深度学习网络框架，提出一种以3D点云直接作为输入的自动编码器。将输入的点云x通过编码器变为隐变量的表达形式z；

(1.2)数据标准化。对编码器输出的隐变量表达形式z进行标准差标准化，将表达形式z和均值的差值与标准差相除，即标准化后隐变量表达形式z均值为0，标准差为1；

(1.3)生成二进制函数。首先设置阈值，阈值设定方法有双峰法，迭代法等。利用确定性二值化方法，将(1.2)输出数据与阈值大小进行比较，如果(1.2)输出数据大于等于阈值，则将输出设置为1，否则输出设置为0，最终缩小数据范围以实现数据压缩；

(1.4)实现数据解码，还原数据格式。将(1.3)中输出的数据通过解码器将隐变量的表达形式z重建为输出点云x。

(2)误差预测与补偿：

(2.1)在工业计算机上建立卷积神经网络环境即卷积自动编码器。输入和输出是体素网格，使用二进制变量的概率分布来描述3D对象。将卷积自动编码器体系结构分为两部分：编码器和解码器。编码器通过卷积提取输入体素网格的特征，通过池化来增加接收范围。解码器通过反卷积恢复原始分辨率。

(2.2)通过将打印的模型作为输入，并将标称模型作为期望的输出来训

练补偿网络。训练后，将标称模型输入到补偿网络中，我们可以获得补偿模型。补偿后的模型将输入到3D打印系统以获得实际模型。

进一步地，在本实施例中，所述数据扫描设备和所述采集设备安装在打印喷头上层，或者所述3D打印机光照系统平行位置处或使用多视角灵活采集装置；所述传输设备安装在所述3D打印机与所述工业计算机30连接处。

进一步地，在本实施例中，所述数据扫描设备包括二维数据扫描采设备和三维数据扫描设备，所述采集设备包括二维数据采集设备和三维数据采集设备。

进一步地，在本实施例中，所述二维数据扫描设备包括光照系统和摄像头，所述三维数据扫描设备包括三维扫描摄像头；采集的图像包括已完成制件的三维数据。

进一步地，在本实施例中，采集的图像包括通过所述二维摄像头获取的三维制件当前打印好的二维切片图像。

进一步地，在本实施例中，采集的图像包括通过三维扫描摄像头获取、利用空间结构光编码技术对所述物体的三维信息进行三维重建后的三维重建数据。

进一步地，在本实施例中，所述三维扫描摄像头包括结构光红外摄像头或红外相机；利用所述红外相机实时自动获取三维数据时，所述数据扫描设备和所述采集设备安装在打印喷头上层，或者所述3D打印机光照系统平行位置处，或者在所述3D打印机内部固定可移动摄像头，或者放置机械臂；

安装在所述机械臂上的所述红外相机，用于通过先进控制算法控制机械臂的移动，获得多角度多点位视图。

在具体实现中，所述的数据扫描采集设备包括二维数据扫描采集设备和三维数据扫描采集设备，二维数据扫描采集设备指的是光照系统和摄像头，三维数据扫描采集设备指的是三维扫描摄像头，如结构光红外摄像头。

图像信息包括已完成制件的三维数据，如通过结构光红外摄像头获取、利用空间结构光编码技术对获取的数据进行三维重建后的数据，或者通过二维摄像头获取的三维制件当前打印好的二维切片图像。

自动化数据获取方法由所述工业计算机30实现，其内装置有图像处理器，实现实时的数据自动处理的算法功能。

基于上述应用于3D打印的数据获取系统实施例，提出本发明应用于3D打印的数据获取方法实施例。

在本实施例中，应用于3D打印的数据获取方法，基于所述应用于3D打印的数据获取系统，所述应用于3D打印的数据获取系统包括：3D打印机、数据采集设备和工业计算机；所述数据采集设备装配在所述3D打印机内部，并与所述3D打印机的控制系统相连；

所述应用于3D打印的数据获取方法包括以下步骤：

所述数据采集设备在所述3D打印机每打印一层结束，进行图像采集，利用空间结构光编码技术对投影的结构光进行编码，根据获得的编码对采集的图像进行解码，根据解码获得的信息和预先标定的内外参数通过三角测距法计算获得物体的三维信息，将所述物体的三维信息传输至所述工业计算机；

所述工业计算机根据批量所述物体的三维信息训练神经网络模型，根据训练后的神经网络模型预测3D打印误差；

所述3D打印机根据所述3D打印误差在每打印一层时进行补偿。

本发明所述应用于3D打印的数据获取方法的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序，可将这些词语解释为标识。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器镜像(Read Only Memory image，ROM)/随机存取存储器(Random AccessMemory，RAM)、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种应用于3D打印的数据获取系统，其特征在于，所述应用于3D打印的数据获取系统包括：3D打印机、数据扫描采集设备和工业计算机；所述数据扫描采集设备装配在所述3D打印机内部，并与所述3D打印机的控制系统相连；

所述数据扫描采集设备，用于在所述3D打印机每打印一层结束，进行图像采集，利用二维扫描采集设备，或三维数据扫描采集设备对物体进行扫描得到物体的三维信息，将所述物体的三维信息传输至所述工业计算机；

所述工业计算机，用于根据批量所述物体的三维信息训练神经网络模型，根据训练后的神经网络模型预测3D打印误差；

所述3D打印机，用于根据所述3D打印误差在每打印一层时进行补偿。

2.如权利要求1所述的应用于3D打印的数据获取系统，其特征在于，所述数据扫描采集设备包括光照系统、数据扫描设备、采集设备以及传输设备；

所述光照系统，用于在所述3D打印机的控制系统控制下，每打印一层结束进行补光，为所述数据扫描设备扫描时提供光线；

所述采集设备，用于在所述数据扫描设备扫描后，进行图像采集，采集的图像信息包括已完成制件的三维数据，或者通过二维摄像头获取的三维制件当前打印好的二维切片图像，将采集的图像信息作为物体的三维信息；

所述传输设备，用于将所述物体的三维信息传输到所述工业计算机。

3.如权利要求1所述的应用于3D打印的数据获取系统，其特征在于，所述数据扫描采集设备、所述工业计算机和所述3D打印机的运作是实时的，在所述数据扫描采集设备运行时所述3D打印机也处于运行状态；

所述工业计算机内装置有图像处理器；

所述图像处理器用于对所述物体的三维信息进行实时处理和三维重建，获得待训练数据，将所述待训练数据作为神经网络的输入，训练神经网络模型，根据训练后的神经网络模型预测3D打印误差。

4.如权利要求3所述的应用于3D打印的数据获取系统，其特征在于，所述工业计算机，还用于建立卷积神经网络环境，利用所述卷积神经网络环境的编码器通过卷积提取输入的待训练数据的特征，通过池化来增加接收范围，利用所述卷积神经网络环境的解码器通过反卷积恢复原始分辨率，以训练神经网络模型，根据训练后的神经网络模型预测3D打印误差。

5.如权利要求2所述的应用于3D打印的数据获取系统，其特征在于，所述数据扫描设备和所述采集设备安装在打印喷头上层，或者所述3D打印机光照系统平行位置处或使用多视角灵活采集装置；所述传输设备安装在所述3D打印机与所述工业计算机连接处。

6.如权利要求2所述的应用于3D打印的数据获取系统，其特征在于，所述数据扫描设备包括二维数据扫描设备和三维数据扫描设备，所述采集设备包括二维数据采集设备和三维数据采集设备。

7.如权利要求5所述的应用于3D打印的数据获取系统，其特征在于，所述二维数据扫描设备包括光照系统和摄像头，所述三维数据扫描设备包括三维扫描摄像头。

8.如权利要求2所述的应用于3D打印的数据获取系统，其特征在于，采集的图像包括通过三维扫描摄像头获取、利用空间结构光编码技术对所述物体的三维信息进行三维重建后的三维重建数据。

9.如权利要求7所述的应用于3D打印的数据获取系统，其特征在于，所述三维扫描摄像头包括结构光红外摄像头或红外相机；利用所述红外相机实时自动获取三维数据时，所述数据扫描设备和所述采集设备安装在打印喷头上层，或者所述3D打印机光照系统平行位置处，或者在所述3D打印机内部固定可移动摄像头，或者放置机械臂；

安装在所述机械臂上的所述红外相机，用于通过先进控制算法控制机械臂的移动，获得多角度多点位视图。

10.一种应用于3D打印的数据获取方法，基于所述应用于3D打印的数据获取系统，所述应用于3D打印的数据获取系统包括：3D打印机、数据采集设备和工业计算机；所述数据扫描采集设备装配在所述3D打印机内部，并与所述3D打印机的控制系统相连；

所述应用于3D打印的数据获取方法包括以下步骤：

所述数据扫描采集设备在所述3D打印机每打印一层结束，进行图像采集，利用二维扫描采集设备，或三维数据扫描采集设备对物体进行扫描得到物体的三维信息，将所述物体的三维信息传输至所述工业计算机；

所述工业计算机根据批量所述物体的三维信息训练神经网络模型，根据训练后的神经网络模型预测3D打印误差；

所述3D打印机根据所述3D打印误差在每打印一层时进行补偿。

Images