CN115534304B - 一种fdm打印装置及打印制品质量的自动检测方法 - Google Patents

一种fdm打印装置及打印制品质量的自动检测方法 Download PDF

Info

Publication number
CN115534304B
CN115534304B CN202211201320.4A CN202211201320A CN115534304B CN 115534304 B CN115534304 B CN 115534304B CN 202211201320 A CN202211201320 A CN 202211201320A CN 115534304 B CN115534304 B CN 115534304B
Authority
CN
China
Prior art keywords
printing
printed product
depth
error
image
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.)
Active
Application number
CN202211201320.4A
Other languages
English (en)
Other versions
CN115534304A (zh
Inventor
杨�一
何虹宇
曹祺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Grey Wizard Co ltd
Wuhan Railway Vocational College of Technology
Original Assignee
Grey Wizard Co ltd
Wuhan Railway Vocational College of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Grey Wizard Co ltd, Wuhan Railway Vocational College of Technology filed Critical Grey Wizard Co ltd
Priority to CN202211201320.4A priority Critical patent/CN115534304B/zh
Publication of CN115534304A publication Critical patent/CN115534304A/zh
Application granted granted Critical
Publication of CN115534304B publication Critical patent/CN115534304B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • B29C64/118—Processes of additive manufacturing using only liquids or viscous materials, e.g. depositing a continuous bead of viscous material using filamentary material being melted, e.g. fused deposition modelling [FDM]
    • 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
    • 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
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G06T7/85—Stereo camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30144—Printing quality
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P10/00—Technologies related to metal processing
    • Y02P10/25—Process efficiency

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Materials Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Quality & Reliability (AREA)

Abstract

本发明公开了一种FDM打印装置及打印制品质量的自动检测方法，打印装置包括平行设置的打印底板和打印支撑板，打印底板和打印支撑板之间固定有多根支撑杆；至少三根支撑杆上设置有通过牵引装置牵引的滑块，滑块通过连接杆与喷头固定块连接，喷头固定块上固定打印喷头；打印底板上固定有打印基板，打印喷头对准打印基板；控制装置获取打印制品的多个深度图像，并构建打印制品的重构模型，将重构模型与源STL模型进行分析比较，确定打印制品的误差。本发明提供的FDM打印装置结构简单、体积小，且可实现打印制品质量的自动化检测，检测识别精度高，提高了检验效率与检验精度，误差率量化精准。

Description

一种FDM打印装置及打印制品质量的自动检测方法
技术领域
本发明涉及FDM打印技术领域，尤其涉及一种FDM打印装置及打印制品质量的自动检测方法。
背景技术
FDM打印是以数字模型文件为基础，利用粉末状材料，例如陶瓷粉末、塑料粉末或金属粉末，通过一层层的堆叠来制造三维物体的过程。FDM打印技术中，熔融层积成型(Fused Depos it i on Mode l i ng,FDM)是通过对三维打印制件的数字模型，按照打印成型方向，对打印制件进行分层打印，将打印喷头中熔融的打印材料挤出，逐层堆积成型。从而实现快速的原型验证或产品的生产。快速打印产业发展的日新月异，FDM打印技术具有打印快速、成本低、操作简单等特点,并且已经逐渐应用至多个领域，在验证产品技术原型、小规模产品生产、工业制造、文化创意、生物医药等领域都有了广泛的应用。
现有的FDM打印装置结构复杂、体积庞大；并且现有的FDM打印装置无法对打印完成的打印制品的质量进行快速检验。需要在打印完成后，依赖人工将打印制品与目标产品进行比对，来完成打印制品的质量检测，这种方式耗费人力大，且检验精度低。
发明内容
本发明所要解决的技术问题是针对现有技术存在的问题，提供一种FDM打印装置及打印制品质量的自动检测方法。
为解决上述技术问题，本发明实施例提供一种FDM打印装置，包括打印组件、图像采集装置和控制装置；打印组件包括平行设置的打印底板和打印支撑板，打印底板和打印支撑板之间固定有多根支撑杆；至少三根支撑杆上设置有通过牵引装置牵引的滑块，至少三个滑块的垂直投影处于正三角形的三个顶点；每个滑块通过一组连接杆与喷头固定块连接，喷头固定块上固定打印喷头；打印底板上固定有打印基板，打印时打印喷头对准打印基板；控制装置与牵引装置和图像采集装置连接，用于控制牵引装置动作以及图像采集装置采集打印基板上打印制品的多个深度图像，并根据多个深度图像进行三维建模获得点云模式下打印制品的重构模型，将点云模式下的重构模型与打印制品的源STL模型进行分片向量级分析比较，确定打印制品的误差。
本发明的有益效果是：本发明通过在不同支撑杆上设置滑块，通过滑块带动连接杆运动，通过不同连接杆协调运动改变喷头固定块的位置和姿态，进而改变喷头的位置和姿态，使喷头具有较高的自由度，从而提供打印装置的打印精度；且上述结构的巧妙设计有效降低了打印装置的结构复杂度，缩小了打印装置的体积；并且本发明通过获取打印制品的多个深度图像，利用深度图像获得打印制品的重构模型，将重构模型点云数据与打印制品的源STL模型进行分片向量级分析比较，确定打印制品的误差；即本发明的FDM装置可实现FDM打印制品质量的自动化检测，且检测识别精度高，提高了检验效率与检验精度，误差率量化精准。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步，控制装置具体用于：分别对打印制品的源STL模型和重构模型进行分片操作，得到源模型分片数据向量集VS和重构模型分片数据向量集VG，并根据如下公式计算打印制品的误差Ef：
Figure GDA0004128974560000021
其中,i为标定特征点，n为标定特征点的数量。
采用上述进一步方案的有益效果：对打印制品的源STL模型和重构模型进行分片操作，得到源模型分片数据向量集VS和重构模型分片数据向量集VG，将对点云模式下的重构模型与打印制品的源STL模型进行分片向量级分析比较，实现了FDM打印制品质量的自动化检测，且检测识别精度高，提高了检验效率与检验精度。
进一步，图像采集装置包括多台深度扫描相机和光电转换装置；多台深度扫描相机用于从多角度采集打印基板上打印制品的彩色图像和图像深度信息；光电转换装置与多台深度扫描相机连接，用于将彩色图像和图像深度信息转换为数字化的深度图像。
采用上述进一步方案的有益效果：采用深度相机采集的图像数据，会包含拍照物体的深度数据信息，从而实现精细颗粒度进行三维物体的扫描建模，可以使三维视觉从平面空间到立体空间，三维模型还原度更好。
进一步，控制装置还用于控制调整多台深度扫描相机的对焦线和头条纹，结合拍摄的图像确定对焦线和投条纹的设置是否合适，并完成相机的校准标定。
采用上述进一步方案的有益效果：在缺陷检测前，对相机本身的基准误差进行计算，确定相机本身的误差，从而提高了整个缺陷检测的准确度。
进一步，控制装置还用于在完成相机的校准标定后，根据如下公式计算深度扫描相机的基准误差为Eb：
Figure GDA0004128974560000031
其中，n为标定特征点的数量，(x1，y1，z1)为点阵标定点三维空间坐标值，(x2，y2，z2)为点阵特征点根据深度扫描相机拍摄的数学模型计算的实际空间坐标。
采用上述进一步方案的有益效果：使用相机的多点定位误差标定计算法，计算相机本身拍摄的误差畸变，保证拍摄测量的精确度。
进一步，控制装置还用于根据打印制品的误差Ef和深度扫描相机的基准误差为Eb确定打印制品的最终调整误差Er，计算公式如下：
Figure GDA0004128974560000041
其中，k为深度扫描相机，T为深度扫描相机的数量。
采用上述进一步方案的有益效果：在打印制品误差的基础上去除相机本身的基础误差，获取打印制品的最终调整误差，去除了相机本身误差的干扰，提高了缺陷检测的准确度。
进一步，控制装置还用于将打印制品的最终调整误差Er与预设误差阈值Et进行比较，如果Er小于Et，则打印制品在正常误差范围之内，符合打印制品质量误差要求；否则不符合打印制品质量误差要求。
采用上述进一步方案的有益效果：将最终调整误差与预设阈值进行比较，并根据比较结果给出打印制品质量合格或不合格的提示，便于用户快速准确了解打印制品的质量情况。
进一步，控制装置根据多个深度图像进行三维建模之前，还对深度图像进行高斯滤波处理。
采用上述进一步方案的有益效果：通过将拍摄的图像进行滤波降噪，提高了数据处理的精准度。
进一步，控制装置根据多个深度图像进行三维建模，包括：对深度图像的轮廓目标特征进行提取；根据轮廓目标特征和图像深度信息，利用3Dmax进行打印制品的三维建模。
采用上述进一步方案的有益效果：对于复杂异形打印制件，此方法对于凹陷不规则区域的三维重建有更高的精确度、可观测度；重构模型与原模型技术基础层面导致的观测误差小，误差评价更合理。
为解决上述技术问题，本发明还提供一种FDM打印制品质量的自动检测方法，利用上述技术方案的FDM打印装置实现，方法包括：从多角度采集打印制品的彩色图像和图像深度信息；将彩色图像和图像深度信息转换为数字化的深度图像；根据多个深度图像进行三维建模获得点云模式下打印制品的重构模型，将点云模式下的重构模型与打印制品的源STL模型进行分片向量级分析比较，确定打印制品的误差。
本发明附加的方面及其优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。
附图说明
图1为本发明实施例提供的FDM打印装置结构示意图；
图2为本发明实施例提供的牵引装置结构示意图；
图3为本发明实施例提供的FDM打印装置的打印与打印制品质量自动检测工作流程图。
具体实施方式
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
如图1所示，本发明实施例提供的FDM打印装置包括打印组件、图像采集装置和控制装置。
打印组件包括平行设置的打印底板101和打印支撑板102，打印底板101和打印支撑板102之间固定有多根支撑杆106；至少三根支撑杆106上设置有通过牵引装置牵引的滑块109，至少三个滑块109的垂直投影处于正三角形的三个顶点；每个滑块109通过一组连接杆108与喷头固定块107连接，喷头固定块107上固定打印喷头110；打印底板101上固定有打印基板103，打印时打印喷头110对准打印基板103。
如图2所示，本发明实施例中，牵引装置可以包括丝杆104和驱动电机111，驱动电机111和丝杆104可通过齿轮齿合驱动，丝杆104通过驱动电机111控制运动。该实施例中，两根支撑杆106为一组，在两根支撑杆106中间设置一根丝杆104，在两根支撑杆106上滑动连接一个滑块109，滑块109穿过丝杆104且与丝杆104固定连接，每根丝杆104可单独驱动滑块109上下运动。
每个滑块109通过一组连接杆108与喷头固定块107连接，喷头固定块107上通过螺钉连接有打印喷头110。在滑块109和连接杆108的带动下，打印喷头110可以在打印基板103完成打印过程，实现对于复杂零件的FDM打印，加工效率高。
本发明实施例中，控制装置与牵引装置和图像采集装置连接，用于控制牵引装置动作以及图像采集装置采集打印基板上打印制品的多个深度图像，并根据多个深度图像进行三维建模获得点云模式下打印制品的重构模型，将点云模式下的重构模型与打印制品的源STL模型进行分片向量级分析比较，确定打印制品的误差。
本发明实施例通过在不同支撑杆上设置滑块，通过滑块带动连接杆运动，通过不同连接杆协调运动改变喷头固定块的位置和姿态，进而改变喷头的位置和姿态，使喷头具有较高的自由度，从而提供打印装置的打印精度；且上述结构的巧妙设计有效降低了打印装置的结构复杂度，缩小了打印装置的体积；并且本发明实施例通过获取打印制品的多个深度图像，利用深度图像获得打印制品的重构模型，将重构模型点云数据与打印制品的源STL模型进行分片向量级分析比较，确定所述打印制品的误差；即本发明的FDM装置可实现FDM打印制品质量的自动化检测，且检测识别精度高，提高了检验效率与检验精度，误差率量化精准。
可选地，图像采集装置包括多台深度扫描相机和光电转换装置。多台深度扫描相机用于从多角度采集所述打印基板上打印制品的彩色图像和图像深度信息；光电转换装置与所述多台深度扫描相机连接，用于将所述彩色图像和所述图像深度信息转换为数字化的深度图像，然后将深度图像存储至控制装置。具体地，可以设置三台深度扫描相机105，分别置于打印制品放置的打印基板103的前、后、上三个方位。用于从多角度捕获打印制品的彩色图像和图像深度信息。
本发明实施例中，控制装置可以包括图像存储模块33、校准模块34、高斯滤波模块35、轮廓提取模块36、图像合成模块37和比较模块38。
图像存储模块33用于存储光电转换装置传送的深度图像信息。
校准模块34用于调整深度扫相机的对焦线和投条纹，结合拍摄的图像确定对焦线和投条纹的设置是否合适，并完成相机的标定，标定完成后，校准模块34计算深度扫描相机本身的基础误差为Eb。
需要说明的是，校准模块34计算深度扫描相机的基准误差为Eb，公式如下：
Figure GDA0004128974560000081
其中，n为标定特征点的数量，(x1，y1，z1)为点阵标定点三维空间坐标值，(x2，y2，z2)为点阵特征点根据深度扫描相机拍摄的数学模型计算的实际空间坐标。
本发明实施例在缺陷检测前，还通过校准模块34对相机本身的基准误差进行计算，确定相机本身的误差，从而提高了整个缺陷检测的准确度。
高斯滤波模块35对图像存储模块33中的图像进行滤波处理。本发明实施例中通过将拍摄的图像进行滤波降噪，提高了数据处理的精准度。
轮廓处理模块36对图像的轮廓目标特征进行提取。图像合成模块37根据轮廓目标特征及图像深度信息，利用3Dmax对打印的打印制品的进行三维建模，并将重构好的模型转换为点云模式，用于下一步的缺陷检测分析。比较模块38用于将重构模型转换得到的点云与打印制品的源STL模型进行误差分析比较，计算打印制件误差Ef，并计算打印制品的最终调整误差为Er＝Ef-Eb。
比较模块38将重构模型转换得到的点云与打印制品的源STL模型进行误差分析比较，具体包括：分别对所述打印制品的源STL模型和所述重构模型进行分片操作，得到源模型分片数据向量集VS和重构模型分片数据向量集VG，并根据如下公式计算所述打印制品的误差Ef：
Figure GDA0004128974560000082
其中,i为标定特征点，n为标定特征点的数量。
比较模块38根据打印制品的误差Ef和所述深度扫描相机的基准误差为Eb确定打印制品的最终调整误差Er，计算公式如下：
Figure GDA0004128974560000091
比较模块38还将打印制品的最终调整误差Er与预设误差阈值Et进行比较，如果Er小于Et，则打印制品在正常误差范围之内，符合打印制品质量误差要求；否则不符合打印制品质量误差要求。
本发明实施例中，可以设置显示器或设置语言提示装置，对打印制品的质量情况进行展示或播报，便于用户快速准确了解打印制品的质量情况。
本发明实施例通过重构制件模型，将重构模型数据转换为点云数据与源模型STL文件进行比对，相较于传统的图片比对方法，计算机可以识别的精度高，提高了检验效率与检验精度，误差率量化精准。
本发明实施例还提供一种FDM打印制品质量的自动检测方法，利用上述实施例提供的FDM打印装置实现，方法包括：从多角度采集所述打印组件打印出的打印制品的彩色图像和图像深度信息；将所述彩色图像和所述图像深度信息转换为数字化的深度图像；根据多个所述深度图像进行三维建模获得点云模式下所述打印制品的重构模型，将所述点云模式下的重构模型与所述打印制品的源STL模型进行分片向量级分析比较，确定所述打印制品的误差。
如图3所示，本发明实施例提供的FDM打印装置的打印与打印制品质量自动检测工作过程如下：
首先，校准深度相机21，调整相机的对焦线和投条纹，结合拍摄的图像确定对焦线和投条纹的设置是否合适，并完成相机的标定。标定完成后，计算基准误差为Eb。其中，基准误差计算方式为：
Figure GDA0004128974560000101
其中，n为点阵列标定特征点数量，(x1，y1，z1)为点阵标定点三维空间坐标值，(x2，y2，z2)为点阵特征点图像坐标根据深度相机拍摄的数学模型计算的实际空间计算坐标。
第二，将源STL模型文件输入控制装置(控制装置可以为计算机3)中，计算机3基于预设图形控制驱动电机驱动丝杆104运动，从而带动滑块109上下运动，滑块109通过与喷头固定块107的连接杆108带动打印喷头110在打印基板103上逐层打印。在打印的过程中，深度相机21从多个角度捕获增材制造制件的彩色图像，然后利用光电转换器22将深度相机拍摄的彩色图像转换为数字信号，存储至计算机的图像存储模块33中。
第三，计算机中的高斯滤波模块35对图像存储模块33中的图像进行滤波处理，然后轮廓处理模块36对图像的目标特征进行提取。
第四，图像合成模块37根据轮廓特征、角点、拐点的特征，利用3Dmax对打印的制件的进行建模，并将重构好的模型转换为点云模式，用于下一步的缺陷检测分析。
第五，将重构模型转换得到的点云与待打印制件的源STL模型进行误差分析比较，计算打印制件误差Ef。其中的打印制件误差Ef计算方法为，针对源STL模型与重构模型，分别进行分片操作得到源模型分片数据集向量VS和重构模型分片数据集向量VG。制件打印误差计算公式为：
Figure GDA0004128974560000102
其中,i为标定特征点，n为标定特征点的数量。
计算打印制件的最终调整误差为Er＝Ef-F(Eb),计算公式如下：
Figure GDA0004128974560000111
其中，参数T为预设采样深度相机数量。对比预设误差阈值Et，如果Er小于Et，则打印制件在正常误差范围之内，符合打印制件质量误差要求。
本发明实施例通过获取打印制品的多个深度图像，利用深度图像获得打印制品的重构模型，将重构模型点云数据与打印制品的源STL模型进行分片向量级分析比较，确定所述打印制品的误差；即本发明的FDM装置可实现FDM打印制品质量的自动化检测，且检测识别精度高，提高了检验效率与检验精度，误差率量化精准。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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，或者该技术方案的全部或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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种FDM打印装置，其特征在于，包括打印组件、图像采集装置和控制装置；
所述打印组件包括平行设置的打印底板和打印支撑板，所述打印底板和打印支撑板之间固定有多根支撑杆；至少三根支撑杆上设置有通过牵引装置牵引的滑块，至少三个滑块的垂直投影处于正三角形的三个顶点；每个滑块通过一组连接杆与喷头固定块连接，所述喷头固定块上固定打印喷头；所述打印底板上固定有打印基板，打印时所述打印喷头对准所述打印基板；
所述控制装置与所述牵引装置和所述图像采集装置连接，用于控制所述牵引装置动作以及所述图像采集装置采集所述打印基板上打印制品的多个深度图像，并根据所述多个深度图像进行三维建模，获得点云模式下所述打印制品的重构模型，将所述点云模式下的重构模型与所述打印制品的源STL模型进行分片向量级分析比较，确定所述打印制品的误差；
所述控制装置具体用于：分别对所述打印制品的源STL模型和所述重构模型进行分片操作，得到源模型分片数据向量集VS和重构模型分片数据向量集VG，并根据如下公式计算所述打印制品的误差Ef：
Figure FDA0004128974530000011
其中,i为标定特征点，n为标定特征点的数量。
2.根据权利要求1所述的FDM打印装置，其特征在于，所述图像采集装置包括多台深度扫描相机和光电转换装置；所述多台深度扫描相机用于从多角度采集所述打印基板上打印制品的彩色图像和图像深度信息；所述光电转换装置与所述多台深度扫描相机连接，用于将所述彩色图像和所述图像深度信息转换为数字化的深度图像。
3.根据权利要求2所述的FDM打印装置，其特征在于，所述控制装置还用于控制调整所述多台深度扫描相机的对焦线和头条纹，结合拍摄的图像确定对焦线和投条纹的设置是否合适，并完成相机的校准标定。
4.根据权利要求3所述的FDM打印装置，其特征在于，所述控制装置还用于在完成相机的校准标定后，根据如下公式计算所述深度扫描相机的基准误差为Eb：
Figure FDA0004128974530000021
其中，n为标定特征点的数量，(x1，y1，z1)为点阵标定点三维空间坐标值，(x2，y2，z2)为点阵特征点根据深度扫描相机拍摄的数学模型计算的实际空间坐标。
5.根据权利要求4所述的FDM打印装置，其特征在于，所述控制装置还用于根据所述打印制品的误差Ef和所述深度扫描相机的基准误差为Eb确定所述打印制品的最终调整误差Er，计算公式如下：
Figure FDA0004128974530000022
其中，k为深度扫描相机，T为深度扫描相机的数量。
6.根据权利要求5所述的FDM打印装置，其特征在于，所述控制装置还用于将所述打印制品的最终调整误差Er与预设误差阈值Et进行比较，如果Er小于Et，则打印制品在正常误差范围之内，符合打印制品质量误差要求；否则不符合打印制品质量误差要求。
7.根据权利要求1至6任一项所述的FDM打印装置，其特征在于，所述控制装置根据所述多个深度图像进行三维建模之前，还对所述深度图像进行高斯滤波处理。
8.根据权利要求1至6任一项所述的FDM打印装置，其特征在于，所述控制装置根据所述多个深度图像进行三维建模，包括：对所述深度图像的轮廓目标特征进行提取；根据所述轮廓目标特征和所述图像深度信息，利用3Dmax进行所述打印制品的三维建模。
9.一种FDM打印制品质量的自动检测方法，其特征在于，利用权利要求1至8任一项所述的FDM打印装置实现，方法包括：
从多角度采集打印制品的彩色图像和图像深度信息；将所述彩色图像和所述图像深度信息转换为数字化的深度图像；根据多个所述深度图像进行三维建模，获得点云模式下所述打印制品的重构模型，将所述点云模式下的重构模型与所述打印制品的源STL模型进行分片向量级分析比较，确定所述打印制品的误差。
CN202211201320.4A 2022-09-29 2022-09-29 一种fdm打印装置及打印制品质量的自动检测方法 Active CN115534304B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211201320.4A CN115534304B (zh) 2022-09-29 2022-09-29 一种fdm打印装置及打印制品质量的自动检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211201320.4A CN115534304B (zh) 2022-09-29 2022-09-29 一种fdm打印装置及打印制品质量的自动检测方法

Publications (2)

Publication Number Publication Date
CN115534304A CN115534304A (zh) 2022-12-30
CN115534304B true CN115534304B (zh) 2023-04-11

Family

ID=84731684

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211201320.4A Active CN115534304B (zh) 2022-09-29 2022-09-29 一种fdm打印装置及打印制品质量的自动检测方法

Country Status (1)

Country Link
CN (1) CN115534304B (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10046522B2 (en) * 2015-02-26 2018-08-14 Stratasys, Inc. Surface angle model evaluation process for additive manufacturing
CN106182765B (zh) * 2016-07-05 2019-05-24 上海交通大学 基于支持向量机的3d打印模型尺寸误差预测方法
CN106863784A (zh) * 2017-01-19 2017-06-20 西安铂力特激光成形技术有限公司 一种成形质量监控方法及增材制造设备
CN109514847B (zh) * 2018-11-30 2021-09-07 武汉理工大学 基于双目视觉的三角洲3d打印机实时监测装置及方法
CN109989585B (zh) * 2019-03-18 2021-01-26 东南大学 一种3d打印机打印精度的实时反馈控制方法
CN112509020B (zh) * 2020-12-07 2021-09-28 昆山戎影医疗科技有限公司 血管外部影像与腔内影像的配准方法、装置及计算设备
CN113560574B (zh) * 2021-06-10 2023-05-26 广东工业大学 3d打印缺陷修复方法

Also Published As

Publication number Publication date
CN115534304A (zh) 2022-12-30

Similar Documents

Publication Publication Date Title
CN110473173A (zh) 一种基于深度学习语义分割的缺陷检测方法
CN112116576B (zh) 基于偏振结构光成像和改进的缺陷检测方法
CN109272524B (zh) 一种基于阈值分割的小尺度点云噪声去噪方法
CN112677487B (zh) 3d打印的控制方法、控制系统及3d打印设备
CN109976391B (zh) 光学聚焦镜头的焦点感光元件三维空间视觉伺服定位系统及方法
CN110544233B (zh) 基于人脸识别应用的深度图像质量评价方法
KR20160119176A (ko) 시야 방향을 결정하기 위한 3-d 이미지 분석기
CN105479751A (zh) 一种三维生物打印水凝胶支架的优化控制系统与方法
CN113686262B (zh) 一种线结构光扫描仪标定方法、装置及存储介质
CN108724733B (zh) 一种面向面曝光3d打印的视觉监视反馈方法
CN112304222B (zh) 一种背景板同步旋转的3d信息采集设备
CN109657607A (zh) 一种基于人脸识别的人脸目标测距方法、装置及存储介质
CN109532021A (zh) 基于结构光线性异常点的3d打印熔积缺陷逐层检测方法
CN106023153B (zh) 一种测量水体中气泡的方法
CN111398274B (zh) 一种微小目标物3d采集设备
CN109085178A (zh) 一种用于增材制造的缺陷指纹精确在线监测方法和反馈策略
CN109447939A (zh) 基于混合光谱视觉的熔池成形前焊缝宽度预测方法
CN112016570A (zh) 用于背景板同步旋转采集中的三维模型生成方法
CN111353997B (zh) 一种基于条纹投影的实时三维面型缺陷检测方法
Liu et al. Real-time 3D surface measurement in additive manufacturing using deep learning
CN115760837A (zh) 一种基于深度神经网络的晶体质量评估方法及系统
CN116638766A (zh) 3d打印偏差检测方法、装置和计算机设备
CN111524134A (zh) 生产线上蜂窝产品规整度的检测方法及检测装置
CN115534304B (zh) 一种fdm打印装置及打印制品质量的自动检测方法
CN117392097A (zh) 基于改进YOLOv8算法的增材制造工艺缺陷检测方法和系统

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