CN116638766A - 3d打印偏差检测方法、装置和计算机设备 - Google Patents

3d打印偏差检测方法、装置和计算机设备 Download PDF

Info

Publication number
CN116638766A
CN116638766A CN202310642049.6A CN202310642049A CN116638766A CN 116638766 A CN116638766 A CN 116638766A CN 202310642049 A CN202310642049 A CN 202310642049A CN 116638766 A CN116638766 A CN 116638766A
Authority
CN
China
Prior art keywords
point cloud
printing
cloud data
data
current
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.)
Pending
Application number
CN202310642049.6A
Other languages
English (en)
Inventor
李斌
刘海利
熊伟弘
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.)
Nanjing Huanxing Zhiji Pharmaceutical Technology Co ltd
Original Assignee
Nanjing Huanxing Zhiji Pharmaceutical Technology Co ltd
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 Nanjing Huanxing Zhiji Pharmaceutical Technology Co ltd filed Critical Nanjing Huanxing Zhiji Pharmaceutical Technology Co ltd
Priority to CN202310642049.6A priority Critical patent/CN116638766A/zh
Publication of CN116638766A publication Critical patent/CN116638766A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/10—Additive manufacturing, e.g. 3D printing
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Materials Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Computational Mathematics (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Mechanical Engineering (AREA)
  • Optics & Photonics (AREA)

Abstract

本申请涉及一种3D打印偏差检测方法、装置和计算机设备。该方法包括：在3D打印过程中，获取3D打印件的当前打印指令数据；根据当前打印指令数据识别到当前打印层打印完成后，将当前打印层的打印指令数据转换为目标点云数据；获取当前打印层的实际点云数据；将实际点云数据与目标点云数据进行对齐，得到当前打印层的偏差数据。本方法中在线检测系统与3D打印系统共用一套加工代码，能够实时在线生成当前打印平面或曲面的目标点云数据，提高3D打印偏差检测的实时性。本方法不受环境光照、温度的影响，无需构建知识库或使用大量样本数据进行训练，并且对于各类打印缺陷包括打印物品的三维信息都可检测和记录，能够提高3D打印偏差检测准确性和可靠性。

Description

3D打印偏差检测方法、装置和计算机设备
技术领域
本申请涉及3D打印技术领域，特别是涉及一种3D打印偏差检测方法、装置和计算机设备。
背景技术
3D打印技术又被称作增材制造或快速成型技术，作为第三次工业革命的代表性技术之一，其以数字三维模型为基础，通过逐层堆积的方式完成对零件的加工。3D打印凭借其在复杂结构快速制造方面的优势，被广泛应用于医疗整形、航空航天、生物医药、建筑桥梁等行业。在3D打印过程中若未及时发现打印偏差，不仅打印成品无法使用，也浪费了打印材料和时间。因此，在打印过程中，有必要对打印件进行偏差检测，早期的偏差检测以及控制，有助于打印机采取纠偏措施，减少打印资源的浪费。
传统技术中，是通过预先获取3D打印件的CAD(Computer Aided Design，计算机辅助设计)模型，并手动转化得到目标点云，将目标点云与扫描点云进行比对，得到缺陷检测结果。然而，CAD模型转化的目标点云数据与实际打印后的实际点云数据存在部分差异，影响3D打印偏差检测的准确性。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高3D打印偏差检测实时性和准确性的3D打印偏差检测方法、装置和计算机设备。
第一方面，本申请提供了一种3D打印偏差检测方法，应用于在线检测系统。该方法包括：
在3D打印过程中，获取3D打印件的当前打印指令数据；
在根据当前打印指令数据识别到当前打印层打印完成后，将当前打印层的打印指令数据转换为目标点云数据；
获取当前打印层的实际点云数据；
将实际点云数据与目标点云数据进行对齐，得到当前打印层的偏差数据。
在其中一个实施例中，当前打印指令数据是3D打印系统获取3D打印件的原始指令数据，并在3D打印过程中从原始指令数据中提取的；其中，原始指令数据是将3D打印件的计算机辅助设计模型转化为三角面片模型，并对三角面片模型进行切片处理得到的。
在其中一个实施例中，将当前打印层的打印指令数据转换为目标点云数据，包括：
根据实际扫描间距确定点云间隔；
根据点云间隔将当前打印层的打印指令数据转换为目标点云数据。
在其中一个实施例中，获取当前打印层的实际点云数据，包括：
在线检测系统中的3D线激光相机对3D打印件进行扫描，得到当前打印层的实际点云数据。
在其中一个实施例中，将实际点云数据与目标点云数据进行对齐，得到当前打印层的偏差检测结果，包括：
将实际点云数据与目标点云数据进行粗配准，得到初始变换矩阵；
根据初始变换矩阵，将实际点云数据与目标点云数据进行精配准，得到目标变换矩阵；
根据目标变换矩阵，确定实际点云数据到目标点云数据中各点的最近临点的距离或者最近临面片的距离；
将最近临点的距离或者最近临面片的距离与预设阈值进行比较，得到当前打印层的偏差数据。
在其中一个实施例中，在将实际点云数据与目标点云数据进行对齐之前，该方法还包括：
对实际点云数据和目标点云数据分别进行滤波处理，得到滤波后实际点云和滤波后目标点云；
对滤波后实际点云和滤波后目标点云进行下采样处理，得到下采样后实际点云和下采样后目标点云。
在其中一个实施例中，在3D打印过程中，获取3D打印件的当前打印指令数据之前，该方法还包括：
对在线检测系统进行相机标定、光平面标定，以及扫描方向标定。
在其中一个实施例中，当前打印层的偏差数据包括缺陷类型；该方法还包括：
当当前打印层的偏差数据中的缺陷类型为缺料缺陷时，根据实际点云数据与目标点云数据，得到缺失点云数据；
将缺失点云数据发送至3D打印系统；其中，3D打印系统用于将缺失点云数据转换为打印机坐标下的点云数据，将打印机坐标下的点云数据转换为三角面片模型，并对三角面片模型进行切片处理得到补料打印指令数据，根据补料打印指令数据进行补打印。
第二方面，本申请还提供了一种3D打印偏差检测装置。该装置包括：
指令获取模块，用于在3D打印过程中，获取3D打印件的当前打印指令数据；
第一获取模块，用于在根据当前打印指令数据识别到当前打印层打印完成后，将当前打印层的打印指令数据转换为目标点云数据；
第二获取模块，用于获取当前打印层的实际点云数据；
偏差检测模块，用于将实际点云数据与目标点云数据进行对齐，得到当前打印层的偏差数据。
第三方面，本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器，该存储器存储有计算机程序，该处理器执行该计算机程序时实现以下步骤：
在3D打印过程中，获取3D打印件的当前打印指令数据；
在根据当前打印指令数据识别到当前打印层打印完成后，将当前打印层的打印指令数据转换为目标点云数据；
获取当前打印层的实际点云数据；
将实际点云数据与目标点云数据进行对齐，得到当前打印层的偏差数据。
第四方面，本申请还提供了一种计算机可读存储介质。该计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以下步骤：
在3D打印过程中，获取3D打印件的当前打印指令数据；
在根据当前打印指令数据识别到当前打印层打印完成后，将当前打印层的打印指令数据转换为目标点云数据；
获取当前打印层的实际点云数据；
将实际点云数据与目标点云数据进行对齐，得到当前打印层的偏差数据。
第五方面，本申请还提供了一种计算机程序产品。该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
在3D打印过程中，获取3D打印件的当前打印指令数据；
在根据当前打印指令数据识别到当前打印层打印完成后，将当前打印层的打印指令数据转换为目标点云数据；
获取当前打印层的实际点云数据；
将实际点云数据与目标点云数据进行对齐，得到当前打印层的偏差数据。
上述3D打印偏差检测方法、装置和计算机设备，通过引入G代码，在当前打印层打印完成后，将当前打印层的G代码转换为目标点云数据，将目标点云数据与当前打印层的实际点云数据进行对齐，得到当前打印层的偏差数据，以实现偏差检测。由于G代码生成的目标点云数据与实际点云数据最为接近，同时无需提前获取CAD模型，避免了提前保存的各层目标点云数据文件过多，在后期比较时扫描得到的实际点云数据与目标点云数据文件的对应出错，进而大大提高了3D打印偏差检测的准确性。在线检测系统与3D打印系统共用一套G代码，实现在线打印的同时，实时检测3D打印偏差。另外，在更换或调整CAD模型时，也无需重复将CAD模型转换为目标点云数据文件的步骤，减少了大量的提前准备和重复工作。在线检测系统只关注当前打印层即已打印完成最上层的点云数据，避免了下层部分部位由于上部遮挡产生阴影从而导致部分点云采集不到对偏差检测结果的影响。本方法对于所有的打印缺陷都可检测，同时不受环境光照、温度的影响，检测出的缺陷具有数据支撑，提高打印质量，节省打印材料和时间。
附图说明
图1为一个实施例中3D打印偏差检测方法的应用环境图；
图2为一个实施例中3D打印偏差检测方法的流程示意图；
图3为一个实施例中将实际点云数据与目标点云数据进行对齐的流程示意图；
图4为另一个实施例中3D打印偏差检测方法的流程示意图；
图5为一个实施例中3D打印偏差检测装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的3D打印偏差检测方法，可以应用于如图1所示的应用环境中。其中，在线检测系统102通过网络与3D打印系统104进行通信。在3D打印过程中，3D打印系统104将3D打印件的当前打印指令数据传输至在线检测系统102，在线检测系统102在根据当前打印指令数据识别到当前打印层打印完成后，将当前打印层的打印指令数据转换为目标点云数据，之后，获取当前打印层的实际点云数据，将实际点云数据与目标点云数据进行对齐，得到当前打印层的偏差数据。
在一个实施例中，如图2所示，提供了一种3D打印偏差检测方法，以该方法应用于图1中的在线检测系统为例进行说明，包括以下步骤：
步骤202，在3D打印过程中，获取3D打印件的当前打印指令数据。
其中，当前打印指令数据是指3D打印系统在打印过程中实时传输的打印指令数据。打印指令数据是指G代码(G-code)，也可以称为RS-274或G指令，属于数控编程语言，用于计算机辅助制造中，控制自动机床、铣床、数控机床、3D打印机等的移动、进给、启动、停止等，可以实现快速定位、直线运动、弧线运动等。G代码是3D打印机对外联系的唯一信息交互方式。
具体地，在3D打印之前，需要先导入3D打印件的原始指令数据至3D打印系统。其中，原始打印指令数据是指打印完成该3D打印件所需的完整的打印指令。3D打印系统在获取到原始打印指令数据后，开始打印，在打印过程中，实时将原始打印指令数据中的当前打印指令数据传输至在线检测系统。
可选地，3D打印系统与在线检测系统的传输方式可以采用基于TCP/IP(Transmission Control Protocol/Internet Protocol，传输控制协议/互联网协议)的socket异步通讯进行实时数据传输。其中，3D打印系统作为服务端，在线检测系统作为客户端，3D打印系统与在线检测系统可以布置在局域网内的相同或不同终端上。
步骤204，在根据当前打印指令数据识别到当前打印层打印完成后，将当前打印层的打印指令数据转换为目标点云数据。
其中，目标点云数据是指当前打印层的标准点云数据，用于检测3D打印件的打印偏差。
在线检测系统对当前打印指令数据进行解析，识别当前打印层是否打印完成。当识别到当前打印层打印完成后，将当前打印层的打印指令数据转换为当前打印层的目标点云数据。
步骤206，获取当前打印层的实际点云数据。
其中，实际点云数据是指在实际3D打印过程中扫描到的点云数据。
在线检测系统在识别到当前打印层打印完成后，在将当前打印层的打印指令数据转换为当前打印层的目标点云数据的同时，还可以对3D打印件进行扫描，获取当前打印层，即打印件表面的实际点云数据。
步骤208，将实际点云数据与目标点云数据进行对齐，得到当前打印层的偏差数据。
其中，对齐是指点云配准，具体是将一个点云匹配到另一个点云上面。
在线检测系统将实际点云数据与目标点云数据进行配准，确定实际点云数据与目标点云数据的匹配关系，从而实现将实际点云数据匹配至目标点云数据上。从而计算实际点云数据到目标点云数据中各点的最近临点的距离或者最近临面片的距离，将计算得到的最近临点的距离或者最近临面片的距离与预设阈值进行比较，预设阈值可以包括多个缺陷类型对应的阈值。若最近临点的距离或者最近临面片的距离大于某个缺陷类型对应的预设阈值，则表明实际打印结果与目标模型偏差较大，检测对应的缺陷类型，根据缺陷类型以及计算得到的距离得到当前打印层的偏差数据。
进而可以将当前打印层的偏差数据传输至3D打印系统，3D打印系统可以根据该偏差数据进行后续的打印工作判断，具体可以是根据偏差数据选择对应的偏差处理策略，其中，偏差处理策略可以包括终止打印或者补打印。进一步地，可以根据缺陷类型或者打印方式来选择对应的偏差处理策略。
可选地，将实际点云数据与目标点云数据进行对齐之前，还可以对实际点云数据及目标点云数据分别进行点云预处理，从而将预处理后的实际点云数据与目标点云数据进行对齐。具体地，点云预处理可以包括滤波处理和下采样处理。本实施例中可以通过本领域技术人员已知的滤波处理方式对实际点云数据及目标点云数据分别进行点云预处理。通过滤波处理，能够滤除实际点云数据和目标点云数据中的噪声点。通过下采样处理，既保存了特征数据又大大降低了点云的数量级，提高后续对齐速度，减少迭代计算时间。
传统技术中，是通过提前获取CAD模型进行手动的模型分层切片后，保存为多个数据文件，再手动将各层数据文件转化为目标点云数据文件，最后在每层打印完成并扫描后与保存的当前层目标点云数据文件进行比对。
上述3D打印偏差检测方法中，通过引入G代码，在当前打印层打印完成后，将当前打印层的G代码转换为目标点云数据，将目标点云数据与当前打印层的实际点云数据进行对齐，得到当前打印层的偏差数据，以实现偏差检测。由于G代码生成的目标点云数据与实际点云数据最为接近，同时无需提前获取CAD模型，避免了提前保存的各层目标点云数据文件过多，在后期比较时扫描得到的实际点云数据与目标点云数据文件的对应出错，进而大大提高了3D打印偏差检测的准确性。在线检测系统与3D打印系统共用一套G代码，实现在线打印的同时，实时检测3D打印偏差。另外，在更换或调整CAD模型时，也无需重复将CAD模型转换为目标点云数据文件的步骤，减少了大量的提前准备和重复工作。在线检测系统只关注当前打印层即已打印完成最上层的点云数据，避免了下层部分部位由于上部遮挡产生阴影从而导致部分点云采集不到对偏差检测结果的影响。本方法对于所有的打印缺陷都可检测，同时不受环境光照、温度的影响，检测出的缺陷具有数据支撑，提高打印质量，节省打印材料和时间。
在一个实施例中，当前打印指令数据是3D打印系统获取3D打印件的原始指令数据，并在3D打印过程中从原始指令数据中提取的；其中，原始指令数据是将3D打印件的计算机辅助设计模型转化为三角面片模型，并对三角面片模型进行切片处理得到的。
其中，三角面片模型是指STL(stereolithography)模型。
在3D打印之前，3D打印系统可以获取终端或服务器导入的3D打印件的原始指令数据，该原始指令数据可以是将3D打印件的计算机辅助设计模型(CAD模型)转化为三角面片模型(STL模型)，并对三角面片模型进行切片处理得到的。在3D打印过程中，3D打印系统实际将当前打印的当前G代码传输子在线检测系统。
在本实施例中，由于CAD模型转STL过程中，会对模型进行优化，且该优化具有随机性，因此CAD模型转化的目标点云数据与实际打印后的目标点云数据存在部分差异，而使用G代码生成的目标点云数据与实际打印后的目标点云数据最为接近，由此可提高3D打印偏差检测准确性。同时，3D打印系统与在线检测系统既相互独立又相互关联，G代码实时传输保证了数据的实时性与准确性。
在一个实施例中，将当前打印层的打印指令数据转换为目标点云数据，包括：根据实际扫描间距确定点云间隔；根据所述点云间隔将当前打印层的打印指令数据转换为目标点云数据。
在线检测系统中3D线激光相机中预先设置有实际扫描间距，在线检测系统将实际扫描间距作为目标点云数据的点云间隔，根据该点云间隔将当前打印层的打印指令数据转换为目标点云数据。通过实际扫描间距来设置目标点云数据的点云间隔，能够保证目标点云数据与实际点云数据中点云密度的一致性，能够进一步提高3D打印偏差检测的准确性。
在一个实施例中，获取当前打印层的实际点云数据，包括：在线检测系统中的3D线激光相机对3D打印件进行扫描，得到当前打印层的实际点云数据。
3D打印系统在每一层打印完成后，抬升Z轴，并移动3D打印平台(以下简称“打印平台”)至3D线激光相机距离3D打印件(以下简称“打印件”)的第一位置处，保证3D线激光相机的Y向测量范围覆盖住整个打印件的Y轴宽度。例如，第一位置为X轴负方向5mm处。随后打印平台沿X轴正向匀速移动至超过打印件的第二位置处。例如，第二位置为X轴正方向5mm处。在打印平台移动过程中，3D线激光相机始终保持采样。从打印件左侧5mm开始移动至打印件右侧5mm结束移动，能够让打印平台的加减速区间避开打印件，使3D线激光相机在打印件表面均匀采样。
3D线激光相机对打印件进行扫描，采集线激光因打印件表面轮廓的起伏变化而产生变形的图像，提取每一幅图像上光条纹的中心位置，得到其在图像坐标系的像素坐标，通过成像模型所得的坐标系的变换关系和光平面方程计算出每一幅图像中光条纹中心的三维坐标，将全部图像中光条纹中的三维坐标按打印平台运动方向和实际扫描间距进行拼接获得实际点云数据。
进一步地，在获得实际点云数据的过程中，需要将当前打印层的G代码按行解析，并读取当前打印层的z坐标，以计算得到每一幅图像中光条纹中心的三维坐标。具体步骤如下：
S1.从首行G代码开始取(x，y)坐标，作为起点存入(x0，y0)。
S2.取下一行G代码的(x，y)坐标，计算该点坐标与起点坐标的x轴方向及y轴方向的垂直距离，并取最大值md＝max(|x-x0|，|y-y0|)。
S3.计算间隔采样系数k＝ceil(md/d)，其中，d为扫描间隔。
S4.取i＝1，
xx(i)＝round[x-(k-i)*(x-x0)/k]
yy(i)＝round[y-(k-i)*(y-y0)/k]
每次执行完上述步骤后i自加1，重复执行以上步骤直至至i＝k，并保存所有[xx(i),yy(i)]点。
S5.将(x，y)坐标值覆盖(x0，y0)作为新的起点坐标。
S6.继续跳转至S2执行下一行G代码，直至当前打印层G代码处理完毕。
S7.将S4所有保存的点以及当前层高z组合成的三维坐标[xx(i),yy(i)，z]按照pcd点云文件的格式要求保存为pcd文件。
在本实施例中，实际点云数据的采集采用3D线激光相机，实现非接触测量，且3D线激光相机具有结构简单、精度高、能量集中、单色不易受环境光干扰、成像速度快等优势，保证了在线检测系统的稳定性与实时性。
在一个实施例中，如图3所示，将实际点云数据与目标点云数据进行对齐，得到当前打印层的偏差检测结果，包括：
步骤302，将实际点云数据与目标点云数据进行粗配准，得到初始变换矩阵。
步骤304，根据初始变换矩阵将实际点云数据与目标点云数据进行精配准，得到目标变换矩阵。
步骤306，根据目标变换矩阵，确定实际点云数据到目标点云数据中各点的最近临点的距离或者最近临面片的距离。
步骤308，将最近临点的距离或者最近临面片的距离与预设阈值进行比较，得到当前打印层的偏差数据。
其中，初始变换矩阵是指粗配准后得到的实际点云数据与目标点云数据之间的变换矩阵。目标变换矩阵是指精配准后得到的实际点云数据与目标点云数据之间的变换矩阵。目标变换矩阵的准确性高于初始变换矩阵。最近临点是指距离最近的点。最近临面片是指距离最近的面片。
具体地，在线检测系统分别计算实际点云数据与目标点云数据的曲面法线数据与FPFH(Fast Point Feature Histograms，快速点特征直方图)特征描述子。根据实际点云数据与目标点云数据的曲面法线数据与FPFH特征描述子，将实际点云数据与目标点云数据进行粗配准，得到初始变换矩阵。可选地，粗配准方式可以为SAC-IA(Sample ConsensusInitial Alignment，采样一致性初始配准)算法。初始变换矩阵通常表达为一个4×3的矩阵，其中3×3是旋转矩阵R，1×3是平移向量T。
根据初始变换矩阵将实际点云数据进行坐标变换，得到初始变换点云。将初始变换点云与目标点云数据进行精配准，得到目标变换矩阵。可选地，精配准方式可以为ICP(Iterative Closest Point，迭代最近点)算法。
根据目标变换矩阵将初始变换点云进行坐标变换，得到目标变换点云。针对目标点云数据的每个点，遍历目标变换点云，确定目标变换点云中与该点距离最近的点或面片，即最近临点或最近临面片，计算目标点云数据中该点与最近临点或最近临面片的距离。可选地，可以计算目标点云数据中该点与最近临点或最近临面片的欧式距离。
将目标点云数据的每个点与最近临点或最近临面片的距离与预设阈值进行比较，若存在超过预设阈值的距离，则认为实际打印结果与目标模型偏差较大，根据超过阈值的目标点与对应的最近临点或最近临面片，以及目标点与对应的最近临点或最近临面片的距离得到当前打印层的偏差数据。
本实施例中，先将实际点云数据与目标点云数据进行粗配准，能够在点云相对位姿完全未知的情况下对点云进行配准，可以为精配准提供良好的初始位置。之后将实际点云数据与目标点云数据进行精配准，实现在粗配准的基础上让点云之间的空间位置差别最小化，从而能够准确计算实际点云数据到目标点云数据中各点的最近临点的距离或者最近临面片的距离，进而提高偏差数据的准确性。
由于实际点云数据和目标点云数据的数量级较大，为了提高后续对齐速度，在一个实施例中，在将实际点云数据与目标点云数据进行对齐之前，方法还包括：对实际点云数据和目标点云数据分别进行滤波处理，得到滤波后实际点云和滤波后目标点云；对滤波后实际点云和滤波后目标点云进行下采样处理，得到下采样后实际点云和下采样后目标点云。
具体地，对实际点云数据使用统计滤波+网格滤波进行预处理，对目标点云数据使用直通滤波+网格滤波进行预处理，其中，网格滤波即为下采样处理。
进一步地，由于线激光扫描通常会产生密度不均匀的点云数据集，另外测量中的误差也会产生稀疏的离群点，此时，估计局部点云特征(例如实际点处法向量或曲率变化率)时运算复杂，这会导致出现错误数值，反过来就会导致点云对齐等后期的处理失败。需要对实际点云数据进行统计滤波，以去除离群点，得到滤波后实际点云。统计滤波的过程为：针对实际点云数据中每个点，确定该点的邻域，计算该点到邻域中所有临近点的平均距离。将平均距离在标准范围之外的点作为离群点，从实际点云数据中去除。其中，标准范围由全局距离的平均值和方差定义。
对目标点云数据进行直通滤波，将滤波后的目标点云数据按照当前打印层高进行高程筛选，得到滤波后目标点云。高程筛选是指剔除滤波后的目标点云数据中高度不合理的点集，比如当前目标打印层高为1.0mm，当前实际打印层高为1.0mm±0.1mm，将滤波后的目标点云数据中超出该当前实际打印层高的高度范围的数据都剔除。
分别对滤波后实际点云和滤波后目标点云进行网格滤波：分别根据统计滤波后的实际点云数据和筛选后的目标点云数据创建一个三维体素栅格，每个体素内用体素中所有点的重心来近似显示体素中其他点，这样该体素内所有点都用一个重心点来表示，得到下采样后实际点云和下采样后目标点云。
在本实施例中，通过滤波处理，去除错误以及不合理的点云数据，通过下采样，既保存了点云的形状特征，又大大降低了点云的数量级，提高了后续配准速度，减少迭代计算时间。
在本实施例的一种可选方式中，在3D打印过程中，获取3D打印件的当前打印指令数据之前，该方法还包括：对在线检测系统进行相机标定、光平面标定，以及扫描方向标定。
其中，相机标定是指确定相机的内参和外参的过程。光平面标定是指确定光平面的空间方程的过程。扫描方向标定是指确定扫描方向向量的过程。
在线检测系统包括3D线激光相机。在3D打印偏差检测之前，需要将3D线激光相机垂直安装于3D打印系统中3D打印平台上方的合适高度位置，3D线激光相机采用传递整个测量范围的可对焦沙姆定律光学系统，保证3D线激光相机Z向测量范围覆盖平台3D打印件的高度。
之后，进行在线检测系统的标定工作，包括相机标定、光平面标定，以及扫描方向标定。具体地，相机标定可以采用二维棋盘格标定板，标定算法可以采用张正友标定法，通过移动标定板从不同方位拍摄一系列标定图像，检测图像中的特征点，求解相机的内参和外参。光平面标定步骤为：选取两幅标定板图像，在该图像上定义世界坐标系和临时世界坐标系；线激光打在这两幅标定板上，采集线激光图像，在平面所在坐标系中设定的z＝0下，计算两激光线方程，进而求得激光光平面的三维坐标参数，由原点坐标和法向量矢量确定基准坐标系光平面方程。扫描方向标定具体可以是获取包含有激光条纹位置信息的标定板图像，确定图像中每相邻两条激光条纹的位移，之后根据预设排列方式进行组合获得目标表面的三维信息。
在该可选方式中，通过对在线检测系统分别进行相机标定、光平面标定和扫描方向标定，能够降低系统误差，以进一步提高在线检测系统的检测精度。
在一个实施例中，当前打印层的偏差数据包括缺陷类型；该方法还包括：当当前打印层的偏差数据中的缺陷类型为缺料缺陷时，根据实际点云数据与目标点云数据，得到缺失点云数据；将缺失点云数据发送至3D打印系统；其中，3D打印系统用于将缺失点云数据转换为打印机坐标下的点云数据，将打印机坐标下的点云数据转换为三角面片模型，并对三角面片模型进行切片处理得到补料打印指令数据，根据补料打印指令数据进行补打印。
当前打印层的偏差数据包括缺陷类型，缺陷类型可以包括翘曲、坍塌、缺料、鼓泡、起皱、层间剥离等。对于单纯的缺料缺陷，可以通过补料打印头对缺失部分进行补打印。具体的，若采用FDM(Fused deposition modeling，熔融沉积成型)的3D打印方式，补料方式可为线补料方式；若采用其他3D打印方式，例如SLA、DLP光固化等，补料方式为点或区域补料方式。
进一步地，若实际点云数据与目标点云数据相比缺失较多，并且Z向距离差距超过预先设定的阈值，则实际打印存在缺料缺陷。将目标点云数据集减去实际点云数据集，得到缺失点云数据集，即缺失点云数据。将该数据集发送给3D打印系统并转换为打印机坐标系后，再将打印机坐标系下的该数据集转化为STL模型并利用补料打印头进行切片处理，生成补料的路径规划G代码，并根据补料的路径规划G代码进行加载补料打印，以达到填充缺失部分的效果。
在本实施例中，当实际打印存在缺料缺陷时，可以计算得到缺失点云数据，并根据缺失点云数据进行补打印，能够对缺料缺陷进行纠正，减少打印资源的浪费。
在一个实施例中，当3D打印系统的打印方式为无需支撑材料即可打印悬垂物的非平面切片策略的非平面打印时，由于悬垂物每个打印层不是一个平面，在打印过程中进行逐层检测的方法，使用基于二维图像信息进行缺陷识别检测的拍摄等技术显然无法适用该类非平面检测。同时，普通工业软件进行模型的非平面分层较为麻烦，对于模型的非平面切片的每层目标点云数据文件获取较为困难，但是使用G代码来生成每层目标点云数据较为方便。
当悬垂物的模型单层的Z向厚度超过3D线激光相机Z向测量覆盖范围时，可在3D线激光相机扫描过程中，将Z轴配合模型进行Z方向的补偿运动，保证当前打印层处于3D线激光相机Z向测量覆盖范围内。扫描完成后，在生成实际点云数据时将Z向坐标进行运动补偿即可。
在本实施例中，通过在非平面打印过程中进行Z方向的补偿运动，使得打印得到完整的悬垂物，有利于提高打印效果。
在另一个实施例中，如图4所示，提供了一种3D打印偏差检测方法，该方法包括：
在偏差检测前，需要先对在线检测系统和3D打印系统进行准备工作。具体地，将在线检测系统中的3D线激光相机垂直安装于3D打印系统中3D打印平台上方的合适高度位置，3D线激光相机采用传递整个测量范围的可对焦沙姆定律光学系统，保证3D线激光相机Z向测量范围覆盖平台3D打印件的高度。之后，进行在线检测系统的标定工作，包括相机标定、光平面标定，以及扫描方向标定。通过相机标定得到相机内参和外参。通过光平面标定得到基准坐标系光平面方程。通过扫描方向标定确定图像中每相邻两条激光条纹的位移。同时，还需要在3D打印系统中导入3D打印件的G代码。
3D打印系统开始打印后，实时将原始打印指令数据中的当前G代码传输至在线检测系统。在线检测系统对当前G代码进行解析，识别当前打印层是否打印完成。当识别到当前打印层打印完成后，将当前打印层的G代码转换为当前打印层的目标点云数据。与此同时，3D打印系统在每层打印完成后，抬升Z轴，并将打印平台从3D线激光相机，距离3D打印件左侧5mm处开始移动至打印件右侧5mm结束移动，进行线扫采集，得到线激光因打印件表面轮廓的起伏变化而产生变形的图像，提取每一幅图像上光条纹的中心位置，得到其在图像坐标系的像素坐标(x,y)，通过相机内参计算得到相机坐标(Xc,Yc)，根据相机外参得到基准坐标(Xo,Yo),通过光平面方程计算出每一幅图像中光条纹中心的三维坐标(Xo,Yo,Zo)，将全部图像中光条纹中的三维坐标按打印平台运动方向和实际扫描间距进行拼接获得实际点云数据。
对目标点云数据采用直通滤波+下采样的预处理，对实际点云数据采用统计滤波+网格滤波进行预处理。将预处理后的实际点云数据与目标点云数据进行粗配准，得到初始变换矩阵。根据初始变换矩阵将预处理后的实际点云数据与目标点云数据进行精配准，得到目标变换矩阵。根据目标变换矩阵，确定预处理后的实际点云数据到目标点云数据中各点的最近临点的距离或者最近临面片的距离。将最近临点的距离或者最近临面片的距离与预设阈值进行比较，得到当前打印层的偏差数据。
进而可以将当前打印层的偏差数据传输至3D打印系统，3D打印系统可以根据该偏差数据进行后续的打印工作判断，具体可以是根据偏差数据选择对应的偏差处理策略，其中，偏差处理策略可以包括终止打印。在打印过程中，若偏差数据表明不存在打印缺陷，则在当前层打印完成后，继续下一层的打印及偏差检测步骤，直至打印完成，终止打印。若偏差数据表明打印存在缺陷，则识别该缺陷类型是否能够修复，若能够修复，则解析缺料位置坐标，根据缺料位置坐标进行补料打印，直至当前层打印完成，继续进行下一层的打印以及偏差检测步骤，直至打印完成，终止打印。若打印缺陷无法修复，则直接终止打印。
在本实施例中，通过引入G代码，在当前打印层打印完成后，将当前打印层的G代码转换为目标点云数据，将目标点云数据与当前打印层的实际点云数据进行对齐，得到当前打印层的偏差数据，以实现偏差检测。由于G代码生成的目标点云数据与实际点云数据最为接近，同时无需提前获取CAD模型，避免了提前保存的各层目标点云数据文件过多，在后期比较时扫描得到的实际点云数据与目标点云数据文件的对应出错，进而大大提高了3D打印偏差检测的准确性。在线检测系统与3D打印系统共用一套G代码，实现在线打印的同时，实时检测3D打印偏差。另外，在更换或调整CAD模型时，也无需重复将CAD模型转换为目标点云数据文件的步骤，减少了大量的提前准备和重复工作。在线检测系统只关注当前打印层即已打印完成最上层的点云数据，避免了下层部分部位由于上部遮挡产生阴影从而导致部分点云采集不到对偏差检测结果的影响。本方法对于所有的打印缺陷都可检测，同时不受环境光照、温度的影响，检测出的缺陷具有数据支撑，提高打印质量，节省打印材料和时间。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的3D打印偏差检测方法的3D打印偏差检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个3D打印偏差检测装置实施例中的具体限定可以参见上文中对于3D打印偏差检测方法的限定，在此不再赘述。
在一个实施例中，如图5所示，提供了一种3D打印偏差检测装置，包括：指令获取模块502、第一获取模块504、第二获取模块506和偏差检测模块508，其中：
指令获取模块502，用于在3D打印过程中，获取3D打印件的当前打印指令数据。
第一获取模块504，用于在根据当前打印指令数据识别到当前打印层打印完成后，将当前打印层的打印指令数据转换为目标点云数据。
第二获取模块506，用于获取当前打印层的实际点云数据。
偏差检测模块508，用于将实际点云数据与目标点云数据进行对齐，得到当前打印层的偏差数据。
在一个实施例中，当前打印指令数据是3D打印系统获取3D打印件的原始指令数据，并在3D打印过程中从原始指令数据中提取的；其中，原始指令数据是将3D打印件的计算机辅助设计模型转化为三角面片模型，并对三角面片模型进行切片处理得到的。
在一个实施例中，第一获取模块504还用于根据实际扫描间距确定点云间隔；根据点云间隔将当前打印层的打印指令数据转换为目标点云数据。
在一个实施例中，第二获取模块506还用于在线检测系统中的3D线激光相机对3D打印件进行扫描，得到当前打印层的实际点云数据。
在一个实施例中，偏差检测模块508还用于将实际点云数据与目标点云数据进行粗配准，得到初始变换矩阵；根据初始变换矩阵，将实际点云数据与目标点云数据进行精配准，得到目标变换矩阵；根据目标变换矩阵，确定实际点云数据到目标点云数据中各点的最近临点的距离或者最近临面片的距离；将最近临点的距离或者最近临面片的距离与预设阈值进行比较，得到当前打印层的偏差数据。
在一个实施例中，该装置还包括：
预处理模块，用于对实际点云数据和目标点云数据分别进行滤波处理，得到滤波后实际点云和滤波后目标点云；对滤波后实际点云和滤波后目标点云进行下采样处理，得到下采样后实际点云和下采样后目标点云。
在一个实施例中，该装置还包括：
标定模块，用于对在线检测系统进行相机标定、光平面标定，以及扫描方向标定。
在一个实施例中，该装置还包括：
缺陷处理模块，用于当当前打印层的偏差数据中的缺陷类型为缺料缺陷时，根据实际点云数据与目标点云数据，得到缺失点云数据；将缺失点云数据发送至3D打印系统；其中，3D打印系统用于将缺失点云数据转换为打印机坐标下的点云数据，将打印机坐标下的点云数据转换为三角面片模型，并对三角面片模型进行切片处理得到补料打印指令数据，根据补料打印指令数据进行补打印。
上述3D打印偏差检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储当前打印指令数据、目标点云数据、实际点云数据等。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种3D打印偏差检测方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种3D打印偏差检测方法，其特征在于，应用于在线检测系统；所述方法包括：
在3D打印过程中，获取3D打印件的当前打印指令数据；
在根据所述当前打印指令数据识别到当前打印层打印完成后，将当前打印层的打印指令数据转换为目标点云数据；
获取所述当前打印层的实际点云数据；
将所述实际点云数据与所述目标点云数据进行对齐，得到所述当前打印层的偏差数据。
2.根据权利要求1所述的方法，其特征在于，所述当前打印指令数据是3D打印系统获取所述3D打印件的原始指令数据，并在3D打印过程中从所述原始指令数据中提取的；其中，所述原始指令数据是将所述3D打印件的计算机辅助设计模型转化为三角面片模型，并对所述三角面片模型进行切片处理得到的。
3.根据权利要求1所述的方法，其特征在于，所述将当前打印层的打印指令数据转换为目标点云数据，包括：
根据实际扫描间距确定点云间隔；
根据所述点云间隔将当前打印层的打印指令数据转换为目标点云数据。
4.根据权利要求1所述的方法，其特征在于，所述获取所述当前打印层的实际点云数据，包括：
所述在线检测系统中的3D线激光相机对所述3D打印件进行扫描，得到当前打印层的实际点云数据。
5.根据权利要求1所述的方法，其特征在于，所述将所述实际点云数据与所述目标点云数据进行对齐，得到所述当前打印层的偏差检测结果，包括：
将所述实际点云数据与所述目标点云数据进行粗配准，得到初始变换矩阵；
根据所述初始变换矩阵，将所述实际点云数据与所述目标点云数据进行精配准，得到目标变换矩阵；
根据所述目标变换矩阵，确定所述实际点云数据到所述目标点云数据中各点的最近临点的距离或者最近临面片的距离；
将所述最近临点的距离或者所述最近临面片的距离与预设阈值进行比较，得到所述当前打印层的偏差数据。
6.根据权利要求1所述的方法，其特征在于，在将所述实际点云数据与所述目标点云数据进行对齐之前，所述方法还包括：
对所述实际点云数据和所述目标点云数据分别进行滤波处理，得到滤波后实际点云和滤波后目标点云；
对所述滤波后实际点云和所述滤波后目标点云进行下采样处理，得到下采样后实际点云和下采样后目标点云。
7.根据权利要求1所述的方法，其特征在于，所述在3D打印过程中，获取3D打印件的当前打印指令数据之前，所述方法还包括：
对所述在线检测系统进行相机标定、光平面标定，以及扫描方向标定。
8.根据权利要求1所述的方法，其特征在于，所述当前打印层的偏差数据包括缺陷类型；所述方法还包括：
当所述当前打印层的偏差数据中的缺陷类型为缺料缺陷时，根据所述实际点云数据与所述目标点云数据，得到缺失点云数据；
将所述缺失点云数据发送至3D打印系统；其中，所述3D打印系统用于将所述缺失点云数据转换为打印机坐标下的点云数据，将所述打印机坐标下的点云数据转换为三角面片模型，并对所述三角面片模型进行切片处理得到补料打印指令数据，根据所述补料打印指令数据进行补打印。
9.一种3D打印偏差检测装置，其特征在于，所述装置包括：
指令获取模块，用于在3D打印过程中，获取3D打印件的当前打印指令数据；
第一获取模块，用于在根据所述当前打印指令数据识别到当前打印层打印完成后，将当前打印层的打印指令数据转换为目标点云数据；
第二获取模块，用于获取所述当前打印层的实际点云数据；
偏差检测模块，用于将所述实际点云数据与所述目标点云数据进行对齐，得到所述当前打印层的偏差数据。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
CN202310642049.6A 2023-05-31 2023-05-31 3d打印偏差检测方法、装置和计算机设备 Pending CN116638766A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310642049.6A CN116638766A (zh) 2023-05-31 2023-05-31 3d打印偏差检测方法、装置和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310642049.6A CN116638766A (zh) 2023-05-31 2023-05-31 3d打印偏差检测方法、装置和计算机设备

Publications (1)

Publication Number Publication Date
CN116638766A true CN116638766A (zh) 2023-08-25

Family

ID=87615124

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310642049.6A Pending CN116638766A (zh) 2023-05-31 2023-05-31 3d打印偏差检测方法、装置和计算机设备

Country Status (1)

Country Link
CN (1) CN116638766A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117268738A (zh) * 2023-11-20 2023-12-22 季华实验室 喷嘴检测方法、装置、设备以及存储介质
CN117474920A (zh) * 2023-12-27 2024-01-30 深圳鼎力数码科技有限公司 打印缺陷的识别方法、装置、设备及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117268738A (zh) * 2023-11-20 2023-12-22 季华实验室 喷嘴检测方法、装置、设备以及存储介质
CN117268738B (zh) * 2023-11-20 2024-03-12 季华实验室 喷嘴检测方法、装置、设备以及存储介质
CN117474920A (zh) * 2023-12-27 2024-01-30 深圳鼎力数码科技有限公司 打印缺陷的识别方法、装置、设备及存储介质
CN117474920B (zh) * 2023-12-27 2024-02-27 深圳鼎力数码科技有限公司 打印缺陷的识别方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
Lin et al. Online quality monitoring in material extrusion additive manufacturing processes based on laser scanning technology
US11042146B2 (en) Automated 360-degree dense point object inspection
CN116638766A (zh) 3d打印偏差检测方法、装置和计算机设备
CN106709947B (zh) 一种基于rgbd相机的三维人体快速建模系统
CN107672180B (zh) 一种基于逆向工程技术的3d打印精度检测方法
EP3404612B1 (en) Monitoring object shape and deviation from design
EP3963414A2 (en) Automated 360-degree dense point object inspection
CN102105908B (zh) 用于制造母型模具的方法和装置
Charalampous et al. Vision-based real-time monitoring of extrusion additive manufacturing processes for automatic manufacturing error detection
CN111127422A (zh) 图像标注方法、装置、系统及主机
CN110992422B (zh) 一种基于3d视觉的药盒姿态估计方法
US20230267593A1 (en) Workpiece measurement method, workpiece measurement system, and program
Sansoni et al. Optoranger: A 3D pattern matching method for bin picking applications
CN111523547A (zh) 一种3d语义分割的方法及终端
CN115187612A (zh) 一种基于机器视觉的平面面积测量方法、装置及系统
CN114612412A (zh) 三维点云数据的处理方法及其用途、电子设备、存储介质
CN115139535B (zh) 基于三维重建技术的3d打印机逆反馈检测方法及系统
CN116309882A (zh) 一种面向无人叉车应用的托盘检测和定位方法及系统
CN115583030A (zh) 一种构件增材制造时内部三维缺陷在线检测方法及装置
CN112016354B (zh) 一种基于视觉识别的运粮车粮箱装载状态检测方法
Percoco et al. 3D image based modelling for inspection of objects with micro-features, using inaccurate calibration patterns: an experimental contribution
CN117541537B (zh) 基于全景点云融合技术的时空差异检测方法及其系统
JP2013254300A (ja) 画像処理方法
CN117934606A (zh) 抓取位置确定方法、装置、计算机设备和存储介质
US20230029302A1 (en) Object deformation determination

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