DE102021106431A1

DE102021106431A1 - Defekterkennung in der additiven Fertigung

Info

Publication number: DE102021106431A1
Application number: DE102021106431.7A
Authority: DE
Inventors: auf Antrag nicht genannt. Erfinder
Original assignee: Forty2 Tech GmbH; Forty2 Technologies GmbH
Current assignee: FORTY2 TECHNOLOGIES GMBH, DE
Priority date: 2021-03-16
Filing date: 2021-03-16
Publication date: 2022-09-22

Abstract

Die vorliegende Erfindung betrifft eine Vorrichtung und ein Verfahren zur Defekterkennung in der additiven Fertigung und betrifft insbesondere die Defekterkennung während des Vorgangs der additiven Fertigung.Offenbart wird ein Verfahren zur Erkennung von Fertigungsfehlern während additiver Fertigung eines Fertigungsobjekts, das die Schritte aufweist: Vorsehen eines Erfassungslasersystems an oder in einem Bauraum der additiven Fertigungsvorrichtung Fertigung des Fertigungsobjektes in mehreren Fertigungsschritten mittels eines Fertigungslasers in dem Bauraum der additiven Fertigungsvorrichtung, Verwendung eines Lasers in einem Bauraum einer additiven Fertigungsvorrichtung zur Ermittlung von Eigenschaften eines Fertigungsobjekts.

Description

Die vorliegende Erfindung betrifft eine Vorrichtung und ein Verfahren zur Defekterkennung in der additiven Fertigung und betrifft insbesondere die Defekterkennung während des Vorgangs der additiven Fertigung.
Metallische additive Fertigung (3D Druck) beschreibt Fertigungsverfahren metallischer Bauteile, bei denen Material Schicht für Schicht aufgetragen und so dreidimensionale Gegenstände erzeugt werden. Bei einem davon, dem selektiven Laserschmelzen (SLM) oder auch Laser Powder Bed Fusion Verfahren (LPBF) genannt, wird dabei ein metallisches Pulver schichtweise derart verschmolzen, bis es die gewünschte Geometrie hat. Dieses Fertigungsverfahren erlaubt, komplexe Geometrien aus einem Teil herzustellen, für die in der konventionellen Fertigung bspw. im CNC Verfahren mehrere Bauteile produziert und miteinander verbunden werden müssen. Das Verfahren ist darüber hinaus insbesondere bei der Fertigung von Kleinserien hin zur Losgröße 1 kostengünstig. Ein weiteres Verfahren, für das sich die Defekterkennung ebenso anwenden lässt, ist die sogenannte Direct Energy Deposition Methode, bei der entweder ein Draht oder Pulver verschmolzen wird, um so komplexe Geometrien aufzubauen.
Eine Herausforderung ist die frühzeitige Fehlererkennung, die Reproduzierbarkeit und die Zertifizierung von Maschinen und Bauteilen, welche insbesondere in der Luftfahrtindustrie von großer Bedeutung ist. Verfahren aus dem Stand der Technik setzen bspw. auf Computertomographiescans, d.h. das bereits produzierte Bauteil wird mittels eines Computertomographen gescannt und nach Fehlern untersucht. Einerseits ist das Verfahren teuer, da entweder der Computertomographiescanner erforderlich ist oder aber ein zeitaufwendiger Transport zu einem Anbieter für Computertomographiescans notwendig ist. Beide Fälle verteuern die Produktion. Andere Verfahren aus dem Stand der Technik setzen auf die optische Kontrolle durch im Drucker angebrachte Kameras mit in der Druckkammer angebrachte Temperaturmesseinheiten, um die Temperatur im Schmelzbad (melting pool) zu überwachen. Optische Verfahren sind einerseits fehleranfällig, da sie vom Bediener, d.h. dessen Erfahrung und Konzentrationsfähigkeit, abhängig sind. Zum anderen können mit diesem Verfahren, wie auch im CT-Scan, Fehler nur ex post, nach Abschluss des Fertigungsprozesses erkannt werden. Metallische Legierungen die bspw. in der Luftfahrt eingesetzt werden, kosten teilweise mehr als 800US$/kg. Wenn ein Fehler nach der Herstellung gefunden wird, ist das Pulver verloren, was die Herstellungskosten, abhängig von der Defektrate, weiterhin erhöht. Fehlererkennung mittels temperaturbasierter Verfahren sind fehleranfällig basieren auf Heuristiken und sind nicht oder nur teil-automatisiert, d.h. ein menschlicher Entscheider muss letztendlich den Fehler erkennen.
Daher ist ein Verfahren erstrebenswert, welches in-situ, das heißt während des Fertigungsprozesses, vollautomatisiert Fehler erkennt, anzeigt und, ggf., die Prozessparameter so korrigiert, dass der Druck entweder erfolgreich abgeschlossen wird oder aber der Druck vollständig oder teilweise abgebrochen wird, wenn ein Fertigungsdefekt festgestellt wird. Ein solches Verfahren kann die Druckkosten maßgeblich senken und zugleich die Herstellungsdauer reduzieren.
Es ist Aufgabe der Erfindung, die Nachteile aus dem Stand der Technik zu beseitigen und eine Vorrichtung und ein Verfahren bereitzustellen, die die in-situ-Defekterkennung bei additiver Fertigung ermöglicht.
Im Folgenden werden relevante Defekttypen in der additiven Fertigung erläutert.
Porosität und Dichte: Porosität wird durch kleine Vertiefungen oder Löcher beschrieben, die sich im Bauteil gebildet haben und damit die Materialdichte im betrachteten Abschnitt reduzieren. Die Reduktion der Dichte führt dazu, dass das Bauteil schneller ermüdet und schließlich bricht. Die Löcher sind oftmals fast sphärisch und kleiner als 100µm. Des Weiteren verteilen sich die Vertiefungen fast gleich über eine bestimmte Fläche. Die Gründe, warum Porosität entsteht, sind vielfältig, involvieren u.a. aber im atomisierten Pulver eingeschlossene Gasblasen, die aufgrund zu geringer Strahlungsleistung des Lasers nicht verdrängt werden und damit eine vollständige Verschmelzung des Pulvers verhindern.
Unvollständige Verschmelzung (Incomplete Fusion Holes): Einzelne Schichten oder Hatches verschmelzen unvollständig und bilden verschieden geformte Löcher. Die Löcher haben keine klare Struktur wie bei der Porosität.
Rissbildung, Delamination und Verzug: Spannung, die in einem Bauteil durch das schnelle Erhitzen und Abkühlen entsteht, kann zu Defekten wie Rissbildung (Cracking), d.h. es gibt Brüche im Bauteil, Delamination, d.h. die gefertigten Schichten lösen sich voneinander oder aber zu Verzug (Warpage), d.h. Oberfläche biegen sich, führen. Rissbildung, Delamination und Verzug unterscheiden sich von den o.g. Defekttypen durch ihre großflächige Ausbreitung, können aber durch ein Vorliegen o.g. Defekte induziert werden. Durch die Simulation des additiven Fertigungsprozesses mittels Finite-Elemente-Methoden (FEM) können die hier genannten Defekte zumindest teilweise vorhergesagt werden, dies betrifft insbesondere den Verzug und die Temperaturausbreitung. Entsprechende Gegenmaßnahmen wie die Verstärkung der Stützstruktur (Support) können somit getroffen werden.
Oberflächenbeschaffenheit (Surface Finishing): der Druckprozess hinterlässt auf Bauteilen eine bestimmte Oberflächenrauigkeit, welche maßgeblich vom Material, der Schichtstärke und den verwendeten Druckparametern abhängt. Das Sandstrahlen von Bauteilen in der Nachbearbeitung ist Standard, aber auch elektrochemische Nachbearbeitung wird angewendet. Eine unzureichende Verschmelzung durch den Laser kann zu optisch ungenügenden Oberflächen führen, welche selbst durch Nachbearbeitungsschritte nicht entfernt werden können.
Die Aufgabe wird gelöst durch die Lehre der nebengeordneten Ansprüche.
Vorteilhafte Weiterbildungen sind Gegenstand der abhängigen Ansprüche.
In einem ersten Offenbarungsgegenstand wird ein Verfahren zur Erkennung von Fertigungsfehlern während der additiven Fertigung eines Fertigungsobjekts offenbart, das die Schritte aufweist, Vorsehen eines Kamerasystems an oder in einem Bauraum einer additiven Fertigungsvorrichtung, Bestimmen eines Kamerasystempfades des Kamerasystems während der Fertigung des Fertigungsobjekts, Fertigung des Fertigungsobjektes in mehreren Fertigungsschritten, wobei während der Fertigung das Kamerasystem den Kamerasystempfad abfährt und an vorbestimmten Positionen Bildaufnahmen des Fertigungsobjekts aufnimmt und abspeichert, Ermitteln einer Bildtiefenkarte für mindestens eine Sequenz aus mindestens zwei Bildaufnahmen, Ermitteln einer Gesamttiefenkarte aus allen Bildtiefenkarten für einen Fertigungsschritt, Ermitteln einer 3-dimensionalen Ausgestaltung des Fertigungsobjekts aus der Gesamttiefenkarte.
Ferner wird offenbart, dass das Verfahren ferner die Schritte aufweist: Abgleich der 3-dimensionalen Ausgestaltung mit einer 3-dimensionalen Soll-Ausgestaltung, Ermittlung von Abweichungen zwischen der 3-dimensionalen Ausgestaltung und der 3-dimensionalen Soll-Ausgestaltung, Bewertung der im Abweichungsermittlungsschritt ermittelten Abweichung, wenn Abweichungen ermittelt werden, Ausgabe einer Abweichungsbewertung.
Ferner wird offenbart, dass das Kamerasystem ein Stereokamerasystem ist, das zeitgleich zwei Bildaufnahmen des Fertigungsobjekts aufnimmt, abspeichert und die Ermittlung der lokalen Tiefenkarte aus den zwei zeitgleich aufgenommenen Bildern ermittelt.
Ferner wird offenbart, dass der Bildtiefenkarten-Ermittlungsschritt, der Gesamttiefenkartenermittlungsschritt, der 3-dimensionale-Ausgestaltungs-Ermittlungsschritt, der Abgleichschritt, der Abweichungsermittlungsschritt und/oder der Bewertungsschritt nach Abschluss der Fertigung des Fertigungsobjekts erfolgen.
Ferner wird offenbart, dass der Lokale-Tiefenkarten-Ermittlungsschritt, der Globale-Tiefenkartenermittlungsschritt, der 3-dimensionale-Ausgestaltungs-Ermittlungsschritt, der Abgleichschritt, der Abweichungsermittlungsschritt und/oder der Bewertungsschritt nach Abschluss eines der Fertigungsschritte der Fertigung des Fertigungsobjekts erfolgen.
Ferner wird offenbart, dass im 3-Dimensionale-Ausgestaltungs-Ermittlungsschritt die globalen Tiefenkarte mehrerer Fertigungsschritte berücksichtigt werden.
Ferner wird offenbart, dass die Anzahl der berücksichtigten Fertigungsschritte n > 20 und n < 100 ist.
Ferner wird offenbart, dass im Lokale-Tiefenkarten-Ermittlungsschritt die lokale Tiefenkarte dadurch ermittelt wird, dass eine erste Bildaufnahme so transformiert wird, dass sie einer zweiten Bildaufnahme entspricht und bei der Transformation die lokale Tiefenkarte durch einen Tiefenkartenbestimmungsalgorithmus aus der Klasse der überwachten oder selbstüberwachten Machine-Learning Verfahren erzeugt wird.
Ferner wird offenbart, dass der Tiefenkartenbestimmungsalgorithmus durch Anlernen eines künstlichen neuronalen Netzes mittels mindestens einer bekannten ersten Bildaufnahme, einer bekannten zweiten Bildaufnahme und einer bekannten lokalen Tiefenkarte erfolgt.
Ferner wird offenbart, dass bei der Transformation der ersten Bildaufnahme in die zweite Bildaufnahme die Geschwindigkeit, mit der sich das Kamerasystem bewegt berücksichtigt wird.
Ferner wird offenbart, dass die Position, die Positionsänderung, Ausrichtung oder die Ausrichtungsänderung des Kamerasystems erfasst wird und bei der Transformation der ersten Bildaufnahme in die zweite Bildaufnahme die Position, die Positionsänderung, Ausrichtung oder die Ausrichtungsänderung des Kamerasystems als Eingangsgröße aufgenommen und daraus die Tiefenkarte ermittelt wird.
Ferner wird offenbart, dass die Kameraposition aus den Pfadinformationen, der relativen Verschiebung der Bildaufnahmen, durch Positionssensorinformationen oder durch Informationen aus den Drehgebern der Stellmotoren des Kamerasystems ermittelt wird.
Ferner wird offenbart, dass im 3-dimensionale-Ausgestaltungs-Ermittlungsschritt die 3-dimensionale Ausgestaltung durch Anwendung der Algorithmen wie z.B. Powercrust, Marching cube, Poisson Surface Reconstruction oder Hoppes Reconstruction erfolgt.
Ferner wird offenbart, dass das Kamerasystem Licht im Infrarotbereich, insbesondere im nahen Infrarotbereich erfassen kann, und dass ferner den Schritt aufweist: Erfassen einer Temperaturkarte des Fertigungsobjekts während eines Fertigungsschritts.
Ferner wird offenbart, dass eine Vorrichtung zur additiven Fertigung eingerichtet ist, ein Verfahren nach einem der vorhergehenden Ansprüche auszuführen.
In einem zweiten Offenbarungsgegenstand wird ein Verfahren zur Erkennung von Fertigungsfehlern während additiver Fertigung eines Fertigungsobjekts offenbart, das die Schritte aufweist: Vorsehen eines Erfassungslasersystems an oder in einem Bauraum der additiven Fertigungsvorrichtung Fertigung des Fertigungsobjektes in mehreren Fertigungsschritten mittels eines Fertigungslasers in dem Bauraum der additiven Fertigungsvorrichtung, Verwendung eines Lasers in einem Bauraum einer additiven Fertigungsvorrichtung zur Ermittlung von Eigenschaften eines Fertigungsobjekts.
Ferner wird offenbart, dass die ermittelten Eigenschaften eine 3-dimensionale Ausgestaltung und/oder eine Oberflächentemperatur sind.
Ferner wird offenbart, dass das Verfahren ferner die Schritte aufweist: Abgleich der 3-dimensionalen Ausgestaltung mit einer 3-dimensionalen Soll-Ausgestaltung, Ermittlung von Abweichungen zwischen der 3-dimensionalen Ausgestaltung und der 3-dimensionalen Soll-Ausgestaltung,
Ferner wird offenbart, dass das Verfahren ferner die Schritte aufweist: Bewertung der im Abweichungsermittlungsschritt ermittelten Abweichung, wenn eine Abweichung ermittelt wird, Ausgabe einer Abweichungsbewertung.
Ferner wird offenbart, dass die 3-dimensionale Ausgestaltung mittels gepulster Distanzmessung, AMCW-Distanzmessung oder FMCW-Distanzmessung erfolgt.
Ferner wird offenbart, dass der Erfassungslaser der Fertigungslaser der additiven Fertigungsvorrichtung ist.
Ferner wird offenbart, dass der Erfassungslaser ein Laser separat von dem Fertigungslaser der additiven Fertigungsvorrichtung ist.
Ferner wird offenbart, dass das Verfahren ferner die Schritte aufweist: Vorsehen eines teilspiegelnden Spiegels, der so angeordnet ist, dass ein Strahl des Lasers von der transparenten Seite hindurchtritt und ein von dem Fertigungsobjekt reflektierter Strahl von dem teilspiegelnden Spiegel reflektiert wird, Vorsehen eines fixen Spiegels, wobei die Oberflächen des teilspiegelnden Spiegels und des fixen Spiegels so ausgestaltet sind, dass ein von dem Fertigungsobjekt reflektierter Strahl auf einen eindimensionalen, vorzugsweise kreisförmigen Bereich reflektiert wird, und Vorsehen von mindestens einem Sensor an dem eindimensionalen Bereich, der eingerichtet ist, den reflektierten Strahl zu erfassen.
Ferner wird offenbart, dass die Oberflächen des teilspiegelnden Spiegels und des fixen Spiegels quasi-parabolisch ausgestaltet sind.
Ferner wird offenbart, dass das Verfahren ferner die Schritte aufweist: Vorsehen eines um eine erste Achse rotierenden Reflektors, Vorsehen eines fixen Spiegels, der senkrecht zur ersten Achse kreissegmentförmig ausgestaltet ist, und so angeordnet ist, dass sich der rotierende Reflektor im Kreissegmentmittelpunkt befindet und eine solche Oberfläche aufweist, dass zum Kreissegment radial verlaufender Strahl parallel zur ersten Achse reflektiert wird und auf eine Bauschicht fokussiert wird, Vorsehen einer Laserempfangsvorrichtung, Rotieren des rotierenden Reflektors um die erste Achse, Richten eines Laserstrahls auf den rotierenden Reflektor, Reflektieren des Laserstrahls durch den rotierenden Reflektor in Richtung des fixen Spiegels, Reflektieren des Laserstrahls durch den fixen Spiegel in Richtung des Fertigungsobjekts, Reflektieren des Laserstrahls durch das Fertigungsobjekt in Richtung des fixen Spiegels, Reflektieren des reflektierten Laserstrahls durch den fixen Spiegel in Richtung des rotierenden Reflektors, Reflektieren des reflektieren Laserstrahls durch den rotierenden Reflektor zu einem Laserempfänger, Erfassen des reflektieren Laserstrahls durch die Laserempfangsvorrichtung.
Ferner wird eine Vorrichtung zur additiven Fertigung offenbart, die eingerichtet ist, ein Verfahren nach den vorhergehenden Verfahrensansprüchen auszuführen.
Ferner wird offenbart, dass die Vorrichtung ferner aufweist: eine Laserempfangsvorrichtung, die eingerichtet ist, einen von einem Werkstück reflektierten Laser-Strahl zu empfangen, eine Berechnungseinheit, die eingerichtet ist, aus Ausrichtung, Intensität, Frequenz, Modulation oder Empfangszeit eine Laufzeit des Lasers ab dessen Emission zu bestimmen und damit die Abmessungen des Werkstücks zu bestimmen.
Ferner wird offenbart, dass die Vorrichtung ferner aufweist: einen Laseremitter, der so angeordnet und eingerichtet ist, einen Laserstrahl zu emittieren, mittels dem im Zusammenspiel mit der Laserempfangsvorrichtung eine Laufzeit des Lasers ab dessen Emission zu bestimmen und damit die Abmessungen des Werkstücks zu bestimmen.
Ferner wird offenbart, dass die Vorrichtung aufweist: eine Anordnung optisch wirksamer Elemente, die so ausgestaltet ist, dass der Laserstrahl im Erfassungsbereich senkrecht auf die Bauschicht auftrifft.
Ferner wird offenbart, dass die Vorrichtung aufweist: einen um eine erste Achse rotierbaren Reflektors, einen fixen Spiegel, der senkrecht zur ersten Achse kreissegmentförmig ausgestaltet ist, und so angeordnet ist, dass sich der rotierbare Reflektor im Kreissegmentmittelpunkt befindet und eine solche Oberfläche aufweist, dass ein zum Kreissegment radial verlaufender Strahl parallel zur ersten Achse reflektiert wird und auf eine Bauschicht fokussiert wird.
In einem dritten Offenbarungsgegenstand wird ein Verfahren zur Verhinderung von Fertigungsfehlern während additiver Fertigung eines Fertigungsobjekts offenbart, das die Schritte aufweist: Vorsehen eines Erfassungssystems in der additiven Fertigungsvorrichtung zur Erfassung mindestens einer Eigenschaft des Fertigungsobjekts, Fertigung des Fertigungsobjektes in mehreren Fertigungsschritten, wobei während der Fertigung das Erfassungssystem die mindestens eine Eigenschaft des Fertigungsobjekts ermittelt, Abgleich der mindestens einen Eigenschaft mit einem Sollzustand der Eigenschaft, Ermittlung von Abweichungen zwischen der mindestens einen Eigenschaft und dem Sollzustand der Eigenschaft, Bewertung der im Abweichungsermittlungsschritt ermittelten Abweichung, wenn Abweichungen ermittelt werden, Ermittlung einer Anpassung von mindestens einem Prozessparameter, basierend auf der im Abweichungsermittlungsschritt ermittelten Abweichung zur Reduktion der Abweichung im weiteren Fertigungsfortgang, Anwendung der im Anpassungsermittlungsschritt ermittelten Anpassung des mindestens einem Prozessparameters.
Ferner wird offenbart, dass der mindestens eine Prozessparameter einer oder mehrere aus der Gruppe von Bauraumtemperatur, Fertigungslaserintensität oder Fertigungsgeschwindigkeit ist.
Ferner wird offenbart, dass das Erfassungssystem ein Kamerasystem und/oder ein Projektor-Kamerasystem und/oder ein Lasererfassungssystem zur Erfassung einer dreidimensionalen Ausgestaltung des Fertigungsobjekts oder zur Erfassung einer Oberflächentemperatur des Fertigungsobjekts ist.
Ferner wird offenbart, dass die Ermittlung der Anpassung im Anpassungsermittlungsschritt mittels eines modellfreien Algorithmus erfolgt.
Ferner wird offenbart, dass die Ermittlung der Anpassung im Anpassungsermittlungsschritt mittels eines künstlichen neuronalen Netzes zur Modellierung von Übergangswahrscheinlichkeiten oder optimalen Handlungssequenzen erfolgt. Als eine Handlung wird dabei die Anpassung eines Prozessparameters infolge einer Veränderung in einer Zustandsvariable (state variable), bspw. der Temperatur im Schmelzpool, verstanden.
Ferner wird offenbart, dass die Ermittlung der Anpassung im Anpassungsermittlungsschritt mittels eines modellbasierten Algorithmus erfolgt.
Ferner wird offenbart, dass die Ermittlung der Anpassung im Anpassungsermittlungsschritt mittels eines künstlichen neuronalen Netzes zur Modellierung von optimierten Sequenzen von Änderungen von Prozessparametern basierend auf einer Systemmodellierung zur Überführung der additiven Fertigungsvorrichtung von einem Ist-Zustand in einen Soll-Zustand erfolgt.
Ferner wird offenbart, dass für dynamische Randomisierung und Domain-Randomisierung (Dynamics / Domain Randomization) Umweltparameter während einer Systemsimulation variiert werden, um das künstliche neuronale Netz zu höherer Generalisierung zu zwingen.
Offenbart wird eine Vorrichtung zur additiven Fertigung, die eingerichtet ist, ein Verfahren nach den vorhergehenden Verfahrensansprüchen auszuführen.
In einem vierten Offenbarungsgegenstand wird ein Verfahren zur Erkennung von Fertigungsfehlern während der additiven Fertigung eines Fertigungsobjekts offenbart, das die Schritte aufweist: Vorsehen eines Kamerasystems an oder in einem Bauraum einer additiven Fertigungsvorrichtung bestimmen eines Kamerasystempfades des Kamerasystems während der Fertigung des Fertigungsobjekts in mehreren Fertigungsschritten, wobei während der Fertigung das Kamerasystem den Kamerasystempfad abfährt und an vorbestimmten Positionen Bildaufnahmen des Fertigungsobjekts aufnimmt und abspeichert, Ermitteln einer Bildtiefenkarte für mindestens eine Sequenz aus mindestens zwei Bildaufnahmen, Ermitteln einer Gesamttiefenkarte aus allen Bildtiefenkarten für einen Fertigungsschritt, Ermitteln einer 3-dimensionalen Ausgestaltung des Fertigungsobjekts aus der Gesamttiefenkarte, Verwendung eines Lasers zum Abtasten einer Bauschicht in dem Bauraum einer additiven Fertigungsvorrichtung zur Ermittlung von Eigenschaften eines Fertigungsobjekts.
Ferner wird offenbart, dass die ermittelten Eigenschaften eine 3-dimensionale Ausgestaltung und/oder eine Oberflächentemperatur sind.
Ferner wird offenbart, dass das Verfahren ferner die Schritte aufweist: Abgleich der 3-dimensionalen Ausgestaltung mit einer 3-dimensionalen Soll-Ausgestaltung, Ermittlung von Abweichungen zwischen der 3-dimensionalen Ausgestaltung und der 3-dimensionalen Soll-Ausgestaltung, Bewertung der im Abweichungsermittlungsschritt ermittelten Abweichung, wenn Abweichungen ermittelt werden, Ausgabe einer Abweichungsbewertung.
Ferner wird offenbart, dass das Verfahren ferner die Schritte aufweist: Abgleich der 3-dimensionalen Ausgestaltung mit einer 3-dimensionalen Soll-Ausgestaltung, Ermittlung von Abweichungen zwischen der 3-dimensionalen Ausgestaltung und der 3-dimensionalen Soll-Ausgestaltung, Bewertung der im Abweichungsermittlungsschritt ermittelten Abweichung, wenn Abweichungen ermittelt werden, Ausgabe einer Abweichungsbewertung.
Ferner wird offenbart, dass das Kamerasystem ein Stereokamerasystem ist, das zeitgleich zwei Bildaufnahmen des Fertigungsobjekts aufnimmt, abspeichert und die Ermittlung der lokalen Tiefenkarte aus den zwei zeitgleich aufgenommenen Bildern ermittelt wird.
Ferner wird offenbart, dass die ermittelten Eigenschaften eine 3-dimensionale Ausgestaltung und/oder eine Oberflächentemperatur sind.
Ferner wird offenbart, dass das Verfahren ferner den Schritt aufweist: Kalibrieren des Lasers mittels einer durch das Kamerasystem erzeugten Bildaufnahme, Erzeugung einer Laser-Disparitätskarte (Disparity Map) aus den mit dem Laser ermittelten Daten für den gleichen Bildausschnitt wie der durch das Kamerasystem aufgenommenen Bildaufnahme, Erzeugen einer Bild-Disparity Map aus den mit dem Kamerasystem ermittelten Daten, Erzeugen einer Gesamt-Disparity Map aus der Laser-Disparity Map und der Bild-Disparity Map. Erzeugen einer 3-dimensionalen Ausgestaltung des Fertigungsobjekts basierend auf der Gesamt-Disparity Map.
Ferner wird offenbart, dass das Verfahren ferner die Schritte aufweist: Vorsehen eines teilspiegelnden Spiegels, der so angeordnet ist, dass ein Strahl des Lasers von der transparenten Seite hindurchtritt und ein von dem Fertigungsobjekt reflektierter Strahl von dem teilspiegelnden Spiegel reflektiert wird, Vorsehen eines fixen Spiegels, wobei die Oberflächen des teilspiegelnden Spiegels und des fixen Spiegels so ausgestaltet sind, dass ein von dem Fertigungsobjekt reflektierter Strahl auf einen eindimensionalen, vorzugsweise kreisförmigen Bereich reflektiert wird, und Vorsehen von mindestens einem Sensor an dem eindimensionalen Bereich, der eingerichtet ist, den reflektierten Strahl zu erfassen.
Ferner wird offenbart, dass die Oberflächen des teilspiegelnden Spiegels und des fixen Spiegels quasi-parabolisch ausgestaltet sind.
Ferner wird offenbart, dass das Verfahren ferner die Schritte aufweist: Vorsehen eines um eine erste Achse rotierenden Reflektors, Vorsehen eines fixen Spiegels, der senkrecht zur ersten Achse kreissegmentförmig ausgestaltet ist, und so angeordnet ist, dass sich der rotierende Reflektor im Kreissegmentmittelpunkt befindet und eine solche Oberfläche aufweist, dass zum Kreissegment radial verlaufender Strahl parallel zur ersten Achse reflektiert wird und auf eine Bauschicht fokussiert wird, Vorsehen einer Laserempfangsvorrichtung, Rotieren des rotierenden Reflektors um die erste Achse, Richten eines Laserstrahls auf den rotierenden Reflektor, Reflektieren des Laserstrahls durch den rotierenden Reflektor in Richtung des fixen Spiegels, Reflektieren des Laserstrahls durch den fixen Spiegel in Richtung des Fertigungsobjekts, Reflektieren des Laserstrahls als reflektieren Laserstrahl durch das Fertigungsobjekt in Richtung des fixen Spiegels, Reflektieren des reflektierten Laserstrahls durch den fixen Spiegel in Richtung des rotierenden Reflektors, Reflektieren des reflektieren Laserstrahls durch den rotierenden Reflektor zu einem Laserempfänger, Erfassen des reflektieren Laserstrahls durch die Laserempfangsvorrichtung.
Ferner wird offenbart, dass der Bildtiefenkarten-Ermittlungsschritt, der Gesamttiefenkartenermittlungsschritt, der 3-dimensionale-Ausgestaltungs-Ermittlungsschritt, der Abgleichschritt, der Abweichungsermittlungsschritt und/oder der Bewertungsschritt nach Abschluss der Fertigung des Fertigungsobjekts erfolgen.
Ferner wird offenbart, dass der Lokale-Tiefenkarten-Ermittlungsschritt, der Globale-Tiefenkartenermittlungsschritt, der 3-dimensionale-Ausgestaltungs-Ermittlungsschritt, der Abgleichschritt, der Abweichungsermittlungsschritt und/oder der Bewertungsschritt nach Abschluss eines der Fertigungsschritte der Fertigung des Fertigungsobjekts erfolgen.
Ferner wird offenbart, dass im 3-Dimensionale-Ausgestaltungs-Ermittlungsschritt die globalen Tiefenkarte mehrerer Fertigungsschritte berücksichtigt werden.
Ferner wird offenbart, dass die Anzahl der berücksichtigten Fertigungsschritte n > 20 und n < 100 ist.
Ferner wird offenbart, dass der Erfassungslaser der Fertigungslaser der additiven Fertigungsvorrichtung ist.
Ferner wird offenbart, dass der Erfassungslaser ein Laser separat von dem Fertigungslaser der additiven Fertigungsvorrichtung ist.
Ferner wird eine Vorrichtung zur additiven Fertigung offenbart, die eingerichtet ist, ein Verfahren nach einem der vorhergehenden Absätze auszuführen.
Im Folgenden werden Ausführungsbeispiele anhand der Figuren beschrieben.

1 zeigt eine Darstellung eines ersten Ausführungsbeispiels einer erfindungsgemäßen Vorrichtung zum Aufbau eines dreidimensionalen Fertigungsobjekts.
2 zeigt einen Bauraum der Vorrichtung aus 1.
3 zeigt eine Sensoranordnung des ersten Ausführungsbeispiels.
4 zeigt eine Darstellung eines zweiten Ausführungsbeispiels der erfindungsgemäßen Vorrichtung zum Aufbau eines dreidimensionalen Fertigungsobjekts.
5 zeigt eine Darstellung eines dritten Ausführungsbeispiels der erfindungsgemäßen Vorrichtung zum Aufbau eines dreidimensionalen Fertigungsobjekts.
6 zeigt eine Darstellung zur stereoskopischen Tiefenermittlung.
7 zeigt eine Punktewolke und ein zugehöriges Dreiecksnetz (Oberflächendarstellung).
8 zeigt ein Ablaufdiagramm eines erfindungsgemäßen Verfahrens zur 3D-Rekonstruktion.
9 zeigt eine Darstellung einer ersten Abwandlung der erfindungsgemäßen Vorrichtungen zum Aufbau eines dreidimensionalen Fertigungsobjekts gemäß den Ausführungsbeispielen.
10 zeigt eine Darstellung einer zweiten Abwandlung der erfindungsgemäßen Vorrichtungen zum Aufbau eines dreidimensionalen Fertigungsobjekts gemäß den Ausführungsbeispielen.
11 zeigt eine Schnittdarstellung der zweiten Abwandlung der erfindungsgemäßen Vorrichtungen zum Aufbau eines dreidimensionalen Fertigungsobjekts gemäß den Ausführungsbeispielen.

ERSTES AUSFÜHRUNGSBEISPIEL
Im Folgenden wird anhand von 1 ein Grundaufbau eines ersten Ausführungsbeispiels einer Vorrichtung zum Erzeugen eines dreidimensionalen Objekts (nachfolgend auch Erzeugungsvorrichtung, Lasersintervorrichtung, LSM oder Drucker genannt) durch schichtweises Verfestigen eines Aufbaumaterials, die gemäß einer Ausführungsform als Lasersintervorrichtung ausgebildet ist, beschrieben. Bei der Erzeugungsvorrichtung 1 werden Schichten des Aufbaumaterials sukzessiv übereinander aufgetragen und die dem zu fertigenden Objekt entsprechenden Stellen in den jeweiligen Schichten werden jeweils vor dem Auftragen einer nachfolgenden Schicht selektiv verfestigt. Bei der dargestellten Ausführungsform wird ein pulverförmiges Aufbaumaterial verwendet, das durch Einwirkung eines Energiestrahls an ausgewählten Stellen verfestigt wird. Das pulverförmige Aufbaumaterial wird bei der dargestellten Ausführungsform mittels eines Laserstrahls an den ausgewählten Stellen lokal erhitzt, sodass es mit benachbarten Bestandteilen des Aufbaumaterials durch Sintern oder Aufschmelzen verbunden wird.
Wie in 1 dargestellt ist, weist die Erzeugungsvorrichtung 1 ein Optiksystem auf, dessen Bauteile jeweils an den Komponenten des Maschinenrahmens befestigt sind. In dem Maschinenrahmen ist ein Bauraum 10 vorgesehen.
Bei der dargestellten Ausführungsform beinhaltet das Optiksystem einen Laser 6, einen Umlenkspiegel 7 und einen Scanner 8. Der Laser 6 erzeugt einen Strahl 9, der auf den Umlenkspiegel 7 trifft und von diesem in Richtung des Scanners 8 umgelenkt wird. Der Scanner 8 ist in bekannter Weise derart ausgebildet, dass er den eintreffenden Strahl 9 auf beliebige Stellen in einer Bauschicht (current layer) 11 richten kann, die sich in dem Bauraum 10 befindet. Um dies zu ermöglichen, ist zwischen dem Scanner 8 und dem Bauraum 10 in einer oberen Trennwand 5 des Bauraums 10 ein Eintrittsfenster 12 vorgesehen, das ein Durchtreten des Strahls 9 in den Bauraum 10 ermöglicht. Eine F-θ Linse 14 ist im Pfad des Strahls 9 angeordnet und richtet den Strahl 9 senkrecht auf die Bauschicht 11.
Als Nächstes wird mit Bezug auf 2 der Bauraum der Vorrichtung bei der Ausführungsform beschrieben.
In dem Bauraum 10 ist ein nach oben offener Behälter 25 vorgesehen. In dem Behälter 25 ist eine Trägervorrichtung 26 zum Tragen eines zu bildenden dreidimensionalen Objekts angeordnet. Die Trägervorrichtung 26 ist mittels eines nicht dargestellten Antriebs in der vertikalen Richtung in dem Behälter 25 hin und her bewegbar. Am oberen Ende der Trägervorrichtung 26 ist eine Bauplatte (build plate) 13 vorgesehen, die mit der Trägervorrichtung 26 vertikal verfahrbar ist. Auf der Bauplatte 13 ist das dreidimensionale Objekt während seiner Fertigung angeordnet. Im Bereich des oberen Randes des Behälters 25 ist die aktuelle Bauschicht 11 (current layer), d.h. die Schicht, die sich gerade in der Fertigung befindet, definiert. Das Eintrittsfenster 12 für den durch den Scanner 8 auf die Bauschicht 11 gerichteten Strahl 9 ist oberhalb der Bauschicht 11 angeordnet. Es ist ein Beschichter 27 (Recoater) zum Auftragen von zu verfestigendem Aufbaumaterial auf die Oberfläche der Trägervorrichtung 26 bzw. eine zuvor verfestigte Schicht vorgesehen. Der Beschichter 27 ist mittels eines durch Pfeile in 2 schematisch angedeuteten Antriebs in der horizontalen Richtung über der Bauschicht 11 bewegbar. Auf beiden Seiten der Bauschicht 11 sind Dosiervorrichtungen 28 vorgesehen, die eine vorbestimmte Menge des Aufbaumaterials für den Beschichter 27 zum Auftragen bereitstellen.
Auf der Seite der Dosiervorrichtung 28 ist eine Zufuhröffnung 30 vorgesehen. Die Zufuhröffnung 30 erstreckt sich in der Richtung senkrecht zu der Darstellungsebene von 5 über die gesamte Breite der Bauschicht 11. Die Zufuhröffnung dient dazu, Aufbaumaterial, das bei der dargestellten Ausführungsform ein durch Strahlung verfestigbares Pulvermaterial ist, in den Bauraum zuzuführen.
Wie in 2 schematisch dargestellt ist, ist der Bauraum bei der Ausführungsform in einen oberen Bereich 40 und einen unteren Bereich 41 unterteilt. Der obere Bereich 40 bildet den eigentlichen-Arbeitsbereich, in dem ein schichtweiser Auftrag des Aufbaumaterials und dessen selektive Verfestigung erfolgen. Die Schichten erstrecken sich dabei in x-Richtung und y-Richtung in einer horizontalen Ebene. Der untere Bereich 41 nimmt den Behälter 25 auf.
Bei der gezeigten Ausführungsform sind einige Bauteile durch ein Verfahren zum schichtweisen Herstellen eines dreidimensionalen Elements durch selektives Verfestigen von dem Objekt entsprechenden Stellen in den jeweiligen Schichten gebildet. Bei der Ausführungsform wird zu deren Herstellung ein Lasersinterverfahren verwendet.
Bei dem Betrieb der Erzeugungsvorrichtung 1 wird das Aufbaumaterial über die Zufuhröffnung 30 in den Bauraum 10 zugeführt und mit den Dosiervorrichtungen 28, 29 in einer vorbestimmten Menge dem Beschichter 27 zugeführt. Der Beschichter 27 trägt eine Schicht des Aufbaumaterials auf der Trägervorrichtung 26 oder einer zuvor verfestigten Schicht auf und mittels des Lasers 6 und des Scanners 8 wird der Strahl 9 auf ausgewählte Positionen in der Bauschicht 11 gelenkt, um dort das Aufbaumaterial an den Stellen selektiv zu verfestigen, die dem zu bildenden dreidimensionalen Objekt entsprechen. Anschließend wird die Trägervorrichtung um die Dicke einer Schicht abgesenkt, eine neue Schicht aufgetragen und das Verfahren wiederholt, bis sämtliche Schichten des zu bildenden Objekts erzeugt sind.
Anhand von 3 wird eine Sensoranordnung gemäß dem ersten Ausführungsbeispiel erläutert. Ein Kamerasystem 50 ist im oberen Bereich 40 des Bauraums vorgesehen. An einem Schlitten 51 ist ein erstes Kameramodul 52 und ein zweites Kameramodul 53 vorgesehen. Das erste Kameramodul 52 und das zweite Kameramodul 53 sind im Wesentlichen nach unten ausgerichtet und in einem festen, bekannten Abstand d drehfest relativ zueinander angeordnet. Der Schlitten 51 ist an einem Träger 56 in einem Schienensystem befestigt. Über einen dritten Stellmotor 57 ist der Schlitten 51 entlang der horizontalen x-Achse verschiebbar. Über Schienen 58 und Stellmotoren 59 ist der Träger 56 entlang der horizontalen y-Achse verschiebbar. Durch diese Anordnung ist der Schlitten 51 und damit das erste Kameramodul 52 und das zweite Kameramodul 53 in der durch x- und y-Achse aufgespannten Ebene frei bewegbar und kann auf jeden Punkt des Werkstücks ausgerichtet werden.
Durch die Vorrichtung zum Erzeugen eines dreidimensionalen Objekts wird ferner ein LiDAR-System implementiert. Hierbei ist ein Laseremitter vorgesehen und wird durch den LaserEmitter ein Mess-Laserstrahl erzeugt, der durch eine Umlenkvorrichtung auf das zu erfassende Objekt - im vorliegenden Fall die Bauschicht 11 - gelenkt wird. Die Umlenkvorrichtung ist dabei geeignet, den Laserstrahl auf jeden Punkt der Bauschicht 11 zu lenken, dessen Tiefe vermessen werden soll. Der Laserstrahl wird von der Oberfläche des zu vermessenden Objekts, d.h. in diesem Fall von der Oberfläche der Bauschicht 11, reflektiert. Ferner ist ein Laserempfänger vorgesehen, der die Reflexion des Laserstrahls erfasst. Aus der Signallaufzeit, d.h. der Zeitdifferenz zwischen Absenden und Empfangen des Laserstrahls und der Ausbreitungsgeschwindigkeit des Laserstrahls im entsprechenden Umgebungsmedium in und/oder außerhalb des Bauraums, wird unter Kenntnis der Anordnung des Laseremitters und des Laserempfängers und unter Kenntnis der Auslenkung der Umlenkvorrichtung die Distanz für jeden Messpunkt ermittelt.
Im vorliegenden Ausführungsbeispiel wird der Fertigungslaser 6 als Messlaser verwendet, wobei der Umlenkspiegel 7 und der Scanner 8 als Umlenkvorrichtung dienen. Der Laserempfängers ist (außerhalb) an oder im Brennraum 10 angeordnet und auf die Bauschicht 11 ausgerichtet.
ZWEITES AUSFÜHRUNGSBEISPIEL
Anhand von 4 wird ein zweites Ausführungsbeispiel der Erfindung erläutert. Das zweite Ausführungsbeispiel ist abgesehen von den nachfolgend beschriebenen Abweichungen identisch zu dem ersten Ausführungsbeispiel.
Anstelle des Kamerasystems 50 ist ein Kamerasystem 50' an dem Schlitten 51 vorgesehen. Das Kamerasystem weist ein Kameramodul 52' auf. Über einen ersten Stellmotor 54 lässt sich das Kameramodul 52' um die vertikale z-Achse rotieren und somit in der Ausrichtung in der vertikalen Ebene ändern. Über einen zweiten Stellmotor 55 lässt sich das Kameramodul 52' um die eine horizontale Achse, d.h. eine Achse senkrecht zur z-Achse rotieren und somit die Ausrichtung nach unten ändern. Durch diese Anordnung ist der Schlitten 51 und damit das Kameramodul 52' in der durch x- und y-Achse aufgespannten Ebene frei bewegbar und kann die Ausrichtung des ersten Kameramoduls 52' auf jeden Punkt des Werkstücks ausgerichtet werden.
DRITTES AUSFÜHRUNGSBEISPIELE
Anhand von 5 wird ein drittes Ausführungsbeispiel der Erfindung erläutert. Das dritte Ausführungsbeispiel ist abgesehen von den nachfolgend beschriebenen Abweichungen identisch zu dem ersten Ausführungsbeispiel.
Ein kreisrunder Lagerring 61 ist im oberen Bereich 40 des Bauraums 11 vorgesehen und ortsfest mit dem Gehäuse verbunden. Innerhalb des Lagerrings 61 ist ein Drehring 62 drehbar gelagert. Über den Stellmotor 63 ist der Drehring 62 innerhalb des Lagerrings 61 frei drehbar. An dem Drehring 62 ist ein erstes Kameramodul 52'' angebracht. Das Kameramodul 52" ist radial nach innen ausgerichtet. Hierbei ist das Kameramodul 52'' um den Neigungswinkel α nach unten in Richtung der Bauschicht 11 geneigt. Der Neigungswinkel α ist vorausgewählt und fest. Durch den Neigungswinkel des Kameramoduls und die Drehbarkeit des Drehrings 62 ist jeder Bereich der Bauschicht 11 durch das Kameramodul erfassbar. An dem Drehring können weitere Kameramodule, beispielsweise ein zweites Kameramodul 53" angebracht sein. Das zweite Kameramodul 53" ist radial nach innen ausgerichtet und um einen Neigungswinkel β nach unten in Richtung der Bauschicht 11 geneigt. Der Neigungswinkel β ist vorausgewählt, fest und unterschiedlich zu dem Neigungswinkel α. Diese Anordnung erlaubt je nach Wahl der Neigungswinkel eine stereoskopische Erfassung in einem Durchgang, eine schnellere stereoskopische Erfassung mit jeweils einem Kameramodul durch paralleles Erfassen durch mehrere Kameras oder eine größere Bereichsabdeckung.
In einer Abwandlung dieses Ausführungsbeispiels sind die Neigungswinkel α und β durch je einen Stellmotor veränderbar. Damit kann der durch das Kameramodul 52" und das Kameramodul 53" erfasste Bereich verändert werden. Dies erlaubt, Kameramodule mit einer größeren Brennweite zu verwenden, was die Auflösung erhöht, aber den erfassten Bereich verkleinert. Durch eine Veränderung der Neigungswinkel α und β ist dennoch sichergestellt, dass der gesamte Bereich der Bauschicht 11 erfassbar bleibt.
DEFEKTERKENNUNG DURCH 3D REKONSTRUKTION IN DEN AUSFÜHRUNGSBEISPIELEN:
Ein erstes Verfahren zur in-situ Defekterkennung definiert einen Defekt als Abweichung (additiv oder reduktiv) zwischen der Oberfläche des gedruckten Bauteils gegenüber dem CAD Modell, die über eine festgelegte Toleranz hinausgehen. Dazu wird das Bauteil kontinuierlich dreidimensional während des Drucks rekonstruiert und mit dem Modell, typischerweise in einem CAD Format wie STL oder STEP verglichen, um Abweichungen zu erkennen.
REKONSTRUKTION AUS PUNKTWOLKEN UND RGB-D BILDERN:
Ein Verfahren zur Abstandsberechnung ist das sogenannte LiDAR System, welches einen Laserstrahl aussendet und damit (direkt oder indirekt) die Dauer misst, bis nach Emission eines Laserstrahls dessen Reflexion wieder am System zurück ist. Über Laufzeit und Lichtgeschwindigkeit ist dann ermittelbar, wie weit ein Objekt entfernt ist.
Stereokameras sind Systeme bestehend aus zwei oder mehr Kameras, die zeitgleich zwei oder mehr als zwei Bilder der gleichen Szene erzeugen und daraus die Tiefe ermitteln. Alternativ werden mit einer bewegbar angeordneten Kamera zeit- und ortsversetzt zwei Bilder der gleichen Szene aufgenommen und daraus die Tiefe ermittelt. Da beide Systeme bereits die Tiefendimensionen ermittelt haben, reduziert sich das Rekonstruktionsproblem auf die Segmentierung von geometrischen Objekten, d.h. die Feststellung, welcher Tiefenpunkt zum Objekt von Interesse gehört, und welcher Tiefenpunkt zur Oberfläche des nicht verarbeiteten Pulverbetts gehört und ignoriert werden kann.
Eine Möglichkeit zur Segmentierung ist die thermische Segmentierung. Bei der thermischen Segmentierung wird davon ausgegangen, dass ein Thermogramm existiert, dass die Objekte als auch mindestens ein Teil des umgebenden Pulverbetts umfasst. In den Ausführungsbeispielen sind die Kameramodule eingerichtet, Wärmestrahlung zu erfassen. Auf Basis des Thermogramms, Informationen über das verwendete Pulver und dessen entsprechendes thermisches Verhalten kann anhand des Temperaturgradienten (dT) die Zugehörigkeit entweder zum Pulverbett oder zum soliden Objekt bestimmt werden. Die Regel lautet dann, dT > S, wobei S eine untere Schranke ist, die experimentell ermittelt wird.
Alternativ zum Temperaturgradienten kann für jedes Pixel die Wahrscheinlichkeit (T) ermittelt werden, ob das Material, das von diesem Pixel abgedeckt wird, geschmolzen ist oder nicht. Dazu wird die bekannten physikalischen Eigenschaften des Materials und entsprechende Simulationsmethoden (Finite-Elemente o.ä.) verwendet. Anschließend, wenn die Wahrscheinlichkeit berechnet ist, wird eine geeignete Schranke (P) gewählt und wenn T > P, dann gehört dieses Pixel zum soliden Objekt, ansonsten zum Pulverbett. Zu berücksichtigen ist hier, dass auch unvollständig verschmolzene Bereiche (incomplete fusion holes) mit einer niedrigen Wahrscheinlichkeit belegt würden. Daher muss in einem letzten Schritt die Oberflächen noch gefunden werden, die als nicht geschmolzen markiert sind. Dabei werden die Bereiche mit T < P und einer Fläche kleiner als X Quadratpixel ignoriert und gehören somit zum gelaserten Bereich, X ist geeignet zu wählen.
Bei der thermischen Segmentierung ist es vorteilhaft, die gefundenen Koordinaten in die Bildkoordinaten der Tiefenkarten, Punktewolke und/oder des RGB Bilds zu transformieren. Ungenauigkeiten können vermieden werden, wenn die Auflösung des thermischen Bildes relativ zum optischen Bild ausreichend hoch ist und im Idealfall die Auflösung des thermischen Bildes der des optischen Bildes entspricht. Beispielsweise durch eine ausreichend hohe Auflösung der Erfassung des Wärmebildes, mehrfaches Messen oder dem Messen mit mehreren, aber versetzten Kameras kann dies erreicht werden.
Eine weitere Möglichkeit zur Segmentierung ist die optische Segmentierung.
Bei der optischen Segmentierung werden die RGB-Aufnahmen der Kameramodule verwendet. Das Pulverbett und das geschmolzene Material heben sich durch den physikalischen Umformungsprozess für die meisten Pulver deutlich voneinander ab. Basierend auf dieser Beobachtung kann mit Hilfe von Histogramm-basierten Methoden das Fertigungsobjekt erkannt werden. D.h. an dem Punkt, an dem sich der Grauwert eines Pixels im Vergleich zu seinem umgebenden Pixel signifikant ändert, befindet sich eine Kante. Alternativ lassen sich gradientenbasierte Verfahren, beispielsweise mit Hilfe des Sobel Operators oder Clustering basierte Verfahren einsetzen, die dem Fachmann bekannt sind. Wie zuvor, muss die Hülle berechnet werden. Besonders vorteilhaft ist hier der Einsatz von Clustering Verfahren, da zum einen bekannt ist, dass es nur zwei Cluster geben sollte und zum anderen das CAD-Modell als Vorlage verwenden werden kann.
Eine weitere Möglichkeit zur Segmentierung ist die geometrische Segmentierung. Hierbei erfolgt die Segmentierung über die Tiefenkarte bzw. die Punktewolke.
Die Ermittlung erfolgt über den Tiefenkartengradienten (dT), d.h. die Differenz in der Tiefen zwischen benachbarten Pixeln. Ist der Tiefengradient dT > S, einer Schwelle die experimentell bestimmt wurde und in etwa dem Faktor aus dem Dichteverhältnis zwischen dem Pulver im Rohzustand und dem verschmolzenen Pulver, und der Schichtdicke einer Pulverschicht entspricht, dann wird angenommen, dass hier eine Kante vorliegt. Auf Basis der ermittelten Punkte wird die Hülle ermittelt. Ansonsten wird dem gleichen Verfahren wie in der thermischen Segmentierung gefolgt.
Die Segmentierung kann, neben bereits beschrieben Verfahren auch mit unbewachten (unsupervised) oder self-supervised Verfahren durchgeführt /gelernt werden. Des Weiteren lässt sich das CAD als Prior verwenden, um das Verfahren noch zu verbessern bzw. um genauere Ergebnisse zu erzielen.
Anschließend muss ein Punktenetz (Mesh) auf Basis der Punktewolke errechnet werden, um die Geometrie mit einer CAD Datei, bspw. im STL-Format, vergleichen zu können.
Ein Problem bei der Verwendung von LiDAR ist, dass vermutlich nicht alle Fehlerarten erkannt werden können, bspw. solche Stellen nicht, die nicht oder unzureichend gelasert wurden (incomplete fusion). Stereokameras können das unter Umständen kompensieren, da sie neben der Tiefe auch Texturen abbilden können. Die Arbeitshypothese in diesem Fall ist, dass es Unterschiede in der Textur zwischen einem fehlerfreien und einem fehlerhaften Abschnitt im Bauteil gibt. Die Herausforderung mit Stereokameras ist ihre Genauigkeit, die quadratisch mit der zu messenden Distanz abnimmt. Je weiter das Werkstück von der Kamera entfernt ist, wird von einem Kamerapixel eine immer größere Fläche abgedeckt.
Die Erfindung schlägt Aufgabenlösungen für den Einsatz eines LiDARs und für den Einsatz von Stereoskopie bei der Defekterkennung in der additiven Fertigung vor. Ferner wird vorgeschlagen, die Informationen aus LiDAR und Stereoskopie zu fusionieren, um die höchstmögliche Genauigkeit bei der Rekonstruktion zu erzielen. Die Sensoren repräsentieren die Daten in unterschiedliche Strukturen, Stereokameras liefern zwei Bilder im RGB Raum, wohingegen Lidar Sensoren Punktewolken erzeugen, die die Distanz zum Objekt und die Orientierung relativ zum Sensor enthalten. Daher ist es notwendig, einen mehrstufige Verfahrensablauf zu verwenden, die zwischen den verschiedenen Sensormodalitäten im ersten Schritt eine einheitliche Darstellung der Eingabedaten findet und anschließend daraus die 3D Repräsentation des Objekts berechnet.
Im Folgenden wird anhand 8 der Verfahrensablauf zur 3D-Rekonstruktion beschrieben.
Am Anfang des Verfahrens zur Rekonstruktion der 3D Form des Objekts wird in einem Tiefenschätzungsschritt S10 die akkurate Tiefe abgeschätzt, d.h. es wird bestimmt, wie weit das Objekt, das in einem Pixel der Kamera abgebildet ist, von der Kamera entfernt ist. Dazu ist in der Baukammer 10 ein Kamerasystem 50 verbaut. Vorzugsweise ist das Kamerasystem 50 eine Stereokamera 50. Das Kamerasystem kann sich gemäß dem ersten Ausführungsbeispiel in x-y Richtung, d.h. in der horizontalen Ebene translatorisch frei bewegen. Eine translatorische Bewegung in z-Richtung bzw. der Höhenrichtung ist im ersten Ausführungsbeispiel nicht vorgesehen, da eine Bewegung in der Höhenrichtung die Kamera vom Arbeitsbereich entfernt und der Fehler in der Tiefenschätzung einer Stereokamera quadratisch mit der Distanz zum Objekt wächst. Daher sollte das Kamerasystem 40 so nah wie möglich (optisch oder physikalisch) an dem Druckobjekt angeordnet sein. Nach dem 2. Ausführungsbeispiel ist das Kamerasystem 50 um die x-Achse und die y-Achse rotierbar.
Alternativ können auch mehrere Kameras angebracht werden, um die Scangeschwindigkeit zu erhöhen, bspw. in einer Reihe, so dass das aggregierte Sichtfeld einen größeren Teil des Bauraums in entweder x-Richtung oder y-Richtung abdeckt.
LOKALE TIEFENSCHÄTZUNG:
Das Verfahren zur Tiefenschätzung beginnt in einem Pfadbestimmungsschritt S20 mit der Bestimmung eines optimalen Pfads für das Kamerasystem 50 durch den oberen Bauraum 40. Hierbei wird der Pfad des Kamerasystems in der x-y-Ebene und ggf. die Ausrichtung um die z-Achse und die horizontale Achse bestimmt. Der Pfad hängt dabei von verschiedenen Faktoren wie bspw. dem Fortschritt im Fertigungsverfahren, Lichtverhältnisse und der notwendigen Geschwindigkeit um rechtzeitig mit dem Scan fertig zu werden, ab.
Ist der Pfad bestimmt, beginnt der in einem Scanschritt S30 der Scanvorgang. Hierbei fährt das Kamerasystem 50 den im Pfadbestimmungsschritt S20 bestimmten Pfad ab und nimmt an vorherbestimmten Positionen Bilder des Werkstücks auf.
Die Bestimmung der Bildtiefenkarte selbst erfolgt mehrstufig und beginnt in einem Bildtiefenkartenbestimmungsschritt S40 mit der Berechnung einer einzelnen Tiefenkarte für jedes Bildpaar. Hierbei wird ein Bild A, dass aus der Perspektive A aufgenommen wurde, so transformiert, dass es wie ein Bild B, dass aus einer anderen Perspektive als Bild A aufgenommen wurde, aussieht. Im Transformationsschritt wird dabei die Tiefenkarte durch einen Tiefenkartenbestimmungsalgorithmus, der ein Algorithmus beispielsweise aus der Klasse der selbst-überwachten Machine-Learning Verfahren ist, erzeugt. Das Lernen erfolgt, in dem ein bekanntes Bild in ein anderes bekanntes Bild transformiert wird. Hierfür können die Bilder eines Stereobilderpaars dazu verwendet werden, d.h. der Algorithmus lernt, das rechte Bild in das linke Bild zu transformieren et vice versa. Ferner lassen sich auch aufeinanderfolgende Bilder einer Videosequenz verwenden, da die zu rekonstruierende Szene statisch ist, d.h. keines der zu rekonstruierenden Objekte sich in Bewegung befinden. Im Ausführungsbeispiel wird beides kombiniert und eine zeitliche Sequenz von Stereopaaren (bspw. 3 Bilder) für das Lernen verwendet. Der Transformationsfehler, d.h. die Diskrepanz zwischen dem transformierten Bild und dem korrekten Bild, wird verwendet, um während des Lernens den Algorithmus zu verbessern. Hierbei kommen mehrere neuronale Netze zum Einsatz, die die Tiefenschätzung erlernen. Alternativ kann die Tiefenkarte über trigonometrische Algorithmen ermittelt werden.
DETAILLIERTE BESCHREIBUNG DER BERECHNUNG DER TIEFENKARTE
Durch die epipolare Geometrie ist hinreichend exakt beschrieben, wie sich aus einem Stereobildpaar die Tiefe (z-Achse) der jeweils abgebildeten Bereiche bestimmen lässt. Die damit verbundene zentrale Herausforderung ist, die korrespondierenden Pixel in dem Stereobildpaar zu finden (Korrespondenzproblem), d.h. herauszufinden, welches Pixel aus dem ersten Bild den gleichen Bereich des abgebildeten Gegenstands abbildet, wie ein bestimmter Pixel aus dem zweiten Bild. Mit den bekannten trigonometrischen Formeln lässt sich aus der Disparität, d.h. der Pixelverschiebung zwischen linkem und rechtem Bild, die Tiefe schätzen.
Um das Korrespondenzproblem und damit die Tiefenschätzung zu lösen, lehrt die Erfindung:
Ziel ist es, eine Funktion / zu lernen, die jedem Bild I_t des Stereobildpaars eine Tiefenkarte D_t zuordnet, d.h. D_t = ƒ(I_t). Ein Vorteil des Ansatzes ist es auch, dass anstelle einer Stereokamera eine Monokamera verwendet werden kann. In der Anwendung werden die geschätzten Tiefenkarten für das linke und das rechte Bild im Stereobildpaar gemittelt: $D_{t} = \frac{D_{t}^{l} + D_{t}^{r}}{2},$
Die Funktion / wird durch die Minimierung des Photometrischen Reprojektionsfehlers geschätzt. Das Konzept dahinter ist, aus der Tiefenkarte, die für ein Bild des Stereopaars geschätzt wurde, das andere Bild zu Rekonstruieren und den Fehler, der bei der Rekonstruktion entsteht zu minimieren. Implizit wird damit die Disparität gelernt, denn um ein Bild aus dem anderen eines Stereopaars zu lernen muss der Algorithmus lernen, wie er die einzelnen Pixel in der Bildebene verschieben muss, um das andere Bild zu rekonstruieren.
Das Optimierungskriterium besteht aus mehreren Teilen. Dazu berechnet L_p: $L_{p} = \underset{t}{m i n} [L_{S S I M}^{t} + L_{n o r m}^{t}],$
$L_{S S I M}^{t} (I_{t}, \hat{I_{t}}) = α \frac{1 - S S I M (I_{t}, \hat{I_{t}})}{2}$
$L_{n o r m}^{t} (I_{t}, \hat{I_{t}}) = (1 - α) {‖ I_{t}, \hat{I_{t}} ‖}_{1},$
den Rekonstruktionsfehler zwischen dem Originalbild I_t und dem aus der Tiefenkarte rekonstruierten Bild I_t . L_SSIM enthält den strukturellen Ähnlichkeitsindex (SSIM), der die wahrgenommene Ähnlichkeit zwischen zwei Bildern modelliert. Der Wertebereich der Funktion liegt bei [-1,1], wobei 1 erreicht wird, wenn beide Bilder exakt gleich sind. L_norm beschreibt den absoluten Pixelfehler zwischen den beiden Bildern.
Des Weiteren sind die Bilder mit t indexiert, da das Optimierungskriterium noch über einen Kontext gemittelt wird. Teil des Kontextes ist zum einen das Bild eines Stereopaars, für welches keine Schätzung der Tiefenkarte ermittelt wurde, sowie die Stereopaare vor und nach dem Zielbild. Das heißt für die Schätzung basierend auf Bild $I_{t}^{l}$
besteht der Kontextvektor aus $I_{t'} = {(I_{t - 1}^{l}, I_{t - 1}^{r}), I_{t}^{r}, (I_{t + 1}^{l}, I_{t + 1}^{r})} .$
Die zweite Komponente L_s des Optimierungskriteriums: $L_{s} = {‖ \partial_{x} d_{t}^{*} ‖}_{2} e^{- {‖ \partial_{x} l_{t} ‖}_{2}} + {‖ \partial_{y} d_{t}^{*} ‖}_{2} e^{- {‖ \partial_{y} l_{t} ‖}_{2}},$
$d_{t}^{*} = \frac{d_{t}}{d_{t}^{\emptyset}},$
sorgt dafür das die Übergänge zwischen den Tiefenschätzungen zweier benachbarter Pixel glatt sind. Damit lassen sich abrupte Änderungen in der Disparität (Gradient) zwischen zwei benachbarten Pixeln, die vermutlich Artefakte sind, vermeiden. Die dahinterstehende Annahme ist, dass es nur wenige Ausnahmefälle gibt, in denen ein großer Gradient zu rechtfertigen ist. Zu bemerken ist, dass d_t die inverse Tiefe ist und $d_{t}^{\emptyset}$
die durchschnittliche inverse Tiefe, womit $d_{t}^{*}$
die Mittelwert-Normalisierte inverse Tiefe ist.
Die Schätzung von Tiefenkarten welche nur auf den beschriebenen Optimierungskriterien basieren führt zu dimensionslosen Karten. Um die Fehlererkennung mittels Abgleich zwischen rekonstruiertem Bauteil und CAD Vorlage durchführen zu können ist es notwendig, die Tiefe in einer Maßeinheit, bspw. mm, darzustellen. Wie zuvor bereits beschrieben, ist ein wesentlicher Bestandteil der Tiefschätzung die relative Konfiguration der Kamera zwischen zwei Bildern eines Stereopaars durch den Kalibrierungsprozess bereits gegeben. Es wird gelehrt, die relative translatorische Änderung der Kamera Konfiguration zwischen zwei zeitlich aufeinanderfolgenden RGB Bildern (I_s,I_t) zu ermitteln, in dem zusätzlich die Geschwindigkeit, mit der sich die Kamera zwischen zwei Bildern bewegt, gemessen und als Lernsignal verwendet wird: $L_{v} = | {‖ t_{s \to t} ‖}_{2} - | v | Δ T_{s \to t} | .$
Dabei wird die gemessene Geschwindigkeit v mit der Zeit ΔT_s→t, die zwischen den beiden Bildern (I_s,I_t) vergangen ist, multipliziert um die tatsächliche, translatorische Veränderung zu ermitteln. Das Optimierungskriterium berechnet sich dann als Differenz aus der tatsächlich zurückgelegten Strecke und der geschätzten zurückgelegten Strecke || t_s→t ||₂ wobei t die translatorische Komponente (Δx, Δy) der geschätzten Konfigurationsänderung darstellt.
Da eine Stereokamera im vorgeschlagenen Aufbau montiert ist und nicht nur translatorische Veränderungen durch die Drehgeber an den Motoren, die die Kamera bewegen, messbar sind, sondern auch rotatorische Veränderungen zwischen zwei zeitlich aufeinanderfolgenden Stereopaaren (S_s,S_t) messbar sind, wird gelehrt: $L_{p o s e}^{s} = {‖ L_{v}^{l} + L_{v}^{r} ‖}_{2} + {‖ L_{r o t} ‖}_{2} .$
Dabei stellt ${‖ L_{v}^{l} + L_{v}^{r} ‖}_{2}$
sicher, dass beide die translatorische Veränderung zwischen den zeitlich aufeinanderfolgenden Bildern beider Stereopaare $(I_{s}^{l}, I_{t}^{l})$
und $(I_{s}^{r}, I_{t}^{r})$
gleich sind, da die beiden Objektive der Stereokamera sich mit gleicher Geschwindigkeit translatorisch bewegen müssen. Die rotatorische Geschwindigkeit kann dabei unterschiedlich sein für beide Objektive. Weiterhin erfasst L_rot den zeitlichen Fehler der Rotation zwischen den gleichen Bildern eines Stereopaars $(I_{s}^{l}, I_{t}^{l})$
und $(I_{s}^{r}, I_{t}^{r})$
sowie dem räumlichen Fehler in der Rotation zwischen den Bildern eines Stereopaars (I^l,I^r) . Die Rotationsachse ist dabei durch die Montage der Stereokamera auf dem beweglichen Element gegeben. Mit dem formulierten Optimierungskriterium wird gleichzeitig auch die Maßeinheit für die Tiefe induziert.
Damit ergibt sich das vollständige Optimierungskriterium als: $L = λ_{1} μ L_{p} + λ_{2} L_{s} + λ_{3} L_{p o s e}^{s} .$
Der Faktor µ E {0,1} ist eine binäre Maske, die stationäre Pixel maskiert. Dem beschriebenen Verfahren liegt die Annahme zugrunde, dass sich die Szene, für die eine Tiefenkarte geschätzt wird, bewegt, entweder indem die Kamera sich aktive bewegt oder aber ein Großteil der Objekte in der Szene. Verändern sich die Pixelwerte zwischen zwei zeitlich aufeinanderfolgenden Bildern nicht, so sinkt die Leistungsfähigkeit stark. Daher wird vorgeschlagen, stationäre Pixel im Optimierungskriterium durch eine binäre Maske zu filtern, d.h. $r p e (I_{t}, \hat{I_{t}}) = L_{S S I M}^{t} (I_{t}, \hat{I_{t}}) + L_{n o r m}^{t} (I_{t}, \hat{I_{t}}),$
$μ = [\underset{t'}{m i n} r p e (I_{t}, \hat{I_{t}}) < \underset{t'}{m i n} r p e (I_{t}, T_{t'})],$
Die Binäritat der zweiten Gleichung entsteht durch die Verwendung der Iverson Klammern [·].
Es gibt zwei verschiedene Netzwerke, um die Tiefenkarte D_t und die Rekonstruktion $\hat{I_{t}}$
zu berechnen.
Um die Tiefenkarte zu schätzen, wird die sog. PackNet Architektur genutzt, die sich aus mehreren Konvolutions-Schichten für den Encoder wie Decoder zusammensetzt. Dabei folgt einer jeden Schicht im Encoder eine Packing Operation, die die gelernten Features komprimiert, sowie eine Unpacking Operation, die die Features entkomprimiert, um die Tiefenkarte herzustellen. Die Tiefenkarte der abschließenden Schicht wird anschließend verwendet, um aus der Tiefenkarte ausgelassene Bilder des Stereopaars bzw. das gleiche Stereobild aber mit einem zeitlichen Abstand von [-1,1] zu rekonstruieren.
Weiterhin ist es notwendig die relative Veränderung in der Kamerakonfiguration zu ermitteln, um die Rekonstruktion eines Bildes aus einer Tiefenkarte zu ermöglichen. Dazu wird die relative Konfigurationsänderung des Zielbilds I_t relative zum Kontext geschätzt. Um die Konfigurationsänderung zu schätzen, wird der Encoder der Netzwerkarchitektur aus V. Guizilini, R. Ambrus, S. Pillai, A. Raventos, and A.Gaidon, „3DPacking for Self-Supervised Monocular Depth Estimation,“ arXiv:1905.02693 [cs], Mar. 2020 verwendet und dieser um eine rekurrente Schicht, sowie eine 1x1 Konvolutionsschicht erweitert, die die Dimension des Outputs auf 6, d.h. 3 Translationsdimensionen (Δx, Δy, Δz) und 3 Rotationsdimension (Φx,Φy,Φz) reduziert. Die rekurrente Schicht ermöglicht es, größere Zeithorizonte zur Schätzung der Änderung der Konfiguration zu verwenden, um stabilere Schätzungen zu erhalten.
Dabei muss zwischen der Links-Rechts Rekonstruktion und der zeitlichen Rekonstruktion unterschieden werden. Bei der Link-Rechts Rekonstruktion ist die relative Konfigurationsänderung zwischen dem linken und rechten Objekt der Stereokamera aus der Kamerakalibrierung bekannt. Mithilfe der intrinsischen Kameraparameter und der Tiefenkarte kann die Korrespondenz zwischen einer Pixelposition im linken Bild und rechten Bild durch Translation und Rotation hergestellt. Anschließend werden mit bilinearen Sampling Kernel die Pixelwerte aus dem Originalbild für die Rekonstruktion entnommen (sampling): ${\hat{I}}_{i}^{c} = \sum_{n = 0}^{H} \sum_{m = 0}^{W} I_{n, m}^{c} m a x (0,1 - | x_{i}^{s} - m |) m a x (0,1 | y_{i}^{s} - n |) .$
Der Index t wurde zugunsten der Übersichtlichkeit weggelassen.
Die Pixelkoordinaten $(x_{i}^{s}, y_{i}^{s})$
ergeben sich aus der Rücktransformation der Pixelkoordinaten $(x_{t}^{s}, y_{t}^{s})$
im Zielbild Î mit den intrinsischen Kameraparametern und der entsprechenden Transformationsmatrix A_θ: $(\begin{matrix} x_{i}^{s} \\ y_{i}^{s} \end{matrix}) = A_{θ} (\begin{matrix} x_{t}^{s} \\ y_{t}^{s} \end{matrix}) .$
Um die Genauigkeit des Verfahrens zur Schätzung der Tiefenkarte zu erhöhen, kann die Auflösung der Tiefenkarten, die sich in den Zwischenschichten des Decoders ergeben, durch eine nearest-neighbor Interpolation auf die Auslösung am Ausgang des Decoders erhöht werden. Die so skalierten Tiefenkarten werden zusätzlich nach dem oben beschriebenen Verfahren rekonstruiert und im Optimierungskriterium berücksichtigt.
Das Optimierungskriterium wird über alle Rekonstruktionen, Pixel und den Batch gemittelt und kann mit einem Standardverfahren wie bspw. einem Gradientenabstiegsverfahren trainiert werden. Dabei muss zwischen der Initialisierungsphase und der Transferphase unterschieden werden.
In der Initialisierungsphase wird davon ausgegangen, dass die Koeffizienten des Modells zum ersten Mal auf Basis eines Trainingssets, das zuvor erhoben wurde, geschätzt werden. Anschließend ist das Modell bereit für die erste Anwendung. Bei jeder Anwendung des Modells werden zusätzliche Daten erhoben, die wiederum zur Verbesserung des Modells herangezogen werden können. Das passiert in der Transferphase, in der das bereits trainierte Modell mit neuen Daten verbessert wird. Dabei ist zu beachten, dass eine Modellveränderung nur angenommen wird, wenn sie auf einem Testdatensatz (s.u.) besser abschneidet als das ursprüngliche Modell.
Um die Genauigkeit des Modells zu testen, wird vorgeschlagen, dass ein Set an verschiedenen Formen gefertigt und in einen vollständig kalibrierten Messstand eingebracht werden. Der Messstand wird dann abgefahren.
Das beschriebene Verfahren erzeugt eine Folge von Tiefenkarten für einen Scanvorgang S = D₀, ...,D_t,..., D_T. Um eine vollständige Punktewolke aus den einzelnen Scans zu erzeugen, ist es notwendig, die gemessenen Tiefen in einem absoluten x-y-z Bezugssystem zu lokalisieren.
Die räumliche Auflösung der Tiefenkarte kann unter Verweis auf 6 wie folgt verbessert werden:
Mit B als Basislinie/Objektivabstand, Z als Tiefe, / als Brennweite und x_l,x_r als Abstände zwischen dem projizierten Punkt und der optischen Achse kann die Gleichung für die Tiefe Z wie folgt ermittelt werden: $Z = \frac{B f}{d},$
wobei d die Disparität x_l - x_r ist. Man berücksichtige ein passendes Paar der Disparität d die einer Tiefe Z entspricht. Wird ein Fehler von einem Pixel gemacht (d+1 anstelle d), wird die Tiefe zu Z'. Um den Tiefenfehler ΔZ auszuwerten, soll dieser über den Disparitätsfehler dargestellt werden. Unter Heranziehung der Ableitung von Z als Funktion von d, erhält man: $| \frac{Δ Z}{Δ d} | = \frac{B f}{d^{2}} = \frac{Z^{2}}{B f} .$
Für eine Disparität von einem Pixel wächst der Fehler quadratisch mit der Tiefe. Wenn Subpixel-Disparität angenommen wird, sollte Δd berücksichtigt werden, d.h. $\frac{Z^{2}}{B f} Δ d .$
Die Auflösung verbessert sich bei Vergrößerung der Basislinie/des Objektivabstands. Dennoch ist bei der Auswahl einer großen Basislinie Vorsicht geboten. Denn der Abgleich/das Matching wird wegen der erhöhten Verzerrung/Abweichung zwischen linkem und rechtem Bild bei Zunahme der Basislinie schwieriger (bei fester Tiefe). Dies gleicht dem üblichen Erfassungs-/Lokalisierungs-Kompromiss.
Die Auflösung verbessert sich mit der Brennweite. Dies folgt daraus, dass für eine gegeben Bildgröße die Pixeldichte der Bildebene mit Zunahme der Brennweite ebenfalls zunimmt. Daher ist die Disparitätsauflösung höher. Obwohl dies einem vereinfachten Stereo-Modell entspringt, gelten die drei Prinzipien für alle Stereosysteme.
Die so ermittelte Tiefenkarte ist zunächst dimensionslos. Um die zur späteren Bestimmung der Objektgeomtrie notwendigen Maßeinheiten einzuführen, wird die Geschwindigkeit, mit der sich eine Kamera bewegt, bei der Transformation berücksichtigt. D.h. neben den Bildaufnahmen ist die Bewegungsgeschwindigkeit des Kamerasystems 40 ein Eingabeparameter für den Tiefenkartenbestimmungsalgorithmus. Das erlaubt dem Tiefenkartenbestimmungsalgorithmus, die korrekte Maßeinheit zu lernen. Darüber hinaus wird nicht nur die translatorische Geschwindigkeit des Kamerasystems 40 berücksichtigen, sondern vorzugsweise auch die rotatorische Geschwindigkeit der Ausrichtungsänderungen des Kamerasystems 40. Zum einen lässt sich damit die Tiefenschätzung für ein einzelnes Bild verbessern, zum anderen aber auch die Genauigkeit der später folgenden Zusammenführung aller lokalen Tiefenkarten zu einer globalen Tiefenkarten für den gesamten Bauraum.
BESTIMMUNG DER UNSICHERHEIT:
Die Genauigkeit der Tiefenschätzung wird durch zwei Fehlerarten maßgeblich beeinflusst:
Die Genauigkeit der Schätzung nimmt quadratisch mit der Distanz zum Objekt ab (systematischer Fehler). Das liegt darin begründet, dass ein einzelner Pixel einen immer größeren räumlichen Bereich in der Welt abdeckt, je weiter dieser Bereich von der Kamera entfernt ist. Da die Tiefenschätzung immer nur für ein einzelnes Pixel erfolgt, bedeutet das, dass Tiefenänderungen, die innerhalb eines Pixels bestehen, nur gemittelt dargestellt werden.
Unzulänglichkeiten des Modells, welches zur Tiefenschätzung verwendet wird, beeinträchtigen die Genauigkeit.
Der ersten Fehler ist reduzierbar, in dem die Distanz zwischen Kamera und Objekt reduziert wird, die Brennweite des Objektivs vergrößert, der Blickabstand zwischen den Stereokameraobjektiven vergrößert und die Strecke, die durch die Kamera zwischen zwei Stereopaaren zurückgelegt wird, klein ist, um die Überlappung zu maximieren. Die Überlappung ermöglicht es, den Fehler im Schritt zur Erstellung der globalen Tiefenkarten zu minimieren.
Der Fehler, der durch die Unzulänglichkeit des Modells eingeführt wird, lässt sich zum einen durch mehr Daten und ein besseres Modell reduzieren. Zusätzlich lässt sich der Modellfehler in späteren Berechnungen miteinbeziehen, in dem jedem Schätzwert für die Tiefe die korrespondierende Unsicherheit des Modells bzgl. der Schätzung zugordnet wird. Hier wird die Bayes'sche Interpretation von Wahrscheinlichkeit zugrunde gelegt. Des Weiteren kann die Pfadplanung, mit der die Tiefenschätzung begonnen hat, so angepasst werden, dass Bereiche mit hoher Unsicherheit ein weiteres Mal angefahren werden.
GLOBALE TIEFENSCHÄTZUNG:
Im Bildtiefenkartenbestimmungsschritt S40 entstehen eine Vielzahl von sich überlappenden Tiefenkarten, die in einem Gesamttiefenkartenbestimmungsschritt S50 zu einer einheitliche Tiefenkarte für den gesamten Bauraum überführt werden. Dazu wird eine Kamerapose (Position und Orientierung der Kamera) für jede einzelne Bildtiefenkarte geschätzt, um die relative Beziehung der ermittelten Tiefenpunkte zueinander zu bestimmen und global zu optimieren. Ziel ist es, die Punkte der einzelnen Tiefenkarten so zueinander auszurichten, dass die plausibelste globale Tiefenkarte daraus entsteht. Dabei werden im Ausführungsbeispiel vorzugsweise mehrere Verfahren kombiniert, um eine erhöhte Genauigkeit zu erreichen. Das im Bildtiefenkartenbestimmungsschritt S40 wurde bereits eine Schätzung der Kamerapose für jede einzelne Tiefenkarte ermittelt. Diese Schätzung kann aber noch ungenau sein. Zur Verbesserung wird zum einen die Kamera auf Basis der Informationen aus Drehgebern der Motoren, die die Kamerapose ändern, von an der Kamera angebrachten Inertial-Measurement-Unit (IMU) oder einer Innenraum-Lokalisierungstechnik (bspw. RFID, Magnetometer etc.) lokalisiert. Des Weiteren kann die Kamera auf Basis der Bildinformationen aus den Bildaufnahmen lokalisiert werden. Einzelne Merkmale in den Überlappungsbereichen der Bilder werden berechnet (SIFT Features). Damit können die relativen Posen der Bilder zueinander bestimmt werden und mit den relativen Posen aus der Bildtiefenkartenbestimmung zusammengeführt werden. Die Korrespondenz zwischen den einzelnen Merkmalen in den Bildaufnahmen wird anschließend gefiltert, um fehlerhafte Zuordnungen zu reduzieren. Anschließend werden die Tiefenkarten in Segmente mit jeweils n aufeinanderfolgenden Bildern eingeteilt und für jedes dieser Segmente die die Kamerapose alle Bilder aufeinander ausgerichtet. Zwischen den Segmenten gibt es eine Überschneidung von einem Bild, d.h. immer das letzte und das erste Bild zweier aufeinanderfolgender Segmente ist gleich. Anschließend werden alles Segmente aufeinander ausgerichtet, indem segment-spezifische Merkmale berechnet werden und deren Korrespondenz mit anderen Segmenten festgestellt und optimiert wird. Damit bestehen zwei Kameraposenbetimmungen - eine auf Basis der Sensoren und eine auf Basis der Bildinformationen - die in einem letzten Schritt zu einer globalen Pose zusammengeführt werden, um anschließend die Bildtiefenkarten entsprechend auszurichten und in einer einzelnen Gesamttiefenkarte zusammenzuführen.
In einem Ausgestaltungsbestimmungsschritt S60 wird eine dreidimensionale Ausgestaltung des Werkstücks ermittelt. Hierbei wird die Gesamttiefenkarte in eine Punktewolke umgewandelt, in dem ein geeignetes Koordinatensystem gewählt und die x-y-z Koordinaten für jeden einzelnen Tiefenpunkt berechnet wird. Des Weiteren werden die einzelnen Punkte mit Sekundärinformationen, die für die weiteren Berechnungen notwendig sind, angereichert, bspw. Unsicherheit und Oberflächenormale (surface normal). Gegebenenfalls wird die Punktewolke Schicht für Schicht aufgebaut. Am Ende des Drucks wird eine Punktewolke erhalten, die alle gedruckten Objekte und alle Defekte beinhaltet.
Es gibt mehrere Möglichkeiten zu welchem Zeitpunkt eine Oberflächenrekonstruktion sinnvoll ist. Diese werden im Folgenden kurz beschrieben.
Generierung der gesamten Punktewolke und nachfolgendes Meshing, also bis der Druck fertig ist. Anschließend können alle gedruckten Objekte und Defekte berechnet und extrahiert werden.
MESHING DER OBERFLÄCHE NACH REKONSTRUKTION EINER SCHICHT (TIEFENKARTE).
Meshing der Punktewolke aus den letzten n Schichten (z.B. 20 < n < 100) und anschließender Defekterkennung, um so für die aktuelle Schicht mögliche Fehler zu erkennen und diese mit entsprechender Laserkorrektur zu beheben. Die Anzahl der Schichten n kann evtl. auch adaptiv gesteuert werden.
OBERFLÄCHENREKONSTRUKTION UND VERNETZUNG (MESHING):
Ziel ist es mit der gewonnenen Punktewolke eine Oberflächendarstellung der gewünschten Objekte zu bestimmen. Dies bedeutet, benachbarte Punkte werden mit Kanten miteinander verbunden und 3 Kanten bilden ein Dreieck, wodurch sich eine Oberfläche im dreidimensionalen Raum beschreiben lässt. Eines der weitverbreitetsten Formate ist das sogenannte STL-Format, welches u.a. auch für die additive Fertigung und der additiven Fertigungsvorrichtung verwendet wird.
In 7 ist eine Punktewolke und das zugehörige Dreiecksnetz (Mesh) abgebildet. Der Übergang kann mit einer Vielzahl verschiedener Algorithmen realisierte werden. Als Beispiel seien hier die folgenden Algorithmen erwähnt:

- Powercrust
- Marching cube
- Poisson Surface Reconstruction
- Hoppes Reconstruction

Delaunay Triangulierungsalgorithmen erstellen ein 3 dimensionales Objekt, d.h. dieses ist mit Tetraedern ausgefüllt (Volumen basiert), und sind somit nur bedingt geeignet da einiges an Overhead entsteht.
Wichtig ist, dass das Mesh eine zulässige Darstellung hat. Dies bedeutet, dass insbesondere keine sich schneidende Dreieck vorhanden sind. Überdies wäre es ebenso wünschenswert, aber nicht zwingend notwendig, keine sogenannten hängenden Knoten (hanging-nodes) zu haben.
Alternativ könnte man die Oberflächenrekonstruktion und das Meshing auch nach jeder gelaserten Schicht vornehmen und so schon versuchen in jeder Schicht Defekte zu lokalisieren. Diese Vorgehensweise ist aufwendiger und die Defektfindung und Klassifizierung auf lokaler Ebene schwieriger.
Im Folgenden erfolgt eine Beschreibung der Objektextraktion. Ist das Meshing abgeschlossen, so liegt eine Repräsentation des gesamten Bauraums vor, d.h. auch Bereiche neben dem Werkstück wurden rekonstruiert. Um nun Fehler durch den Vergleich des rekonstruierten Objekts und dem CAD Modell zu finden, ist es notwendig das Werktstück zu extrahieren. Dazu wird das CAD Modell als Prior verwendet und der Teilbereich im rekonstruierten Druckraum gefunden, der am besten zum Modell passt.
ABGLEICH UND LOKALISIERUNG (GLOBALTO LOCAL) VON DEFEKTEN:
Jeder extrahierte Bereich kann nun mit dem Modell abgeglichen und auf Fehler überprüft werden, dazu wird die originale CAD Geometrie verwendet. Alle erkannten Strukturen, die nun im Inneren einer Geometrie liegen, bei bestimmten Defekten wie Verzug ggf. auch Strukturen, die im Äußeren einer Geometrie liegen, sind als potenzielle Fehlerquellen zu sehen und müssen evtl. noch genauer untersucht werden, z.B. durch Berechnung des Volumens oder der zugehörigen Bounding-Box, um die Größe des Defekts feststellen zu können. An dieser Stelle muss auch zwischen den folgenden Defekttypen unterschieden werden:

- Verzug (distortion)
- Poröse Strukturen,Risse, Löcher etc.

Aus dem Mesh wird ein Graph erzeugt, hierfür ist eine kommerzielle Programmbibliothek ausreichend. Alle einzelnen, zusammenhängenden Graphen bilden ein separates Objekt. Zusätzlich kann mit den Bounding-Boxen und Volumen das gedruckte Objekt bzw. die Defektart bestimmt werden (Größenvergleich). Durch dieses Vorgehen ist die Defekt-Extraktion und Klassifikation effizient umsetzbar. Überdies kann hier zwischen einer Makro- und Mikro-Skala unterschieden werden und somit entsprechende Gegenmaßnahmen eingeleitet werden, d.h. Verschmelzung des Defekts (erhöhte Leistung, Zeit, Parameter etc.) oder aber ein Druckabbruch des entsprechenden Bauteils.
Um dem Kunden, d.h. dem Nutzer der additiven Fertigungsvorrichtung, die Defekte darstellen zu können, werden sie auf einem Datensichtgerät angezeigt. Final sollte diese Software mit in die gesamte Software eingebettet werden oder aber über eine API genutzt werden können. In einem ersten Schritt wird eine Defekte-Datei erstellt, welche z.B. mit ParaView visualisiert werden kann.
Durch verschieden Farben werden die einzelnen Defekttypen angezeigt um diese einfach und schnell voneinander unterschieden zu können.
DEFEKTERKENNUNG DURCH BILDVERARBEITUNG:
Im Gegensatz zum rekonstruktionsbasierten Verfahren aus dem ersten Ausführungsbeispiel trifft das nachfolgend beschriebene Verfahren weniger Annahmen über die Art des Defekts, nur, dass er sich im gewählten Sensor, bspw. RGB oder NIR/IR Kamera, robust manifestiert. Das Prinzip des Verfahrens beruht auf der Beobachtung, dass es oft einfach ist, eine große Menge mit „guten“ Sensordaten, d.h. in denen kein Defekt vorliegt, zu erzeugen. Damit kann ein generatives Modell, welches die (räumliche) Verteilung der „guten“ Daten explizit oder implizit darstellt, gelernt werden. Ein Defekt ist dann definiert als ein Datenpunkt, dem die gelernte Verteilung eine niedrige Wahrscheinlichkeit beimisst, d.h. damit die Aussage trifft, dass der beobachtet Datenpunkt vermutlich kein „gutes“ Sensordatum ist.
Das Verfahren hat folgende Herausforderungen:

1 Die Zuordnung einer niedrigen Wahrscheinlichkeit heißt nur, dass eine Anomalie vorliegen kann, nicht aber, dass diese Anomalie auch zu einem Defekt führt bzw. geführt hat.
2 Die Art des Defekts ist nicht gegeben, bspw. liegen Porosität oder unvollständige Verschmelzung vor.
3 Die Lage des Defektes ist nicht unmittelbar ablesbar, was allerdings abhängig vom generativen Modell ist.

Es ist daher vorteilhaft, das beschriebene Verfahren mit einem zusätzlichen Schritt zu kombinieren, beispielsweise dem zuvor beschriebenen Verfahren oder aber menschlicher Intervention in den Druckprozess bei Defekterkennung.
TEMPERATUR AUS NIR/IR BILDERN:
In diesem Ausführungsbeispiel ist das Kamerasystem 40 befähigt, (Nah-)Infrarot (NIR/IR) zu erfassen. Im Ausführungsbeispiel ist hierfür eine weitere Einzelkamera vorgesehen. Um die Fehlererkennung robuster zu machen, kann die Temperatur an der Oberfläche des Bauteils während des Drucks kontinuierlich mittels (Nah-)Infrarot (NIR/IR) Kamera gemessen werden. Damit lassen sich räumliche und zeitliche Temperaturgradienten ermitteln, die Aufschluss über den Schmelzprozess geben und damit auch über mögliche Fehler. Des Weiteren ist die Temperatur ein Fehlermerkmal, welches oftmals zu Beginn der Kausalkette zur Entstehung eines Defekts steht, damit einen Defekt früher erkennbar machen kann als bspw. das tiefenbasierte Verfahren, da hier der Defekt bereits vorliegt.
Eine Herausforderung, die sich mit NIR/IR Kameras stellt ist deren räumliche Auflösung, die niedriger ist als bei RGB Kameras, d.h. ein Pixel in einem RGB Bild kann nicht direkt mit einem Pixel eines IR Bildes korrespondiert werden. Im Umkehrschluss ist damit ein Pixel im IR Bild nur der Temperaturdurschnitt aus den impliziten Temperaturwerten, die ermittelt würden, hätte die NIR/IR Kamera die gleiche Auflösung wie die IR Kamera. Das kann dazu führen, dass kleine Defekte nicht (frühzeitig) erkannt werden können. Des Weiteren ist die Auflösung oft auch geringer als der Durchmesser des Laserstrahls auf der Oberfläche des Bauteils, mit den gleichen Auswirkungen wie zuvor.
Temperaturinformationen werden mit den oben beschrieben Verfahren kombiniert, um eine robuste Fehlererkennung zu ermöglichen.
ERWEITERUNG DES SCHMELZLASERS IM SLM VERFAHREN UM DISTANZ UND TEMPERATURMESSUNG:
Zur Defekterkennung mittels 3D Rekonstruktion ist es notwendig, entsprechende Sensoren am (außerhalb) oder im Bauraum der additiven Fertigungsvorrichtung unterzubringen, ohne dabei die Konstruktion zu stark verändern zu müssen, um die Kosten in einem annehmbaren Rahmen zu halten. Ein Setup aus optischer und NIR/IR Kamera sowie LiDAR steht dem Postulat entgegen. Eine mögliche Lösung stellt die Verwendung des Schmelzlasers zur Vermessung des zu druckenden Bauteils als auch zur Ermittlung der Temperatur auf der Oberfläche. Die Idee macht sich die Funktionsweise eines LiDARs zu nutze. Nachfolgend dargestellt sind die üblichen Messprinzipien, nach denen LiDAR Systeme Distanzen messen.
GEPULSTE DISTANZMESSUNG:
Im einfachsten Fall wird ein Laser Puls auf das zu vermessende Objekt gerichtet und die Zeitdifferenz zwischen Verlassen des Pulses und der Ankunft der Reflexion des Pulses am Objekt gemessen. Da die Lichtgeschwindigkeit, abhängig vom umgebenden Medium, konstant ist, kann daraus die Entfernung zwischen Objekt und Laser bestimmt werden. Die Geometrie des Bauteils lässt sich dann auf Basis der Prozessparameter, bspw. Schichtindex, ermitteln und Defekte, wie oben beschrieben, bestimmen. Die Distanz d zum Bauteil ist wie folgt gegeben: $d = \frac{c}{2} t_{o f},$
dabei bezeichnet c die Lichtgeschwindigkeit und t_of die Laufzeit des Lichts.
Die additive Fertigungsvorrichtung muss um einen Zeitmesseinheit sowie einen Photodetektor erweitert werden.
AMPLITUDE-MODULATED CONTINUOUS WAVE DISTANZMESSUNG:
Im Gegensatz zum gepulsten Verfahren sendet der Laser im AMCW Verfahren eine konstante Welle. Bei der Emission wird die Strahlungsleistung des Lasers mit einem Referenzsignal moduliert. Anschließend wird die Verschiebung der Phasen (phase shift) der Reflexion und des Referenzsignals ermittelt. Die ermittelte Phasenverschiebung ist eine Funktion der Distanz, die daraus berechnet werden kann. $d = \frac{c}{2} \frac{Δ Φ}{2 π f_{M}},$
wobei ΔΦ die Phasenverschiebung ΔΦ und ƒ_m die Frequenz des Signals beschreibt, dass durch die Amplituden des reflektierten Signals gebildet wird.
Eine Herausforderung, die mit diesem Verfahren einhergeht, ist die kontinuierliche Veränderung der Strahlungsleistung und damit des Schmelzprozesses an der Pulveroberfläche. Gängige Prozessparameter sind damit vermutlich obsolet und müssen neu gefunden werden.
Um das beschriebene Verfahren umzusetzen, muss die additive Fertigungsvorrichtung um Bauteile erweitert werden, die zum einen den Laserstrahl modulieren können, zum anderen die Phasenverschiebung ermitteln können.
Das letzte Verfahren, Frequency-modulated Continuous Wave (FMCW) erzielt hingegen schon Auflösungen im Bereich 150µm.
FREQUENCY-MODULATED CONTINUOUS WAVE DISTANZMESSUNG
Im Gegensatz zum AMCW Verfahren werden im FMCW Verfahren die Frequenzen des Trägersignals moduliert, d.h. die Wellenlänge des Lasers wird abhängig von einem Referenzsignal moduliert. Die Entfernung d zu einem Objekt ist dann eine Funktion der Frequenzverschiebung des Echosignals und lässt sich wie folgt darstellen $d = \frac{c}{2} \frac{| Δ f |}{2 d f / d t}$
Dabei bezeichnet |Δƒ| die Frequenzdifferenz und df/dt die Frequenzverschiebung je Zeiteinheit.
Eine Herausforderung, die sich mit diesem Verfahren stellt, ist die Veränderung der Frequenz des Laserstrahls und damit der Wellenlänge. Die Wellenlänge beeinflusst die Absorption von Energie an der Materialoberfläche, damit müssen unter Umständen die Prozessparameter für einen Druck angepasst werden.
Die additive Fertigungsvorrichtung muss um ähnliche Bauteile wie im AMCW Verfahren erweitert werden.
Des Weiteren verändert sich die Reflexivität einer Oberfläche in Abhängigkeit von ihrer Temperatur. Sinkt die Reflexivität, so ändert sich auch die Intensität, mit der der reflektierte Laserpuls am Photodetektor ankommt. Dies kann wie folgt beschrieben werden $Δ R = \frac{\partial R}{\partial T} Δ T + \frac{\partial R}{\partial N} Δ N .$
In der obigen Gleichung beschreibt R den Reflexionsfaktor und T die Temperatur. Der zweite Teil der Gleichung beschreibt die Änderungen des Reflexionsfaktor in Abhängigkeit von der Änderung der Anzahldichte der Ladungsträger ∂N, hervorgerufen durch die optische Anregung.
BAULICHE ANPASSUNG DER VORRICHTUNG ZUM ERZEUGEN EINES DREIDIMENSIONALEN OBJEKTS
Die funktionale Erweiterung des Schmelzlasers ist besonders wirksam, wenn bauliche Veränderungen an der additiven Fertigungsvorrichtung vorgenommen werden. Da der Laser sehr empfindlich auf Bewegungen ist, wird der Strahl mit Spiegeln und Linsen auf die Oberfläche gerichtet. Damit ändern sich Einfallswinkel wie auch Ausfallswinkel positionsabhängig. Weiterhin kann es zu Situationen kommen, in denen die Reflexion direkt in die fokussierende Linse zurückgeht, d.h. wenn der Einfallswinkel des Lichts im nahen Bereich um 90 Grad liegt. Wie zuvor beschrieben, muss die additive Fertigungsvorrichtung unter anderem um Photodetektoren erweitert werden. Da sich durch die kontinuierliche Änderung des Ausfallswinkels keine fixe Position für den reflektierte Laserstrahl im Bauraum mehr ergibt, muss die additive Fertigungsvorrichtung so ausgelegt sein, dass die einzelnen Elemente so angeordnet sind, dass die Lichtlaufzeits- und Lichtintensitätsmessungen präzisen erfolgen.
ABWANDLUNG DER AUSFÜHRUNGSBEISPIELE, ERSATZ DER F-Θ-LlNSE 14
Je nach Ausgestaltung und Anordnung der F-Θ-Linse kann es problematisch werden, den Fertigungslaser 6 auch als Messlaser einzusetzen, da es durch die Refraktion an der F-Θ-Linse zu Strahlverzerrungen kommen kann, die bei der Berechnung der Laserstrahllaufzeit berücksichtigt werden müssen und zu Ungenauigkeiten führen können. Insbesondere kann es durch die F-Θ-Linse 14 nach der Reflektion des Laserstrahl 9 beim erneuten Durchtritt durch die F-Θ-Linse 14 zu schwierig kompensierbaren Refraktionsverzerrungen kommen.
Um dieses Problem zu beseitigen, wird vorgeschlagen, die F-Θ-Linse 14 in einer ersten Abwandlung der Ausführungsbeispiele zu ersetzen. Dies wird im Folgenden anhand 9 beschrieben.
Anstelle der F-Θ-Linse ist ein fixer Spiegel 15 vorgesehen. Der fixe Spiegel 15 ist horizontal kreissegmentförmig, wobei der Scanner 8 im Kreismittelpunkt angeordnet ist. Die Spiegelfläche des fixen Spiegels 15 ist so nach unten geneigt, dass ein vom Scanner 8 horizontal eintreffender Strahl 9 senkrecht nach unten auf die Bauschicht 11 reflektiert wird. Der Scanner 8 weist einen Spiegel auf, der so um die vertikale Achse (z-Achse) rotiert, dass der Strahl 9 über die gesamte horizontale Ausdehnung des fixen Spiegels 15 streicht und über diesen Bereich von dem fixen Spiegel senkrecht nach unten reflektiert wird. Dies erzeugt auf der Bauschicht 11 einen eindimensionalen kreissegmentförmigen Bereich, auf dem der Strahl 9 auftrifft. Um einen flächigen Bereich auf der Bauschicht 11 bearbeiten zu können, werden der Laser 6, der Spiegel 7, der Scanner 8 und der fixe Spiegel 15 in relativ zueinander gleichbleibender Anordnung in x-Richtung über den Bauraum bewegt. Ein von der Bauschicht 13 reflektierter Anteil des Strahls 9, der reflektierte Strahl 9', wird über den fixen Spiegel zurück auf den Scanner 8 reflektiert. Da sich der Spiegel des Scanners 8 beim Eintreffen des reflektierten Strahls 9' bereits um einen ausreichend genau vorherbestimmbaren Wert um die z-Achse weitergedreht hat, wird der reflektierte Strahl nicht direkt zu dem Laser 6 reflektiert, sondern trifft dort leicht versetzt auf. An dieser Stelle ist ein Laserempfänger 16 vorgesehen, der relativ zu dem Laser 6, dem Spiegel 7, dem Scanner 8 und dem fixen Spiegel 15 ortsfest angebracht ist und sich gemeinsam mit diesen entlang der x-Achse bewegt.
Da durch diese Anordnung der Strahl 9 immer senkrecht zur Bauschicht 11 ausgerichtet ist und sich die Lauflänge des Strahls 9 und des reflektierten Strahls 9' lediglich genau um die Distanz von Höhenunterschieden auf der Bauschicht 11 variiert, lässt sich in allen erfassten Bereichen der Bauschicht 11 eine genaue Tiefenermittlung mittels LiDAR durchführen.
Alternativ wird vorgeschlagen, die F-Θ-Linse 14 in einer zweiten Abwandlung der Ausführungsbeispiele zu modifizieren. Dies wird im Folgenden anhand 10 und 11 beschrieben.
Eine abgewandelte F-Θ-Linse 14' ist so ausgestaltet, dass sie mit einer teilspiegelnden Oberfläche 141 versehen ist. Ferner ist ein ringförmiger fixer Spiegel 15' vorgesehen. An einem Umlaufring 17 sind zwei Lasersensoren 16' so angebracht, dass sie sich auf dem Kreisring bewegen können. Sowohl die teilspiegelnde Oberfläche 141 und der Ringförmige fixe Spiegel 15' sind quasi-parabolisch ausgestaltet, sodass der reflektierte Strahl 9' immer auf die Lage des Umlaufrings 17 reflektiert wird. Die Sensoren 16' werden dabei so entlang des Umlaufrings 17 bewegt, dass der reflektierte Strahl 9' entweder von dem einen oder dem anderen Sensor 16' erfasst werden kann. Da es beim Übertritt über die Bildmitte zu einem plötzlichen Umschlagen der Reflektion, von der einen auf die andere Seite kommen kann, ist es vorteilhaft, gegenüberliegend auf beiden Seiten die Sensoren 16' anzuordnen.
Die Anordnung nach der zweiten Abwandlung erlaubt - wegen der nicht immer senkrechten Strahlausrichtung keine so hohe Genauigkeit wie die Anordnung nach der ersten Abwandlung. Da hier jedoch mit den Sensoren 16' erheblich weniger Bauteile relativ zum Bauraum beweglich sind, ist die Komplexität geringer.
HYBRIDER ANSATZ ZUR DEFEKTERKENNUNG
Im ersten Schritt wird der Lidar Sensor online, d.h. mit jedem Bild, kalibriert. Mit den Kalibrierungsparametern ist es nun möglich aus den Lidardaten eine Disparity Map zu erstellen. Dabei kommen nun die Kalibrierungsparameter ins Spiel, denn sie erlauben, die Disparity Map für den gleichen Bildausschnitt zu berechnen, den die Stereokamera sieht (Lidar scannt im Radius X, d.h. Punktewolke muss mit dem Stereobild angeglichen werden). Aus den zwei Disparity Maps wird dann im nächsten Schritt eine globale Disparity Map erstellt, die wesentlich präziser ist als die einzelne Karte. Beide Schritte, Kalibrierung und Fusion können mit neuronalen Netzen implementiert werden.
DYNAMISCHE, IN-SITU ANPASSUNG DER PROZESSPARAMETER:
Defekt entstehen einerseits durch Faktoren, die bereits vor dem Druck existieren, bspw. ist die Geometrie nicht geeignet für den Druck oder bei der Herstellung des Pulvers gab es Qualitätsmängel. Zum anderen entstehen Defekte aber auch während des Drucks, weil Prozessparameter wie die Scangeschwindigkeit des Lasers zum gegenwärtigen Zustand des Drucks nicht passen. In bestehenden Umgebungen von additiven Fertigungsvorrichtungen werden die Prozessparameter vor dem Fertigungsprozess ermittelt und fix eingestellt. Die Ermittlung kann dabei durch eine Simulation des Fertigungsprozesses und / oder die Erstellung von Proben erfolgen. Um Defekte jedoch effektiv zu vermeiden, ist es notwendig, während der Laufzeit die Prozessparameter dynamisch zu verändern, und zwar in Reaktion auf die zu einem Zeitpunkt im Verfahren bestehende Defektwahrscheinlichkeit. Dazu wird der Fertigungsprozess als Markow-Entscheidungsproblem formuliert, welches mit einem Algorithmus aus der Klasse des Reinforcement Learning gelöst werden kann.
SELBST-LERNENDE PARAMETERANPASSUNG:
Der Algorithmus (Policy) erhält fortwährend Informationen über den Fertigungsprozess, bspw. Temperatur im Pulverbett und entscheidet, ob die Prozessparameter geändert werden müssen, mit dem Ziel die Defektwahrscheinlichkeit zu reduzieren.
Zum einen gibt es modell-freie Ansätze, die darauf verzichten ein explizites Modell der Dynamik des additiven Fertigungsprozesses zu lernen und versuchen jedem Zustand die beste Änderung der Prozessparameter zuzuordnen, bspw. mittels eines künstlichen neuronalen Netzes. Im Rahmen des Reinforcement Learning wird dabei von der Dynamik der Umwelt (Environment) gesprochen, die durch Übergangswahrscheinlichkeitsverteilung der Zustände p(s',r|s,a) modelliert wird. s, s' E S sind dabei die Zustände (states), α E A eine Änderung der Prozessparameter (actions), r E R gibt Auskunft darüber wie gut die Änderung der Prozessparameter war (rewards), d.h. hat sie die Defektwahrscheinlichkeit reduziert. Als Umwelt kann in diesem Zusammenhang die additive Fertigungsvorrichtung, der Fertigungsvorgang sowie das Bauteil angesehen werden.
Alternativ kann ein modell-basierter Ansatz zum Einsatz kommen. In den modellbasierten Ansätzen wird explizit die Umwelt modelliert, um damit die beste Änderung der Prozessparameter zu planen. Planung bedeutet, dass es einen Ist-Zustand gibt und einen Soll-Zustand. Der Planungsalgorithmus versucht dann mit Hilfe des Modells der Umwelt die beste Sequenz von Änderungen der Prozessparameter (policy) zu finden. Dabei ist die beste Sequenz in diesem Zusammenhang die, die zur niedrigsten Defektwahrscheinlichkeit führt.
Der Vorteil von modell-basierten Ansätzen ist, dass sie weniger Daten (sample efficiency) benötigen, da viele Zusammenhänge in der Realität (lokal) linear sind. Damit werden nur wenige Datenpunkte aus der lokalen Umgebung benötigt, um den Zusammenhang zu lernen.
Modell-freie Ansätze brauchen hingegen wesentlich mehr Beispiele, dass sie nur den Zusammenhang zwischen der Änderung der Prozessparameter und dem Erfolg (reward) lernen. Der beschriebene Nachteil von modell-freien Ansätzen verschwindet aber, wenn auf genaue Simulationen des additiven Fertigungsprozesses zurückgegriffen werden kann oder aber die Zahl der im Einsatz befindlichen Drucker, auf deren Daten Zugriff besteht, groß ist, denn die Planung in modell-basierten Ansätzen ist wesentlich komplexer und wird stärker durch vereinfachende Annahmen sowie Annäherungen eingeschränkt, als es bei modell-freien Ansätzen der Fall ist. Die Herausforderung in modell-freien Ansätzen, die in einer Simulation trainiert wurden, ist der erfolgreiche Transfer auf die Hardware. Selbst bei hoch-akkuraten Simulationen kommt es zum sog. reality gap, d.h. das gelernte Modell empfiehlt suboptimale Änderungen der Prozessparameter, da sich das Simulationsmodell in einigen oder allen Dimensionen zu stark von der Wirklichkeit zu unterscheidet.
Es wird gelehrt, einen modell-freien und einen modell-basierten Ansatz zu kombinieren, der zuerst in der Simulation gelernt und anschließend auf einer realen additiven Fertigungsvorrichtung mit wenigen Fertigungsbeispielen verfeinert wird. Des Weiteren wird die Verwendung von Verfahren gelehrt, die den reality gap reduzieren, wie Dynamics oder Domain Randomization und Messung der physikalischen Parameter. Für Dynamics und Domain Randomization werden kritische Parameter der Umwelt während der Simulation immer wieder variiert, um die zu lernende Policy zur stärkeren Generalisierung zu zwingen. Des Weiteren wird die Nutzung von bereits gesammelten Daten zum Fertigungsvorgang gelehrt, um das Lernen zu beschleunigen (Learning from Demonstrations).
Eine Herausforderung stellt die Heterogenität der einzelnen additiven Fertigungsvorrichtungen dar, selbst wenn das gleiche Verfahren verwendet wird. Um dem Problem zu begegnen, wird ein kollektiver Lernansatz vorgeschlagen.
KOLLEKTIVES LERNEN
Additive Fertigungsvorrichtungen verschiedener Hersteller unterscheiden sich auf vielfältige Art und Weise, selbst wenn sie mit demselben Fertigungsprozess arbeiten. Das hat Auswirkungen auf die Dynamik der Umwelt im Herstellungsverfahren. Es ist schwer, im Vorhinein jede einzelne additive Fertigungsvorrichtung zu simulieren und die Parameter des Algorithmus darauf anzupassen. Daher werden zwei Verfahren vorgeschlagen, um die Daten der einzelnen additiven Fertigungsvorrichtungen zur Verbesserung der Algorithmen zu verwenden. Dabei kommen Methoden aus dem Bereich des Privacy Preserving Machine Learning, die es ermöglichen, sensible Daten einzelner Kunden zu schützen, ohne dass das Lernen beeinträchtigt wird.
OFFENER AUSTAUSCH (CENTRAL LEARNING)
Jede additive Fertigungsvorrichtung, auf dem unsere Software installiert ist, überträgt kontinuierlich Prozessparameter sowie die Zustände (states) seiner Umwelt an einen zentralen Server. Dabei werden vertrauliche Informationen wie bspw. die Geometrie des Bauteils abgewandelt, so dass die Daten immer noch zum Lernen des Algorithmus verwendet werden können, aber die ursprüngliche Geometrie bzw. die vertrauliche Information nicht mehr ermittelbar ist. Auf Basis der Daten und des zuvor beschriebenen Vorgehens wird der Algorithmus verbessert und die Verbesserungen zurück an die additive Fertigungsvorrichtung übermittelt.
SEMI-OFFENER AUSTAUSCH (FEDERATED LEARNING)
Jede additive Fertigungsvorrichtung, auf dem unsere Software installiert ist, besitzt eine zusätzliche Recheneinheit, die es ermöglicht, anhand der Daten, die in der Maschine anfallen, das Modell zu verbessern. Dazu besitzt der Drucker bei Auslieferung bereits ein generisches Modell, das dann über die Laufzeit durch den Lernprozess auf die spezifischen Eigenschaften des Druckers angepasst wird. Nachdem ein solches, lokales Modell mit den Daten von der additive Fertigungsvorrichtung verbessert wurde, werden die Veränderungen in den Modellparametern an einen zentralen Server übermittelt, der mit den einzelnen Updates ein globales Modell verbessert. Anschließend wird das globale Modell an die additive Fertigungsvorrichtung zurück übermittelt, um das alte Modell zu ersetzen.
Die Erfindung wurde mittels Ausführungsbeispielen beschrieben. Die Ausführungsbeispiele sind nur von erläuternder Natur und schränken die Erfindung, wie sie durch die Ansprüche definiert ist, nicht ein. Für den Fachmann erkennbar sind im Rahmen des Schutzbereichs der Ansprüche Ausgestaltungen möglich, die vom Ausführungsbeispiel abweichen können.
So wird im Ausführungsbeispiel der Fertigungslaser der additiven Fertigungsvorrichtung zur Erfassung der Oberflächentemperatur oder der Gestalt des Werkstücks verwendet. Alternativ kann auch eine eigene Erfassungsvorrichtung mit einem separaten Erfassungslaser vorgesehen sein.
Im Ausführungsbeispiel wird ein Kamerasystem bestehend aus zwei Bildaufnahmevorrichtungen verwendet, die zeitgleich Bilder aufnehmen. Alternativ kann das Kamerasystem aus einer Bildaufnahmevorrichtung bestehen, die zeitlich und räumlich versetzt Bilder aufnimmt.
Im abgewandelten Ausführungsbeispiel weist das Kamerasystem eine weitere Kamera für Aufnahmen im NIR/IR-Spektrum auf. Alternativ kann aber auch eine der Stereokameras oder die Einzelkamera für diese Funktion verwendet werden, wenn sie die Fähigkeit zur Erfassung des NIR/IR-Spektrums aufweist.
Im Ausführungsbeispiel wird die Kamerapose u.a. auf Basis der Informationen aus Drehgebern der Motoren, die die Kamerapose ändern, von an der Kamera angebrachten Inertial-Measurement-Unit (IMU) oder einer Innenraum-Lokalisierungstechnik (bspw. RFID, Megnetometer etc.) lokalisiert. Alternativ oder zusätzlich kann die Kamerapose auch anhand einer weiteren Kamera und einer Markierung an einer der Gehäusewände bestimmt werden. Ein solches Ausführungsbeispiel wird nachfolgend anhand der 4 beschrieben. Das Ausführungsbeispiel nach 4 entspricht dem ersten Ausführungsbeispiel und unterscheidet sich von diesem in den nachfolgend aufgeführten Punkten. Das Kamerasystem 50 weist ein weiteres Kameramodul 60 auf. Dieses ist drehfest mit dem ersten Kameramodul 52 und dem zweiten Kameramodul 53 verbunden und auf dem Schlitten 51 angeordnet. Im Gegensatz zu dem ersten Kameramodul 51 und dem zweiten Kameramodul 53 ist das dritte Kameramodul 60 nach oben ausgerichtet. Die obere Gehäuseabdeckung 43 besteht üblicherweise aus einer Glasscheibe. An dieser ist ein von unten erkennbares Raster 44 aufgetragen. Das dritte Kameramodul 60 kann das Raster 44 erfassen und daraus seine Lage auf der x-y-Ebene und seine Ausrichtung bestimmen.
In dem ersten, zweiten, und dritten Ausführungsbeispiel sind die Kamerasysteme innerhalb des Bauraums 40 vorgesehen. Sie können jedoch auch außerhalb des Bauraums 40 vorgesehen sein. In diesem Fall ist der Bauraum mit entsprechenden Fenstern auszustatten. Dies hat den Vorteil, dass die Kamerasysteme nicht der im Bauraum vorherrschenden thermischen Belastung ausgesetzt sind. Hierbei können die Kamerasysteme oberhalb oder an einer oder mehreren der vier Seiten des Bauraums angeordnet sein.
Im Ausführungsbeispiel ist die erfindungsgemäße Vorrichtung zum Aufbau eines dreidimensionalen Fertigungsobjekts als Lasersintervorrichtung dargestellt. Die Erfindung ist jedoch auch anwendbar auf Direct Energy Deposition Fertigungsvorrichtungen anwendbar. Da es kein Pulverbett mehr gibt, muss bei der Segmentierung jetzt das Objekt vom Hintergrund abgegrenzt werden. Aufgrund dessen, dass der Hintergrund nicht mit der gleichen Regelmäßigkeit wie im Pulverbett Verfahren ausgestattet ist, ist bei der Segmentierung zu beachten, dass die Apparatur, die das Material (Pulver oder Draht) aufträgt (MAA) (beispielsweise eine Roboterarm) vom Fertigungsobjekt und das Fertigungsobjekt vom Hintergrund getrennt werden. Bauliche Veränderungen könnten sein, dass die MAA in einer einheitlichen und nicht vom Material angenommenen Farbe lackiert werden. Des Weiteren kann der Hintergrund derart abgeschirmt und farblich verändert werden, dass er leicht zu segmentieren ist, bspw. in dem der Druckvorgang in einer separaten Zelle stattfindet. Bei diesem Verfahren müssen ferner, abhängig vom Aufbau der Fertigungsvorrichtung, die Sensoren nicht im oberen Teil des Bauraums angebracht werden, sondern können entweder direkt an der MAA oder aber seitlich im / am Drucker oder aber in einer eigenständigen, beweglichen Apparatur wie bspw. einem Roboterarm. Wichtig ist dabei, dass auch Hohlräume und andere, nur aus wenigen Perspektiven sichtbare Bereiche, vollständig erreicht werden können, wobei eine Anbringung nah an der MAA vorteilhaft ist. Des Weiteren ist das Vorsehen verschiedener Bauteile um den Sensor vorteilhaft, um Schutz gegen die Hitze zu bilden bzw. das Vorsehen verschiedener Filtersysteme, um die hohe Strahlungsintensität (Lichtintensität) zu mindern aber auch den Einfluss von UV Strahlung / IR Strahlung auf das Bild (RGB) zu reduzieren. Der Vorteil zusätzlicher Vorrichtungen ergibt sich dadurch, dass es wenige / keine Phasen gibt, in denen die Strahlungsintensität, die durch die MAA erzeugt wird, gering ist, so wie es bspw. im Pulverbett Verfahren ist, wenn der Recoater neues Pulver aufträgt. Bei der lokalen Tiefenschätzung beschränkt sich dann, wenn die Kamera an der MAA direkt befestigt ist, so dass diese den Pfad vorgibt, die Pfadplanung auf das Bestimmen der Auslösemomente für die Bildaufnahmen und - falls eine eigene Ausrichtbarkeit der Kameramodule gegeben ist - eine Planung der Kameraausrichtung.
Im ersten Ausführungsbeispiel weist das Kamerasystem 50 das erste Kameramodul 52 und das zweite Kameramodul 53 auf, um über zwei Kamerabilder eine stereoskopische Tiefenerfassung durchzuführen. Alternativ hierzu ist eine Tiefenerfassung nach dem Streiflichtverfahren möglich. Hierbei wird das zweite Kameramodul 53 durch einen Projektor ersetzt, der ein Lichtmuster (strukturiertes Licht) auf die Bauschicht 11 projiziert. Das erste Kameramodul 52, das zum zweiten Kameramodul 53 und somit auch zu dem Projektor versetzt angeordnet und auf die Bauschicht 11 ausgerichtet ist, nimmt gemäß dem Kamerasystempfad Bildaufnahmen von der Bauschicht 11 mit dem Lichtmuster auf. Durch Tiefenänderung der Bauebene 11 ergeben sich aus der Perspektive des ersten Kameramoduls 52 Verzerrungen des Lichtmusters. Aus den in den Aufnahmen des ersten Kameramoduls 52 festgehaltenen Verzerrungen des Lichtmusters lassen sich in bekannter Weise auf Basis epipolarer Geometrie die Tiefenänderungen der Bauschicht 11 ermitteln und gemäß dem ersten Ausführungsbeispiel eine Punktewolke generieren. Der durch das Streiflichtverfahren hohen Genauigkeit im Mikrometerbereich stehen jedoch höhere Kosten durch die Notwendigkeit von einem oder mehreren Projektoren gegenüber.
Die Tiefenbestimmung durch das Streiflichtverfahren kann-wenn der Projektor zusätzlich zu den Kamerasystemen 50 der Ausführungsbeispiele vorgesehen wird - auch ergänzend zur stereoskopischen Tiefenbestimmung erfolgen.
Alternativ oder ersetzend kann eine Tiefenbestimmung auch mittels Radar erfolgen. Hierzu ist ein Radarsensor an (außerhalb) oder im oberen Bereich des Bauraums 10 vorgesehen. Der Radarsensor weist einen Radaremitter und einen Radarempfänger auf. Durch den Radaremitter werden elektromagnetische Wellen im Radiofrequenzbereich als Radarsignal ausgesendet, die von der Bauschicht 11 reflektiert werden. Die Reflexionen des Radarsignals werden durch den Radarempfänger empfangen. Aus der Signallaufzeit, d.h. der Zeitdifferenz zwischen Absenden und Empfangen des Radarsignals und der Ausbreitungsgeschwindigkeit des Radarsignals im entsprechenden Umgebungsmedium in und/oder außerhalb des Bauraums, wird die Distanz ermittelt. Das Verfahren ähnelt insoweit der Lidar-Tiefenermittlung. Die Ergebnisse aus der Radar-Tiefenbestimmung können mit den anderen Tiefenermittlungsverfahren kombiniert/fusioniert werden, oder einzelne andere Tiefenermittlungsverfahren ersetzen.
Ein Kamerasystempfad ist eine Abfolge von Positionen, Ausrichtungen oder Bildaufnahmeinitiierungen eines Kamerasystems mit einem oder mehreren Kameramodulen.
Eine additive Fertigungsvorrichtung im Sinne dieser Schrift ist jede materialauftragende Fertigung, beispielsweise durch LSM, DED (direct Energy Deposition) oder MAA.
Ein teilspiegelnder Spiegel oder eine teilspiegelnde Oberfläche sind solche, die von der einen Seite bestrahlt die Strahlung reflektieren, und von der anderen Seite bestrahlt die Strahlung mindestens teilweise, jedenfalls stärker als bei der Bestrahlung der einen Seite hindurchtreten lassen.
In der Beschreibung sind die Terme „und“, „oder“, und „entweder ... oder“ als Junktor in der Bedeutung der logischen Konjunktion (mathematisches UND), als Junktor in der Bedeutung der logischen Adjunktion (mathematisches ODER, oft auch „und/oder“) bzw. als Junktor in der Bedeutung der logischen Kontravalenz (mathematisches Exklusiv-ODER) verwendet.
In der Beschreibung oder den Ansprüchen angegebene Verfahrensschritte dienen lediglich der Auflistung der erforderlichen Verfahrensschritte. Sie implizieren nur dort eine Reihenfolge, wo die Reihenfolge explizit angegeben ist oder sich für den Fachmann als notwendig ergibt. Insbesondere impliziert die Auflistung keine abschließende Aufzählung.
Bezugszeichenliste

1: Erzeugungsvorrichtung, Vorrichtung zum Erzeugen eines dreidimensionalen Objekts, Lasersintervorrichtung, LSM, Drucker
5: obere Trennwand
6: Laser, Fertigungslaser, Messlaser, Erfassungslaser
7: Umlenkspiegel
8: Scanner, Reflektor
9: Strahl, Laserstrahl
9': reflektierter Strahl
10: Bauraum
11: Bauschicht, aktuelle Bauschicht, current layer
12: Eintrittsfenster
13: Bauplatte, build plate
14: F-θ Linse
141: teilspiegelnde Oberfläche
15: fixer Spiegel
15': ringförmiger fixer Spiegel
16: Laserempfänger, Laserempfangsvorrichtung
16': Lasersensoren
17: Umlaufring
25: Behälter
26: Trägervorrichtung
27: Beschichter, recoater
28: Dosiervorrichtung
30: Zuführöffnung
40: oberer Bereich des Bauraums 10
41: unterer Bereich des Bauraums 10
50: Kamerasystem
50': Kamerasystem (2. Ausführungsbeispiel)
51: Schlitten
52: erstes Kameramodul
52': erstes Kameramodul (2. Ausführugnsbeispiel)
52": erstes Kameramodul (3. Ausführungsbeispiel)
53: zweites Kameramodul
53": zweites Kameramodul (3. Ausführungsbeispiel)
α: Neigungswinkel des ersten Kameramoduls 52"
β: Neigungswinkel des zweiten Kameramoduls 53"
54: erster Stellmotor
56: Träger des Schienensystems
57: dritter Stellmotor
58: Schienen
59: Stellmotor
61: Lagerring
62: Drehring
63: Stellmotor
dT: Temperaturgradient
T: Wahrscheinlichkeit ob Pixel geschmolzenes oder ungeschmolzenes Material abdeckt

Claims

Verfahren zur Erkennung von Fertigungsfehlern während additiver Fertigung eines Fertigungsobjekts, das die Schritte aufweist: Vorsehen eines Erfassungslasersystems (6, 8, 14, 15, 15', 16, 16') an oder in einem Bauraum (10) einer additiven Fertigungsvorrichtung (1), Fertigung des Fertigungsobjektes in mehreren Fertigungsschritten mittels eines Fertigungslasers (6) in dem Bauraum (10) der additiven Fertigungsvorrichtung (1), Verwendung eines Lasers (6) in einem Bauraum einer additiven Fertigungsvorrichtung zur Ermittlung von Eigenschaften eines Fertigungsobjekts.
Das Verfahren nach dem vorhergehenden Anspruch, wobei die ermittelten Eigenschaften eine 3-dimensionale Ausgestaltung und/oder eine Oberflächentemperatur sind.
Das Verfahren nach einem der vorhergehenden Ansprüche, das ferner die Schritte aufweist: Abgleich der 3-dimensionalen Ausgestaltung mit einer 3-dimensionalen Soll-Ausgestaltung, Ermittlung von Abweichungen zwischen der 3-dimensionalen Ausgestaltung und der 3-dimensionalen Soll-Ausgestaltung,
Das Verfahren nach einem der vorhergehenden Ansprüche, das ferner die Schritte aufweist: Bewertung der im Abweichungsermittlungsschritt ermittelten Abweichung, wenn eine Abweichung ermittelt wird, Ausgabe einer Abweichungsbewertung.
Das Verfahren nach dem vorhergehenden Anspruch, wobei die 3-dimensionale Ausgestaltung mittels Gepulster Distanzmessung, AMCW-Distanzmessung oder FMCW-Distanzmessung erfolgt.
Das Verfahren nach einem der vorhergehenden Ansprüche, wobei der Erfassungslaser der Fertigungslaser (6) der additiven Fertigungsvorrichtung (1) ist.
Das Verfahren nach einem der vorhergehenden Ansprüche, wobei der Erfassungslaser ein Laser separat von dem Fertigungslaser (6) der additiven Fertigungsvorrichtung (1) ist.
Das Verfahren nach einem der vorhergehenden Ansprüche, das ferner die Schritte aufweist: Vorsehen eines teilspiegelnden Spiegels (141), der so angeordnet ist, dass ein Strahl (9) des Lasers von der transparenten Seite hindurchtritt und ein von dem Fertigungsobjekt reflektierter Strahl (9') von dem teilspiegelnden Spiegel reflektiert wird, Vorsehen eines fixen Spiegels (15'), wobei die Oberflächen des teilspiegelnden Spiegels (141) und des fixen Spiegels (15') so ausgestaltet sind, dass ein von dem Fertigungsobjekt reflektierter Strahl (9') auf einen eindimensionalen, vorzugsweise kreisförmigen Bereich reflektiert wird, und Vorsehen von mindestens einem Sensor (16') an dem eindimensionalen Bereich, der eingerichtet ist, den reflektierten Strahl (9') zu erfassen
Das Verfahren nach dem vorhergehenden Anspruch, wobei die Oberflächen des teilspiegenlden Spiegels (141) und des fixen Spiegels (15') quasi-parabolisch ausgestaltet sind.
Das Verfahren nach einem der Ansprüche 1 bis 8, das ferner die Schritte aufweist: Vorsehen eines um eine erste Achse rotierenden Reflektors (8), Vorsehen eines fixen Spiegels (15), der senkrecht zur ersten Achse kreissegmentförmig ausgestaltet ist, und so angeordnet ist, dass sich der rotierende Reflektor (8) im Kreissegmentmittelpunkt befindet und eine solche Oberfläche aufweist, dass zum Kreissegment radial verlaufender Strahl (9) parallel zur ersten Achse reflektiert wird und auf eine Bauschicht (11) fokussiert wird, Vorsehen einer Laserempfangsvorrichtung (16), Rotieren des rotierenden Reflektors (8) um die erste Achse, Richten eines Laserstrahls (9) auf den rotierenden Reflektor (8), Reflektieren des Laserstrahls (9) durch den rotierenden Reflektor (8) in Richtung des fixen Spiegels (15), Reflektieren des Laserstrahls durch den fixen Spiegel (15) in Richtung des Fertigungsobjekts, Reflektieren des Laserstrahls als reflektieren Laserstrahl (9') durch das Fertigungsobjekt in Richtung des fixen Spiegels (15), Reflektieren des reflektierten Laserstrahls (9') durch den fixen Spiegel (15) in Richtung des rotierenden Reflektors (8), Reflektieren des reflektieren Laserstrahls (9') durch den rotierenden Reflektor (8) zu einer Laserempfangsvorrichtung (16)), Erfassen des reflektieren Laserstrahls (9') durch die Laserempfangsvorrichtung (16).
Vorrichtung zur additiven Fertigung, die eingerichtet ist, ein Verfahren nach den vorhergehenden Verfahrensansprüchen auszuführen.
Die Vorrichtung nach dem vorhergehenden Vorrichtungsanspruch, die ferner aufweist: eine Laserempfangsvorrichtung (16), die eingerichtet ist, einen von einem Werkstück reflektierten Laser-Strahl (9') zu empfangen eine Berechnungseinheit, die eingerichtet ist, aus Ausrichtung, Intensität, Frequenz, Modulation oder Empfangszeit eine Laufzeit des Lasers ab dessen Emission zu bestimmen, und damit die Abmessungen des Werkstücks zu bestimmen.
Die Vorrichtung nach dem vorhergehenden Vorrichtungsanspruch, die ferner aufweist: einen Laseremitter (6), der so angeordnet und eingerichtet ist, einen Laserstrahl (9) zu emittieren, mittels dem im Zusammenspiel mit der Laserempfangsvorrichtung (16) eine Laufzeit des Lasers ab dessen Emission zu bestimmen und damit die Abmessungen des Werkstücks zu bestimmen.
Die Vorrichtung nach einem der vorhergehenden Vorrichtungsansprüche, die ferner eine Anordnung optisch wirksamer Elemente aufweist, die so ausgestaltet sind, dass der Laserstrahl (9) im Erfassungsbereich senkrecht auf die Bauschicht (11) auftrifft.
Die Vorrichtung nach dem vorhergehenden Vorrichtungsanspruch, die aufweist: einen um eine erste Achse rotierbaren Reflektor (8), einen fixen Spiegel (15), der senkrecht zur ersten Achse kreissegmentförmig ausgestaltet ist, und so angeordnet ist, dass sich der rotierbare Reflektor (8) im Kreissegmentmittelpunkt befindet und eine solche Oberfläche aufweist, dass ein zum Kreissegment radial verlaufender Strahl (9) parallel zur ersten Achse reflektiert wird und auf eine Bauschicht fokussiert wird.