Near-Convex Decomposition and Layering for Efficient 3D Printing笔记

本文介绍了3D打印中的一种优化技术——近凸分解与层叠,通过创建搜索子空间、分割和配置组件,实现高效打印。首先,通过形状和空间相似性度量形成初始簇集,然后优化组件属性如凹度、表面角度、尺寸和误差,最终确定组件的放置位置和旋转角度,以减少支撑结构并提高打印质量。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

声明:文中所有观点仅代表个人见解,若有不妥之处欢迎指正。

这篇论文于2018年 被 SCI 1区 "Additive Manufacturing"录用。原文链接:http://hpcg.purdue.edu/bbenes/papers/Demir18AM.pdf

目录

1.Overview

2.Decomposition(剖分)

2.1Search Subspace Creation 创建搜索子空间

2.2Segmentation 分割

2.3Configuration 确定组件的放置位置及旋转角度

1.Overview

输入:未标记的网格模型(三角面片无规则无组织无序),

(1)Cluster:通过定义的度量计算三角面片的相似性,得到最初的相似三角面片簇集,然后计算空间相似度对簇集进行合并和分割,得到最初搜索子空间(search subspace)

(2)Components-Minimization: 对搜索子空间进行剖分得到组件,然后迭代的减小目标函数,收敛得到最后的解集

(3)Configuration:确定剖分后的组件的放置位置及旋转角度

输出:上一步得到的剖分后的有明确位置及旋转角度的组件

打印->组装->End

2.Decomposition(剖分)

剖分分成两部分:创建搜索子空间,分割。

2.1Search Subspace Creation 创建搜索子空间


先介绍两个度量公式,均在作者15年发表的文章(“Coupled Segmentation and Similarity Detection for Architectural Models ”)中给出了定义:

形状差异性度量:

这里ti,tj代表两个三角面片,ai,aj是其面积,ei,ej是其边长,

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值