中國3d打印技術(shù)論文結(jié)論范文(2)
中國3d打印技術(shù)論文結(jié)論范文
3d打印技術(shù)論文結(jié)論范文篇三：《試談3D打印在建筑結(jié)構(gòu)中的應用》
【摘要】本文介紹了3D打印建筑結(jié)構(gòu)的一般過程，采用馬爾可夫方法對圖像去噪、分割和輪廓提取，利用馬爾可夫隨機場進行3D結(jié)構(gòu)的重建，并通過遺傳算法完善建筑結(jié)構(gòu)，同時分析了以上過程的優(yōu)點和不足。
【關(guān)鍵詞】3D打印;馬爾可夫隨機場;建筑結(jié)構(gòu)
0 引言
3D打印，是快速成型技術(shù)的一種，它是一種以三維設計軟件數(shù)據(jù)為基礎，運用液體、粉末等可粘合材料，通過逐層累加的方式來構(gòu)造物體的技術(shù)[1]。以具有周期短、成本低、操作簡單、精準度高為特點的3D打印技術(shù)的發(fā)展與逐漸成熟，是第三次工業(yè)革命的重要標志之一[2]。
本文結(jié)合3D打印技術(shù)的主要特點，介紹在建筑結(jié)構(gòu)中應用3D打印技術(shù)的方法，同時提出以照片建模方式來簡化3D建模過程，以改善傳統(tǒng)手動建模時間長、難度大的不足，并通過機器學習及遺傳算法給出合理的建筑結(jié)構(gòu)，盡可能的減少不合理的結(jié)構(gòu)設計。
1 圖像處理
3D打印所需的數(shù)據(jù)通常是通過CAD等三維軟件制作生成，往往制作周期長、難度大，本文提出通過照片的方式建模。
1.1圖像去噪
與日常3D打印物體相比，建筑結(jié)構(gòu)的打印實體通常比較大，且圖像質(zhì)量無法保證，因此需對圖像進行去噪處理。本文采用馬爾可夫去噪方法[3]：
1.將圖片轉(zhuǎn)換為灰度，便于簡化計算;
2.假設本圖片是理想圖片沒有噪點，而且有噪點的圖片噪點數(shù)量比較少，那么理想圖片和噪點圖片對應像素間必然相關(guān);
3.我們同樣可以假設在一個小范圍內(nèi)，每個像素同其周圍的像素間也必然存在聯(lián)系;
4.可以將他們之間的聯(lián)系用能量表示：
公式1-1
這里可以改變相鄰像素的位置，以期達到更好的效果
公式1-2
式中的m、n分別表示距離像素xi的距離。
1.2 圖像分割和輪廓提取
圖像分割可以看作是將有相似密度的像素群進行分類的過程，同樣可以采用馬爾可夫方法[4]：
1.將圖像劃分為n個區(qū)域，使得同一區(qū)域的像素同其他區(qū)域像素相對獨立;
2.計算每個像素在這些區(qū)域的能量;
3.計算每個像素對應區(qū)域：
公式1-3
其中如果考慮相鄰像素的影響，可以將加入公式中
公式1-4
公式中是對應相鄰像素能量的變化閥值。
4.降溫并設置對應閥值。
2 結(jié)構(gòu)建模
對于以上得到的輪廓信息，還不足以直接生成3D模型，因為該信息是在二維平面的，缺少深度信息。對于深度信息的恢復，常見的方法有從明暗恢復形狀，從紋理恢復形狀，從陰影恢復形狀，利用多光源信息等。由于對于建筑結(jié)構(gòu)，很多信息是已知的，所以可以直接從已知的知識中重建形狀。
2.1 3D重建
對于簡單的結(jié)構(gòu)，比如立方體、圓柱體，可以根據(jù)立體幾何知識加以重建;對于復雜的結(jié)構(gòu)，可以采用馬爾可夫隨機場確定相應結(jié)構(gòu)[5]。
1.參數(shù)化每個超像素點的位置和方向信息;
2.發(fā)掘圖像特征和深度信息;
3.發(fā)掘連接結(jié)構(gòu)、共面結(jié)構(gòu)和共線結(jié)構(gòu);
4.采用機器學習技術(shù)，利用以上知識恢復重建3D結(jié)構(gòu)。
實際操作中，對于不準確的恢復可采用貝塞爾曲線加以修復：
公式2-1
2.2 建筑構(gòu)造
對于建筑構(gòu)造，可以采用遺傳算法，給出合理的建筑結(jié)構(gòu)，盡可能的減少不合理的結(jié)構(gòu)設計。以平屋面建筑構(gòu)造為例[6]：
1.初始化種群：立墻、女兒墻、變形縫、雨水口、煙囪、屋面檢修孔、屋面出入口、檐溝、挑檐等構(gòu)造;
2.適應度計算：對構(gòu)造個體在不同位置及大小進行適應度計算;
3.選擇運算：選擇不同個體進行遺傳操作;
4.交叉運算：以某一概率相互交換某兩個個體之間的部分染色體;
5.變異運算：對個體的某一個或某一些基因值按某一較小的概率進行改變;
6.重復以上過程，直到得到可接受的結(jié)果。
3 探 討
圖像處理部分，圖像去噪本文采用了馬爾可夫去噪方法，針對不同圖像不同噪點強度，相鄰像素的選擇也不完全相同;圖像分割和輪廓提取，也同樣需要控制閥值和冷卻溫度來確保準確度;結(jié)構(gòu)建模部分，機器學習實例的數(shù)量以及圖像與訓練實例的相似度，對3D重建的準確度影響很大;同時，遺傳算法中個體適應度及變異運算也需要針對不同構(gòu)造加以修正。
由于機器學習技術(shù)的興起，也可以考慮將機器學習算法(比如卷積神經(jīng)網(wǎng)絡)應用于建模部分。比如訓練二維圖像和3D結(jié)構(gòu)之間的關(guān)系，預測已知圖像的3D結(jié)構(gòu)。但這種方式目前訓練樣本往往很大，訓練速度慢，機器要求高。但其準確性和智能性卻是其他算法無法比擬的。
因此，在實際建模過程中，每個環(huán)節(jié)都需要人工干預，對錯誤和不足及時進行修正;同時，這種建模方式的精度自然要低于純手動建模的方式，但效率要比純手動建模高很多。
4 結(jié) 語
本文介紹了3d打印在建筑結(jié)構(gòu)中的應用，給出了一般的建模過程，并針對每個步驟給出了解決方案，同時也分析了照片建模的不足。相信隨著3D打印技術(shù)的進步，必將推動建筑相關(guān)行業(yè)的發(fā)展與成熟。
[1] Huaiyu Wu. 3D printing： 3D creation via intelligent digitization. Beijing： Publishing House of Electronics Industry， 2014 (in Chinese) 吳懷宇. 3D打?。喝S智能數(shù)字化創(chuàng)造. 北京： 電子工業(yè)出版社， 2014
[2]The Third Industrial Revolution;The Digitisation of Manufacturing Will Transform the Way Goods are Made and Change the Politics of Jobs Too[J/OL].The Economist，2012.
[3]Z.Ghahramani.An introduction to Hidden Markov Models and Bayesian networks.International Journal of Pattern Recognition and Artificial Intelligence，15：：9-42，2001.
猜你喜歡：