自适应组合滤波算法在3D假肢模型中的应用

针对经典统计滤波算法无法自适应选取参数以及传统双边滤波算法难以兼顾保特征和光顺性的问题,提出一种自适应组合滤波算法。首先引入基于局部点云体积的自适应标准差倍数以灵活滤除假肢点云大尺度噪声;在滤除大尺度噪声的基础上,引入一种新的协方差矩阵加权方式,提高估计点云法向的准确性,并通过法向夹角变化程度的均值对特征权重因子进行改进,增强双边滤波因子的保特征性,旨在光顺三维假肢模型小尺度噪声。与单独使用统计滤波、双边滤波相比,所提算法在3个假肢模型的最大误差E_(max)至少降低了5%;平均误差E_(ave)至少降低了6.9%。仿真结果表明,该改进算法在有效剔除假肢模型大尺度噪声的同时又避免了过光顺和去噪不彻底,可以较好地保持模型中的几何特征。

三自由度微曲面电路3D打印方法及工艺

针对打印微曲面电路技术复杂、成本较高等问题,提出了一种使用三自由度打印机打印微曲面电路的方法,该方法旨在使用三自由度打印机在微曲面上打印共形电路,同时开发了一种自适应微曲面3D打印控制算法。该算法将DXF格式的文件作为输入,提取文件中的线路数据并对其进行离散处理,对离散后的数据逐点测量并根据反馈的数据进行线路重构,最终输出可以直接用于3D打印微曲面电路的G代码。利用三自由度打印机在不同基材制备的微曲面上完成电路打印实验和亮灯实验,验证了该方法的可行性。对3D打印微曲面电路的工艺参数进行研究,通过设计正交试验分析了工艺参数对打印的微曲面电路的影响,得到了最优工艺参数组合。结果表明,在针头直径为0.16 mm的情况下,打印气压为0.3 MPa、打印速度为100 mm/min和打印头高度为0.4 mm时,打印的微曲面电路连续且均匀,质量最优。

基于3D相机的拆垛机器人手眼标定方法研究

为了提高拆垛机器人手眼标定的准确度,设计了一种结合有序点云和对偶四元数的改进粒子群优化算法的手眼标定方法。首先,采用三层梯状采样法获取不同姿态的手眼标定数据;然后,对圆形标定板进行圆心提取,采用加权奇异值分解的方案求解定位点的旋转平移矩阵,减少了噪声干扰;最后,将求得的刚性变换矩阵转换为对偶四元数,采用改进的自适应粒子群优化算法求解出手眼矩阵的旋转和平移部分。实验结果表明,手眼标定方法可稳定地处理标定数据,且平均误差小于2.5 mm,优于Tsai法和传统对偶四元数法。

InfoWorks ICM-Delft 3D耦合模型在排水体系中点源污染溯源研究

城市排水的点源污染是引起黑臭水体的重要原因之一,该研究借助多元监测体系获得的水质数据,结合InfoWorks ICM-Delft 3D耦合模型及差分进化算法(DE)构建了污染溯源模型。以中山市某区域为研究对象,验证了耦合模型与DE算法对污染溯源的有效性。研究表明,连续排放污染源的位置、流量、污染物浓度的溯源精度较高,相对误差均在±0.12的范围内,并且污染溯源精度随着污染源流量增大而下降;随着污染流量增大,瞬时排放污染流量与浓度溯源的相对误差逐渐减小,模型对高流量污染事件的溯源精度较高。该模型体系的构建和应用为城市排水点源污染的溯源提供了科学指导。

3D打印机多轴联动插补算法的研究与优化

针对3D打印过程中,打印机多轴联动插补算法计算效率低的问题和Bresenham算法在3D打印运动控制中的不足,在现有算法基础之上提出阶跃式Bresenham算法、速度自适应算法,分别完成喷嘴的成型扫描运动和浆料的挤出运动.采用两种算法相结合的方式控制3D打印机多轴联动,从而提高3D打印机的插补速度.同时分析了该控制方式在微控制器中的实现流程,并将其移植于微控制器中.本研究设计了直线插补仿真试验和不同算法的3D打印试验,证明了该控制方式在打印精度不变的前提下能够提高打印效率.

基于倾斜摄影的混凝土3D打印成型精度分析与预测

混凝土3D打印技术是一项新型的增材制造技术,为了实现采用混凝土3D打印技术来快速打印高质量的成型构件,综合利用迭代最近点(iterative closest point,ICP)算法和倾斜摄影测量技术来分析3D打印构件的整体偏差、局部边界偏差和圆弧角半径,并根据整体偏差和边界偏差对成型精度及可建造性进行研究,最后利用边界偏差和圆弧角半径对打印模型进行预测。结果表明:在混凝土3D打印配合比为水泥∶砂∶粉煤灰∶减水剂∶混凝剂∶水=1∶1.12∶0.09∶0.004∶0.006∶0.32,打印速度V_(d)为45 mm/s,最佳挤出速度V_(j)为138 mm/s时构件成型精度最高;对倾斜摄影模型拟合对齐,并对其具体位置偏差标注色谱图,可知混凝土3D打印构件在第4层时压缩变形较大,可建造性较低;利用预测模型与混凝土3D打印实体构件进行拟合,可知预测模型与基准模型相比误差约1 mm,验证了所提方法及预测模型的合理性。

基于Winograd算法的3D卷积神经网络权重剪枝方法

针对3D卷积神经网络在资源有限的环境下高计算成本的挑战,文章提出了一种融合Winograd算法和网络剪枝技术的3D卷积神经网络优化方法。首先,将标准3D卷积层替换为效率更高的3D Winograd层,实现对卷积操作的优化。接着,对3D Winograd层的权重进行重要性评估,保留重要的权重单元并剪枝获得稀疏模型。最后,对稀疏模型进行重训练,恢复剪枝后网络的性能。通过结合Winograd算法和网络剪枝技术,能够在提高识别准确度的同时,显著降低了模型的计算需求。实验结果证实,与其他优化技术相比,本方法能有效减少计算资源消耗,同时保持甚至提高识别性能。

基于连续顶点分区的混凝土3D打印路径规划算法

针对混凝土3D打印构件成形质量差和打印时间长的问题,提出了一种基于连续顶点分区的路径规划算法。首先,采用基于哈密顿回路的连续顶点分区方法,将打印区域划分为多个连续的区域,以确保在打印过程中打印喷头不会多次经过同一顶点,从而避免了重复打印和成形质量差的问题。然后,使用遗传算法搜索每个区域,通过迭代和优化来确定最短的打印路径。实验结果表明,与其他路径规划算法相比,所提出的算法能够显著减少打印喷头的空行程和启停次数,且缩短打印时间10%以上,有效地提升了混凝土构件的成形质量与打印效率。基于连续顶点分区的混凝土3D打印路径规划算法通过有效划分打印区域、智能搜索最短路径以及合并优化路径的方式,解决了混凝土3D打印构件成形质量差和打印时间长的问题,这可为混凝土3D打印技术的发展和应用提供有力的技术支持。

3D/2D血管配准的研究进展及临床应用现状

3D/2D血管配准是将不同模态下的血管影像通过特定的配准算法进行空间、时间上的对齐。这项技术实现了不同模态图像之间的优势互补,是医学影像学领域的重大突破。2D影像资料主要通过有创血管造影获得,3D影像主要来自CT、MRI、超声等。3D/2D血管配准可将两种成像技术所获得的血管解剖结构、血管管腔内信息融合起来,为手术方案的制定、术中定位提供重要依据。在临床手术中,主要将其运用于血管介入治疗以及肿瘤切除领域。本文就3D/2D血管配准的研究进展及临床应用现状进行综述。

基于3D-motif法的刮研表面形貌表征

针对刮研表面微观特性和功能机理研究中缺少表面形貌量化表征方法的问题,采用3D-motif法对刮研表面形貌进行表征。使用LI-3型接触式三维表面形貌测量仪对刮研表面进行测量,并利用三维点云数据生成刮研表面的二维灰度图像。然后,根据3D-motif法中集水盆地的定义,采用分水岭算法对刮研表面的灰度图像进行motif分割与合并。以不同精度等级的刮研表面的整体纹理区域motif分割结果为对象,定义了特征显著度并提取计算了刮研表面在2种不同面积尺度(25 mm^(2)和0.25 mm^(2))上的深度、面积、方向角、各向异性率、扁平系数和特征显著度等6项motif参数。结合部分motif参数的分布情况和motif数量的变化趋势,从形貌特征的尺寸和形态两个方面对刮研表面进行了表征和分析,实现了以较少参数完整表征刮研表面的三维形貌。研究结果可为后续刮研表面微观特性的深入分析提供理论基础。

基于机器视觉的3D打印异常诊断方法

为解决3D打印过程中出现的诸如堵头、断丝、翘曲等异常情况导致打印失败的问题,搭建检测平台并提出一种融合Xception的改进YOLOv5算法,完成异常实时检测,达到及时处理、提高打印成功率的目的。通过对YOLO算法头部、躯干部以及瓶颈块进行轻量化改进,提高识别帧率并减小参量;然后对输出部分进行改进,使特征相似的异常图像被收集后输入至Xception算法中,提升异常识别分类的准确率;最后利用Qt跨平台开发框架设计打印异常诊断系统人机交互界面软件。结果表明:改进的融合算法在自建3D打印异常数据集中识别准确率为88.75%,较原YOLOv5算法提高3.22%,同时识别平均帧率为28帧/s,提高了40.0%,可以满足实际打印中对识别准确率及实时性的要求。

基于PROA-BP的激光3D投影振镜偏转电压预测模型

为减小激光3D投影系统振镜偏转角偏差与根据振镜偏转角标定的转轴公垂线长度e误差引起的投影系统综合非线性误差,实现激光3D投影系统高精度辅助装配,提出一种基于改进的?鱼优化算法-BP神经网络的激光3D投影振镜偏转电压预测模型,以激光出射方向单位矢量作为输入预测振镜偏转电压数值。将改进的?鱼算法与BP神经网络相结合,解决BP神经网络容易陷入局部最优解问题,并通过BP神经网络实现激光3D投影系统综合非线性误差的耦合与补偿。结果表明,改进的?鱼算法-BP神经网络训练10 000次后均方差误差和平均绝对误差均值分别是粒子群算法-BP神经网络的41.2%、62.4%,是BP神经网络的22.2%、50.7%。基于改进的?鱼算法-BP激光3D投影振镜偏转电压模型的投影定位精度为0.35 mm,与激光3D投影传统模型相比,投影定位精度提升了30%,可实现更高精度投影定位。

神经网络-遗传算法对杏鲍菇粉3D打印的建模与优化

【目的】食品3D打印技术是食品领域具有发展前景的新技术,但是打印过程影响因素多,存在打印参数确定困难、打印精度预测能力差等问题。寻找有效建模方法,对杏鲍菇粉3D打印参数进行寻优,以确定最佳3D打印条件。【方法】本研究采用杏鲍菇粉和刺槐豆胶为3D打印原料,以单因素试验为基础,通过中心组合试验设计,研究喷嘴直径、打印高度、喷嘴移动速度和填充率4个关键的工艺参数对杏鲍菇粉3D打印精度的影响,并在此基础上采用响应面法和神经网络-遗传算法分别建模分析,确定3D打印的工艺参数。【结果】单因素试验及中心组合试验结果表明,影响3D打印精度的主要因素从大到小顺序为填充率、喷嘴直径、喷嘴移动速度、打印高度。响应面法和神经网络-遗传算法均可用于杏鲍菇粉3D打印参数优化,但是优化效果不同。响应面法的决定系数R^(2)值、均方根误差、相对误差、预测最优值分别为0.8817、0.2314、72.73%、0.148;神经网络-遗传算法的决定系数R^(2)值、均方根误差、相对误差、预测最优值分别为0.9389、0.2269、33.85%、0.215。比较模型参数可得,神经网络-遗传算法的决定系数R^(2)值较高,均方根误差、相对误差较低,比响应面法拟合能力更好,同时其预测最优值较高,具有更好的预测能力。神经网络-遗传算法比响应面法更适合于杏鲍菇粉3D打印参数工艺的优化。采用神经网络-遗传算法获得以杏鲍菇为原料的3D打印最佳工艺参数条件为:喷嘴直径1.2 mm、打印高度1.1 mm、喷嘴移动速度24 mm·s^(-1)、填充率84%。经过试验验证,神经网络-遗传算法确定的最优参数打印样品偏差为0.325,优于响应面的实际打印偏差0.550。【结论】本研究结果表明神经网络-遗传算法可以有效确定3D打印过程最优工艺参数,准确预测食品3D打印产品的精度,可作为农产品及食品个性化3D打印工艺参数优化的一种有效便捷方法。

智能算法辅助集成成像3D显示技术现状与发展

回顾了集成成像3D显示技术的发展,阐述了智能算法辅助下该技术的发展现状,并展望了智能算法辅助集成成像3D显示技术在性能、效率方面的提升与其在娱乐、医疗等领域的应用发展。

基于轮廓点相似性测度的2D-3D医学图像配准算法

针对传统配准算法无法适用于成像模糊、对比度低的X光医学图像的问题,本文提出一种基于轮廓点相似性测度的配准技术.首先引入分块双阈值增强策略来提取DRR图像和X光图像的边缘轮廓信息;其次,采用高斯加权欧氏距离计算图像轮廓的相似度;最后通过平衡优化器算法进行迭代优化,得到最优的位姿参数.实验结果表明:本文算法能够精确提取模糊X光图像的边缘轮廓信息,而且可以准确评估其与CT数据的相似度,平均配准成功率超过94%,算法效率和鲁棒性优于传统算法,可用于医疗诊断、放射疗法、图像引导手术等医学活动.

基于Grasshopper算法的3D打印三尖星形多孔鞋底设计与优化

本研究利用Grasshopper算法的智能化设计方法,针对个性化定制的鞋底模型进行优化设计。通过调整单元尺寸、韧带长度、孔隙距离和内部角度,实现了负泊松比单元几何形状的重塑,以适应不同的设计密度和形态。研究结果表明,Grasshopper算法能够有效提高设计效率,降低制造成本,并适用于FDM 3D打印技术。本研究展示了从设计到制造的一体化流程,为鞋类设计公司、制造商以及足部诊所提供了新的3D数字鞋类部件模具解决方案,推动了鞋业向更高效、更个性化的生产方式发展。

基于遗传算法和FLAC 3D的隧道围岩参数反演研究

隧道围岩参数对于隧道工程的稳定性而言至关重要。传统参数确定方法耗时长、成本高,且难以反映围岩实际状况。研究提出一种基于遗传算法和FLAC 3D的隧道围岩参数反演方法,以提高参数反演的效率和准确性。遗传算法通过模拟自然选择和遗传机制,优化全局搜索过程,而FLAC 3D则利用其三维连续介质数值模拟功能,精确模拟岩土材料行为。通过西南某山区隧道工程案例分析,反演得到最优围岩力学参数,模拟结果与实测值的最大误差仅为1.98%,验证了方法的准确性。

FY-3D MWRI在轨交叉辐射定标和海表温度反演

海表温度(sea surface temperature,SST)在气候监测、海洋学研究、渔业经济研究和污染监测等多个方面起着重要作用。本文利用风云三号D星(FY-3D)微波成像仪(Microwave Radiation Imager,MWRI)数据对海表温度进行了反演。首先,以全球降水测量(Global Precipitation Measurement,GPM)卫星微波成像仪(GPM Microwave Imager,GMI)作为参考传感器,采用基于海洋微波辐射传输模型(radiative transfer model,RTM)的双差异方法对FY-3D MWRI进行交叉辐射定标,消除了其在轨辐射定标偏差,为精确反演海表温度奠定了基础;然后,在波段选择的基础上提出耦合微波海表发射率的海表温度多波段反演新算法,与传统的多波段反演算法相比,新反演算法的均方根误差从0.74 K减少至0.69 K;最后,用新反演算法从2020年的FY-3D MWRI数据反演得到全球的海表温度,并用时空匹配的iQuam浮标数据和GMI海表温度产品对反演结果进行精度验证,误差分别为0.04±1.13 K和−0.07±1.18 K。另外,在相同的条件下,用传统多波段算法反演得到的海表温度的误差分别为0.30±1.17 K和0.10±1.17 K。新算法的理论精度和实际反演精度均优于传统的多波段算法,说明本文发展的耦合微波海表发射率的多通道反演新算法是有效和精确的。

基于GA-GRNN的AWJ强化3D打印AlSi10Mg表面性能实验研究

为提高磨料水射流(Abrasive Water Jet,AWJ)强化工艺对3D打印AlSi10Mg表面性能的强化效果预测的准确性及高效性,首先开展磨料水射流强化AlSi10Mg表面强化实验;然后分别以表面硬度和表面残余应力作为目标,基于遗传算法-广义回归神经网络(Genetic Algorithm-Generalized Ragression Neural Network,GA-GRNN)对实验数据样本进行训练,建立3D打印AlSi10Mg表面性能预测模型;最后,利用遗传算法对建立的神经网络预测模型中的AWJ强化主要参数进行优化。研究结果表明,经过磨料水射流强化后的AlSi10Mg表面硬度与表面残余应力均得到有效提高;建立的GA-GRNN预测模型与校验值误差在2.3%以内,具有较高的准确性;经遗传算法优化后,得到表面硬度最佳参数组合:射流压力为33 MPa,磨料粒径为0.15 mm,靶距为12.4 mm,此时表面硬度为159.25HV;表面残余应力最佳参数组合:射流压力为40 MPa,磨料粒径为0.13 mm,靶距为15 mm,此时表面残余应力为-137.4 MPa。为后续磨料水射流强化零件表面的参数选择提供数据支撑。

基于智能优化的3D mesh微调算法

3D mesh简化是计算机图形学中的关键技术。大多数简化算法旨在权衡被简化3D mesh的占用内存和近似误差,因此很难找到最优的简化3D mesh。为了解决这一问题,文章提出了一种新的3D mesh微调算法。该算法通过调整被简化的3D mesh的点坐标,以搜索具有最小近似误差的简化3D mesh。实验结果表明,设计的微调算法可以进一步减小被简化的3D mesh的近似误差,并缩小被简化3D mesh与原始3D mesh之间的外观差距。