基于非规则分块压缩的3D打印稀疏矩阵存储与重构方法

现有3D打印(3D Printing,3DP)通常是逐点伺服运动,成形效率低,使得技术正向高效高精度方向发展,例如数字光处理技术、选择性激光熔化、逐面打印等.通常,为了提高打印精度,需对层截面连通域进行更高分辨率栅格化,其后续光学转换等环节也因此生成更多元数据,导致切片非矢量化点阵数据量呈现大规模指数级增加,直接限制了打印件尺寸.为此,本文提出了一种基于非规则分块压缩(Irregular Block Compression,IBC)的3D打印稀疏矩阵存储与重构方法.首先,在初始模型坐标系构建沿坐标轴的3D凸包围盒(Axis-Aligned Bounding Boxes,AABB),得到流形网格模型的层截面多连通域,形成层截面掩模图,按照设定的分辨率生成栅格化点阵并转换成稀疏矩阵.根据稀疏度计算矩形规则块(Regular Block,RB)作为独立事件出现的概率化数学期望.结果表明,层截面矩阵数据的主要部分呈现非规则分块(Irregular Block,IB)特征,因此,压缩方法首要考虑非规则块的分布.进一步地,本文提出了稀疏矩阵非规则分块的概念.针对稀疏矩阵的非规则连通稀疏特征,将相邻行连通的非零块进行组合存储,构建互连通的非规则块,存储非零元素的数值及其有效的位置信息,获得首行索引、首列索引、连续数目及数值集进行无损压缩.按照非规则块进行层截面数据恢复与重构.通过计算相邻两层截面相似度,对3D实体模型进行多层连续面打印.以直列发动机缸体和多亏格回转网环两种不同形态模型为例,与传统的压缩行存储(Compressed Row Storage,CRS)算法和分块压缩行存储(Block Compressed Row Storage,BCRS)算法相比,在存储量改进方面,IBC方法比CRS改进可达80.60%,比BCRS改进可达14.62%,有效降低了算法的时间复杂度;在占用空间方面,IBC方法比BCRS改进可达22.56%,有效降低了算法的空间复杂度.IBC方法特别适合层截面为区块化连通的3D打印稀疏矩阵的复杂形态模型的3D打印.