基于场的增材制造数字模型特征识别及提取方法与设备

技术领域

本发明属于增材制造模型预处理相关技术领域，更具体地，涉及一种基于场的增材制造数字模型特征识别及提取方法与设备。

背景技术

随着增材制造技术的快速发展，其在航空航天、辅助医疗、交通运输等工业生产中的应用也越来越广。这些领域需求的零件通常具有复杂的结构，且需要兼容多种功能，如超轻重量、超高承载能力、极端耐热性和高可靠性等。这些功能往往因为零件服役时不同部位面临的环境不同而具有区域差异性。这意味着同一零件不同区域需要使用不同的材料、采用不同的工艺参数以匹配功能差异性需求。同时，根据复杂模型内的单个几何特征调整工艺参数可以有效提升制造速度和打印质量。因此在增材制造数字模型预处理时，识别提取出模型的几何、工艺特征以赋予不同的加工参数具有重要意义。然而现有的CAD/CAM链路中所处理和传递的数据文件(如STL文件，切片轮廓数据)通常只包含表面信息，而基于这些文件的特征识别及提取方法一般是基于轮廓形状、拓扑形状或是视觉形状的，存在可识别特征少、提取困难且效率低下的问题。因此如何简单高效地识别增材制造数字模型的几何特征、工艺特征并提取出这些特征用于增材制造数据处理是一个亟待解决的问题。

针对增材制造数字模型的特征识别及提取问题，本领域人员提出了一些解决方法，如德累斯顿工业大学的Arthur Hilbig提出了一种基于三维卷积神经网络的特征识别方法，该方法使用有符号距离场数据来限制所需体素的分辨率并提高了识别精度。该方法通过评估不同的3D-CNN网络结构详细考虑了特征识别的可能性，但其仍然标记的是B-Rep(边界表示法)模型的表面信息，还无法识别薄壁等更具体的几何特征。帕特拉斯大学的Panagiotis Stavropoulos提出了一种能够嵌入AM相关知识并从全局CAD模型中识别与AM可制造性相关的特征的方法，其主要是针对STP格式文件，通过几何信息的分解和重建识别出薄壁、悬垂、最小细节尺寸、无支撑结构等特征。该方法仍是传统的基于轮廓特征识别，无法识别模型内部的信息。专利CN115592287A所公开的“针对孔隙及窄间隙特征的增减材制造方法”和CN115647386A所公开的“针对尖角特征的增减材制造方法”都是通过将三维模型转换为二维切片后针对特定的特征属性进行2D轮廓特征识别，其面向的范围较为集中。另外，领域外的人员也提出了一些特征识别方法，专利CN114820524A所公开的“一种MRI图像中阿尔茨海默症的3D特征识别”是通过卷积神经网络针对输入的一系列MRI二维图像完成特征提取和识别，该方法融合了局部特征和全局特征，属于基于图像特征识别的处理方法。专利CN106599515A所公开的“基于STL网格特征识别的汽车覆盖件板料冲压工艺优选方法”也记载了一种基于轮廓特征和拓扑特征的零件特征树构建方法，主要通过边界三角网格的邻接关系和曲面的高斯曲率、平均曲率完成结构特征识别，能识别的特征较少。相应地，本领域急需开发一种高效的、普适的适用于当前增材制造数字模型预处理的几何、工艺特征识别及提取方法。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于场的增材制造数字模型特征识别及提取方法与设备，所述方法可以对面片表示的数字模型进行符号距离场转换并且根据需要识别的特征要求引入成形/服役模拟的仿真物理场、频域分析滤波后的特征距离场及通过多精度卷积单元分析得到的几何特征场，随后联合多个场实现特征分类判断及标记，最终基于场的数据和等值面、等值线重建算法完成特征提取，依据该方法可以灵活高效的识别复杂增材制造数字模型的多种工艺、几何特征，同时该方法相比传统的基于轮廓、拓扑和视觉的特征识别方法更加广泛的提取了模型内部的特征。

为实现上述目的，按照本发明的一个方面，提供了一种基于场的增材制造数字模型特征识别及提取方法，该方法包括以下步骤：

步骤一，对待增材制造零件的3D数字模型进行符号距离场转换，以得到隐式表达的距离场数据；

步骤二，判断是否具有识别功能差异性特征需求，是，则根据3D模型的功能需求进行形/服役仿真分析，并将得到的仿真结果转换成仿真物理场数据；否则，直接转至步骤三；

步骤三，判断是否需要识别周期性特征，是，则对距离场数据进行三维频域转换以获得频域数据，并基于频域数据设计带通滤波器、带阻滤波器、高通滤波器及低通滤波器，进而采用得到的滤波器对频域数据进行滤波处理，并对滤波后的频域数据进行三维逆频域转换以得到特征距离场数据；否则，直接转至步骤四；

步骤四，根据所要识别几何特征的预估尺寸设定一系列卷积单元精度；

步骤五，在每个卷积单元中完成对距离场和距离场求导得到的梯度矢量场的数据分析；

步骤六，联合不同精度的卷积单元以及邻近卷积单元的统计数据标记空间点的特征属性以得到几何特征场；

步骤七，联合距离场数据、仿真物理场数据、特征距离场数据、几何特征场进行特征的分类判断及标记；

步骤八，基于步骤七得到的特征标记场分别通过体绘制渲染、等值面重建算法及等值线重建算法进行几何、工艺特征的3D模型的识别、3D层面的特征提取及2D层面的特征提取。

进一步地，距离场转换的方法包括符号距离场、精确欧式距离场、粗糙距离场和自适应采样距离场。

进一步地，将3D数字模型转换为距离场数据，使得每个空间点能返回该点距离模型边界的最短符号距离SDF(x，y，z)。

进一步地，将仿真结果转换成仿真物理场采用的是插值计算方法；成形/服役仿真由需要识别的功能区域差异性决定，包括成形过程模拟的温度数据、应力数据、变形数据以及服役过程模拟的应力应变数据、传热数据。

进一步地，转换得到的仿真物理场数据使得每个空间点能够返回该点的仿真物理信息SPF(x，y，z)，计算SPF(x，y，z)能得到模型中任意一点模拟成型后的温度值。

进一步地，三维频域转换对象是模型的符号距离场数据SDF(x，y，z)，转换方法包括傅里叶变换、拉普拉斯变换、Z变换。

进一步地，通过三维离散傅里叶(DFT)及快速傅里叶(FTT)变换将SDF(x，y，z)转换成F(u，v，w)，即三个方向上的正弦波叠加数据，能采样得到三个方向上的频域信息，并转化成三维可视化的频谱图，频谱图中包括频率f、振幅A、方向n、相位Φ。

进一步地，滤波操处理即是将特定滤波器点乘频域数据，即H(u，v，w)·F(u，v，w)，随后将滤波后的频谱图做三维逆频域转换得到一系列根据频域特征提取的特征距离场数据，使得滤波保留下来的特征中的每个空间点能返回该点距离模型边界的符号距离FSDF(x，y，z)。

本发明还提供了一种基于场的增材制造数字模型特征识别及提取系统，该系统包括存储器及处理器，所述存储器储存有计算机程序，所述处理器执行所述计算机程序时执行如上所述的基于场的增材制造数字模型特征识别及提取方法。

本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可执行指令，所述机器可执行指令在被处理器调用和执行时，所述机器可执行指令促使所述处理器实现如上所述的基于场的增材制造数字模型特征识别及提取方法。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，本发明提供的基于场的增材制造数字模型特征识别及提取方法与设备主要具有以下有益效果：

1.本发明通过将只表达边界信息的面片模型转化成符号距离场数据，同时根据识别需求联合仿真物理场、频域特征距离场和几何特征场进行特征识别及提取，能描述传统方法无法表达的模型内部信息，且可以兼容功能差异性需求和几何差异性的工艺特征及几何特征识别，具有普适性和高效性。

2.本发明提供周期性特征的频域识别方法，针对传统基于轮廓、拓扑、视觉形状的特征识别方法难以提取点阵的问题，采用将符号距离场信息三维频域转换而进行数据分析，根据频率和幅值分布设计合理的滤波器，从而快速的识别出周期性特征，最后通过三维逆频域转换得到周期性距离场。

3.本发明也考虑到了基于不同精度的卷积单元分析距离场信息是几何特征，通过单个卷积单元中的距离场均值、极值、孔隙率、梯度场等信息以及邻近单元和更高精度单元所记录的这些信息判断空间点的几何特征属性，如是否属于薄壁、尖角、点阵、块体等，且本方法简单高效。

4.本发明联合包含距离场、仿真物理场、特征距离场、几何特征场等多个场数据对空间进行标记划分，最终通过面重建、等值线重建算法完成特征提取，相比传统基于面片、轮廓的特征提取算法无需进行面片、轮廓裁剪操作，更为简单。总之，本发明所提出的基于场的增材制造数字模型特征识别及提取方法完备的考虑到了增材制造模型预处理领域特征识别需要提取的特征类型，并给出了一种简单高效的模型边界及内部特征标记及提取方法，同时兼容了符合增材制造要求的工艺特征和几何特征，有效解决了模型可识别特征少、提取困难且效率低下的问题。

附图说明

图1是本发明提供的一种基于场的增材制造数字模型特征识别及提取方法的流程图；

图2是依据本发明的方法实现的面片模型的示意图；

图3是是依据本发明的方法实现的面片模型转换为符号距离场的示意图；

图4是依据本发明的方法实现的模型成形过程仿真的温度场的示意图；

图5是依据本发明的方法实现的距离场三维频域转换后的频域数据示意图；

图6中的(a)、(b)、(c)、(d)分别是依据本发明的方法实现的低通滤波器、高通滤波器、带阻滤波器及带通滤波器的示意图；

图7是依据本发明的方法实现的不同精度卷积单元的示意图；

图8是依据本发明的方法实现的距离场转换为梯度矢量场的示意图；

图9是模型薄壁特征距离场卷积单元所含信息示意图(2D切片方便展示)；

图10是模型尖角特征距离场卷积单元所含信息示意图(2D切片方便展示)；

图11是模型点阵特征距离场卷积单元所含信息示意图(2D切片方便展示)；

图12中的(a)、(b)分别是模型特征提取后的两个子模型示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

请参阅图1及图2，本发明提供了一种基于场的增材制造数字模型特征识别及提取方法，所述方法主要包括以下步骤：

步骤一，对待增材制造零件的3D数字模型进行符号距离场转换，以得到隐式表达的距离场数据。

其中，获得待增材制造零件的3D数字模型，以增材制造领域最常用的STL文件为例，如图2所示，输入一个包含点阵、薄壁、块体的复杂几何模型。对3D模型进行符号距离场转换，得到隐式表达的距离场数据(SDF)；如图3所示，通过将三角网格数据转换成距离场数据，计算SDF(x，y，z)可以得到空间每一点到原始模型边界的最短符号距离。

本实施方式中，距离场转换的方法包括符号距离场、精确欧式距离场、粗糙距离场和自适应采样距离场，根据所需的模型几何特征识别精度和转换效率的考虑选择合适的距离场方法，将增材制造3D数字模型转换为距离场数据，使得每个空间点可以返回该点距离模型边界的最短符号距离SDF(x，y，z)。

步骤二，判断是否具有识别功能差异性特征需求，是，则根据3D模型的功能需求进行形/服役仿真分析，并将得到的仿真结果转换成仿真物理场数据；否则，直接转至步骤三。

成形/服役仿真由需要识别的功能区域差异性决定，包括成形过程模拟的温度数据、应力数据、变形数据以及服役过程模拟的应力应变数据、传热数据等，分别可以用于指导识别对应的温度积累区域、残余应力集中区域、大变形区域、应力集中区域、传热不畅区域等工艺特征区域。

将仿真结果转换成仿真物理场采用的是插值计算方法。具体的，成形/服役仿真往往包括有限元法(FEM)、有限胞元法(FCM)等，其基本数据单元一般有四面体、六面体、体素单元等，基于这些单元的插值方法包括四面体插值、六面体插值、体素插值、最邻近插值等，用户可根据单元类型和计算效率选择合适的插值方法，转换得到的仿真物理场数据使得每个空间点可以返回该点的仿真物理信息SPF(x，y，z)，指代应力应变、温度、变形等。

本实施方式中，根据模型的功能需求基于3D模型完成成形/服役仿真分析，对于输入的该模型需要判断哪些区域热量激烈严重以调整工艺参数，因此模拟该模型的成形过程以得到温度分布数据，如图4所示。将成形仿真得到的温度分布数据通过四面体插值转换成仿真物理场数据(SPF)，计算SPF(x，y，z)可以得到模型中任意一点模拟成型后的温度值，方便后续步骤调用。

步骤三，判断是否需要识别周期性特征，是，则对距离场数据进行三维频域转换以获得频域数据，并基于频域数据设计带通滤波器、带阻滤波器、高通滤波器及低通滤波器，进而采用得到的滤波器对频域数据进行滤波处理，并对滤波后的频域数据进行三维逆频域转换以得到特征距离场数据；否则，直接转至步骤四。

三维频域转换对象是模型的符号距离场数据SDF(x，y，z)，转换方法主要包括傅里叶变换、拉普拉斯变换、Z变换，其中最常用的傅里叶变换将3D符号距离场数据分解成一系列三维正弦波的组合，变换公式如下：

其离散形式为：

可基于此通过三维离散傅里叶(DFT)及快速傅里叶(FTT)变换将SDF(x，y，z)转换成F(u，v，w)，即三个方向上的正弦波叠加数据，可以采样得到三个方向上的频域信息，并转化成三维可视化的频谱图，频谱图中包括频率f、振幅A、方向n、相位Φ，以供后续使用；其中，N为X、Y、Z三个方向的采样数量，i为虚数单位；u、v、w分别为变换后的三个频域变量。

频域数据分析即根据获得的三个方向的频谱图统计振幅较大的频域带数据，这些数据为周期性结构的主要组成信号，根据特征识别需求设计合理的低通、高通、带通、带阻滤波器用于过滤提取频域特征。具体的，低通滤波器只保留频率较低的信号，高通滤波器只保留频率较高的信号，带通滤波器只保留特定频率带内的信号，带阻滤波器只保留特定频率带外的信号，其定义分别如下：

其中，D(u，v，w)是在频谱图(u，v，w)位置计算的频率f的值，D

滤波操作即是将特定滤波器点乘频域数据，即H(u，v，w)·F(u，v，w)，随后将滤波后的频谱图做三维逆频域转换得到一系列根据频域特征提取的特征距离场数据，使得滤波保留下来的特征中的每个空间点可以返回该点距离模型边界的符号距离FSDF(x，y，z)，用于指导后续的特征识别。具体的其中常用的三维逆傅里叶变换公式如下，可基于此通过三维逆离散傅里叶(IDFT)及逆快速傅里叶(IFTT)变换完成转换：

FSDF(x，y，z)＝

本实施方式中，根据识别周期性点阵特征，将模型距离场进行三维频域转换以得到其对应的频域数据，考虑到计算机的离散特征和效率，采用频域转换方法中的快速傅里叶(FTT)变换计算距离场的频域信息。分析得到的3D频谱数据(如图5所示)，根据频率、幅值等数据的分布信息设计合理的带通、带阻、高通、低通滤波器(如图6所示)；分析该模型的频谱数据，可以得到三个方向上的频率、幅值等数据的分布信息，其中幅值较高的频率范围内的信号对周期性几何特征做出了较大的贡献，因此可以通过设计这些频率附近的带通滤波器将频域特征提取出来；将多个不同频率附近的带通滤波器过滤原始频域数据后做三维逆快速傅里叶(IFTT)变换以得到具备不同频率分布的特征距离场数据(FSDF)，计算不同的FSDF(x，y，z)可以得到滤波保留下来的特征中的每个空间点距离模型边界的符号距离值，方便后续步骤调用。

步骤四，根据所要识别几何特征的预估尺寸设定一系列卷积单元精度。

几何特征预估尺寸根据需求定义，如可定于厚度小于H

本实施方式中，根据所要识别的几何特征的预估尺寸设定一系列的卷积单元精度；本例中用户定义的特征最小尺寸为5mm，根据该值设定包括1mm、2.5mm、5mm、10mm、25mm的一系列卷积单元精度以备完整的记录几何特征的距离场信息，不同精度的卷积单元示例如图7所示。

步骤五，在每个卷积单元中完成对距离场和距离场求导得到的梯度矢量场的数据分析。

梯度场的求解公式如下：

其中心差分形式为：

具体的，对于卷积单元中梯度矢量值，可以计算每个矢量与成形Z方向的夹角，用于后续悬垂区域的判断。对于卷积单元中的距离场值，首先可以根据距离场符号判断区域位于边界或是实体内部；另外可以统计均值、中值判断卷积单元距离边界的大概位置；还可以分析单元内是否出现极值，若出现极值且单元位于边界，则该特征可考虑为薄壁或尖角；同时可以统计单元内的孔隙率从而判断是否有可能为点阵特征。

本实施方式中，在每个卷积单元中完成对距离场和距离场求导得到的梯度矢量场的数据分析，包括均值、中值、极值、孔隙率、梯度矢量的角度等；对该模型的距离场通过中心差分计算梯度矢量场(如图8所示)，可以得到每个点的距离梯度的数值大小以及与成形Z方向的角度，一般在模型表面附近且角度大于45度的空间点属于悬垂区；对于卷积单元中的距离场值，首先可以根据距离场符号判断区域位于边界或是实体内部；另外可以统计均值、中值判断卷积单元距离边界的大概位置；还可以分析单元内是否出现极值，若出现极值且单元位于边界则该特征可考虑为薄壁(如图9所示)或尖角(如图10所示)；同时可以统计单元内的孔隙率从而判断是否有可能为点阵特征(如图11所示)。

步骤六，联合不同精度的卷积单元以及邻近卷积单元的统计数据标记空间点的特征属性以得到几何特征场。

对某一空间位置的特征属性判断会用到当前空间所属的多个不同精度的卷积单元及其邻域卷积单元，因为距离场、梯度场均连续，可根据上一步中统计的数据信息联合邻接单元的数据信息更进一步的识别判断几何特征，并对卷积单元范围内的空间进行标记得到几何特征场数据，使得每个空间点可以返回该点所属的几何特征类型GFF(x，y，z)。例如可以以特征值0标记为一般区域，特征值1标记为薄壁区，特征值2标记为悬垂区，特征值3标记为尖角区，特征值4标记为点阵区域，其他可由用户自定义扩展。

本实施方式中，联合不同精度的卷积单元以及邻近卷积单元的统计数据标记空间点的特征属性得到几何特征场(GFF)；因为单个卷积单元大概率只包含了几何特征的部分信息，而距离场和梯度场又是连续的，所以根据上一步中统计的数据信息联合邻接单元的数据信息更进一步的识别判断几何特征，并对卷积单元范围内的空间进行标记得到几何特征场数据，使得每个空间点可以返回该点所属的几何特征类型GFF(x，y，z)，返回特征值0则标记为一般区域，特征值1标记为薄壁区，特征值2标记为悬垂区，特征值3标记为尖角区，特征值4标记为点阵区域。

步骤七，联合距离场数据、仿真物理场数据、特征距离场数据、几何特征场进行特征的分类判断及标记。

联合判断可以采用基于场的隐式布尔运算以及其他逻辑运算操作，例如可以将通过距离场SDF和特征距离场FSDF的隐式布尔交运算识别出特定周期的点阵标记场，具体运算为max(SDF(x，y，z)，FSDF(x，y，z))，也可以通过与运算将既是薄壁也是大变形区的特征识别标记出来，具体运算为GFF(x，y，z)＝＝1&&SPF(x，y，z)>Def

本实施方式中，联合SDF、SPF、FSDF、GFF多个场实现特征的分类判断及标记，得到多个特征标记场用于后续的渲染及特征提取；本例通过距离场SDF和特征距离场FSDF的隐式布尔交运算max(SDF(x，y，z)，FSDF(x，y，z))识别出特定周期的点阵标记场，同时通过逻辑与运算GFF(x，y，z)＝＝1&&SPF(x，y，z)>T

步骤八，基于步骤七得到的特征标记场分别通过体绘制渲染、等值面重建算法及等值线重建算法进行几何、工艺特征的3D模型的识别、3D层面的特征提取及2D层面的特征提取。

体绘制算法包括Ray Tracing(光线追踪)算法、Ray Casting(光线投射)算法和Frequency Domain(频域体绘制)算法，所述面重建算法包括Marching Cubes(MC)算法等、Dual Contouring(DC)算法和Simple Marching Cubes(SMC)算法等，所述等值线重建算法包括Marching Squares(MS)算法和Simple Marching Squares(SMS)算法等。

本实施方式中，基于特征标记场根据需要分别采用体绘制、等值面重建、等值线重建等算法完成模型渲染、3D层面的特征提取和2D层面的特征提取。本例基于需要通过MC算法重建上一步识别出的两个标记场数据的子模型(如图12所示)，以供分配合适的工艺参数达到功能差异性和打印质量提升需求。

本发明还提供了一种基于场的增材制造数字模型特征识别及提取系统，该系统包括存储器及处理器，所述存储器储存有计算机程序，所述处理器执行所述计算机程序时执行如上所述的基于场的增材制造数字模型特征识别及提取方法。

本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可执行指令，所述机器可执行指令在被处理器调用和执行时，所述机器可执行指令促使所述处理器实现如上所述的基于场的增材制造数字模型特征识别及提取方法。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。