一种基于双极投影和多级剪枝的曲面激光纹理高效分割方法

《Journal of Manufacturing Processes》：An efficient partitioning method for curved-surface laser texturing based on bipolar projection and multi-level pruning

　　

• •
  双极投影和多级曼哈顿到欧几里得剪枝减少了冗余候选项的过滤。
• •
  CPU/GPU并行化可将总体运行时间减少高达93%。
• •
  与随机种子方法相比，基于覆盖率的贪心生长策略平均可将分区数量减少39.6%。

引言

平面LST技术在处理曲面纹理化时存在困难。通过将表面分割成平面，可以对复杂表面进行纹理处理[8]。具体来说，根据表面的几何特性和光学加工要求，将表面分割或重构为多个平面区域，然后使用平面LST方法对每个平面区域进行纹理处理。例如，Wang等人将一个大圆柱的侧面分割成多个矩形子区域、子层和子块，从而实现了圆形纹理图案的制造[9]；Batal等人对3D打印的Ti-6Al-4V球体进行了激光抛光和随后的LST处理，在此过程中球体被近似为一个八面体以便进行局部平面LST处理[10]；Chen等人使用经纬度方法将不锈钢球面分割成多个区域，并对这些区域进行了边界蚀刻，实现了低缝合间隙[11]。

上述方法有效地解决了曲面LST加工中的挑战，但大多数仅限于圆柱形和球形等简单表面，缺乏针对复杂自由形表面的分区或重构方法。在其他领域，也开展了关于复杂表面区域划分的相关研究。例如，Ali Khaloo等人使用区域生长算法对复杂建筑物的点云扫描数据进行了分割，至少达到了75%的精确度、召回率和拟合分数，最高达到95%[12]；Lou等人提出了一种将分水岭算法从平面表面扩展到自由形表面的方法，用于识别和分割增材制造支架表面上的显著拓扑特征[13]；Kang等人提出了一种改进的区域生长算法，可以减少分割区域的总数，有效分割点云数据，并提高点云分割的精确度和稳定性[14]。

这些方法有效地解决了相关问题。然而，在处理LST预处理中的区域分割或合并问题时，它们缺乏全局视角，依赖于初始点或参数设置，容易陷入局部解决方案。

本文提出了一种用于LST分区规划的网格合并方法。该方法将工艺约束纳入LST过程中，通过层次化筛选构建一个可行的解决方案空间，最后采用一种贪心策略，在构建的覆盖问题框架内产生具有对数逼近界限的近似解。

章节片段

方法

如图1所示，本文提出的算法基本流程包括：

• a.
  输入：将网格模型提取为网格中心点和单位法向量，并提供工艺约束。
• b.
  过滤：根据网格模型确定角度或距离优先级，以获取每个网格的候选集。
• c.
  分区：基于候选集进行网格聚类，以迭代获得最终集。

指标定义

为了定量评估3D网格聚类在曲面LST规划中的几何分区结果，建立了一个双指标评估系统，包括块数量和边界长度。这些指标作为几何规划的代理，而不是物理加工质量的直接测量：

• 1.
  块数量：集群的数量反映了加工过程的分布程度。在曲面LST中，3D模型网格中的集群越多，

块数量

如图10所示，我们的方法在三种类型的模型中始终产生最少的块数量。我们方法生成的块平均数量为7539个，比Watershed（24733个）减少了约69.5%，比Random Seed（12490个）减少了约39.6%。在模型比较方面，这种优势在Armadillo和Bunny模型中更为明显，而在Typical Surface模型上的差距则较小。

结论

本文提出了一种网格合并方法，并对典型模型进行了12组正交测试分析，与Watershed和Random Seed进行了比较。结果如下：

• 块数量：我们提出的方法生成的块数量较少。我们方法生成的块平均数量为7539个，比Watershed（24733个）减少了约69.5%，比Random Seed（12490个）减少了约39.6%。这表明我们的方法能更有效地合并网格。

CRediT作者贡献声明

Ranwu Yang:撰写 – 原稿编写、可视化、验证、软件实现、方法论设计、实验调查、形式化分析、数据整理、概念构思。Yu Huang:监督、资金获取。Youmin Rong:撰写 – 审稿与编辑。Miaozheng Wang:验证。

写作过程中生成式AI和AI辅助技术的声明

在准备这项工作时，作者使用了ChatGPT工具进行翻译和润色。使用该工具/服务后，作者根据需要对内容进行了审查和编辑，并对发表文章的内容承担全部责任。

利益冲突声明

作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：Youmin Rong报告称获得了中华人民共和国工业和信息化部的财政支持。

致谢

本工作得到了国家自然科学基金（项目编号：52375433, 52305468）、东莞的机床和模具创新联盟项目（项目编号：20251201500012）以及武汉半导体激光设备产业创新联合实验室（项目编号：2024050902040447）的支持。

Ranwu Yang | Yu Huang | Youmin Rong | Miaozheng Wang