3D打印在建筑结构中应用.docVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
3D打印在建筑结构中应用

3D打印在建筑结构中应用   【摘要】本文介绍了3D打印建筑结构的一般过程,采用马尔可夫方法对图像去噪、分割和轮廓提取,利用马尔可夫随机场进行3D结构的重建,并通过遗传算法完善建筑结构,同时分析了以上过程的优点和不足。   【关键词】3D打印;马尔可夫随机场;建筑结构   0 引言   3D打印,是快速成型技术的一种,它是一种以三维设计软件数据为基础,运用液体、粉末等可粘合材料,通过逐层累加的方式来构造物体的技术[1]。以具有周期短、成本低、操作简单、精准度高为特点的3D打印技术的发展与逐渐成熟,是第三次工业革命的重要标志之一[2]。   本文结合3D打印技术的主要特点,介绍在建筑结构中应用3D打印技术的方法,同时提出以照片建模方式来简化3D建模过程,以改善传统手动建模时间长、难度大的不足,并通过机器学习及遗传算法给出合理的建筑结构,尽可能的减少不合理的结构设计。   1 图像处理   3D打印所需的数据通常是通过CAD等三维软件制作生成,往往制作周期长、难度大,本文提出通过照片的方式建模。   1.1图像去噪   与日常3D打印物体相比,建筑结构的打印实体通常比较大,且图像质量无法保证,因此需对图像进行去噪处理。本文采用马尔可夫去噪方法[3]:   1.将图片转换为灰度,便于简化计算;   2.假设本图片是理想图片没有噪点,而且有噪点的图片噪点数量比较少,那么理想图片和噪点图片对应像素间必然相关;   3.我们同样可以假设在一个小范围内,每个像素同其周围的像素间也必然存在联系;   4.可以将他们之间的联系用能量表示:   公式1-1   这里可以改变相邻像素的位置,以期达到更好的效果   公式1-2   式中的m、n分别表示距离像素xi的距离。   1.2 图像分割和轮廓提取   图像分割可以看作是将有相似密度的像素群进行分类的过程,同样可以采用马尔可夫方法[4]:   1.将图像划分为n个区域,使得同一区域的像素同其他区域像素相对独立;   2.计算每个像素在这些区域的能量;   3.计算每个像素对应区域:   公式1-3   其中如果考虑相邻像素的影响,可以将加入公式中   公式1-4   公式中是对应相邻像素能量的变化阀值。   4.降温并设置对应阀值。   2 结构建模   对于以上得到的轮廓信息,还不足以直接生成3D模型,因为该信息是在二维平面的,缺少深度信息。对于深度信息的恢复,常见的方法有从明暗恢复形状,从纹理恢复形状,从阴影恢复形状,利用多光源信息等。由于对于建筑结构,很多信息是已知的,所以可以直接从已知的知识中重建形状。   2.1 3D重建   对于简单的结构,比如立方体、圆柱体,可以根据立体几何知识加以重建;对于复杂的结构,可以采用马尔可夫随机场确定相应结构[5]。   1.参数化每个超像素点的位置和方向信息;   2.发掘图像特征和深度信息;   3.发掘连接结构、共面结构和共线结构;   4.采用机器学习技术,利用以上知识恢复重建3D结构。   实际操作中,对于不准确的恢复可采用贝塞尔曲线加以修复:   公式2-1   2.2 建筑构造   对于建筑构造,可以采用遗传算法,给出合理的建筑结构,尽可能的减少不合理的结构设计。以平屋面建筑构造为例[6]:   1.初始化种群:立墙、女儿墙、变形缝、雨水口、烟囱、屋面检修孔、屋面出入口、檐沟、挑檐等构造;   2.适应度计算:对构造个体在不同位置及大小进行适应度计算;   3.选择运算:选择不同个体进行遗传操作;   4.交叉运算:以某一概率相互交换某两个个体之间的部分染色体;   5.变异运算:对个体的某一个或某一些基因值按某一较小的概率进行改变;   6.重复以上过程,直到得到可接受的结果。   3 探 讨   图像处理部分,图像去噪本文采用了马尔可夫去噪方法,针对不同图像不同噪点强度,相邻像素的选择也不完全相同;图像分割和轮廓提取,也同样需要控制阀值和冷却温度来确保准确度;结构建模部分,机器学习实例的数量以及图像与训练实例的相似度,对3D重建的准确度影响很大;同时,遗传算法中个体适应度及变异运算也需要针对不同构造加以修正。   由于机器学习技术的兴起,也可以考虑将机器学习算法(比如卷积神经网络)应用于建模部分。比如训练二维图像和3D结构之间的关系,预测已知图像的3D结构。但这种方式目前训练样本往往很大,训练速度慢,机器要求高。但其准确性和智能性却是其他算法无法比拟的。   因此,在实际建模过程中,每个环节都需要人工干预,对错误和不足及时进行修正;同时,这种建模方式的精度自然要低于纯手动建模的方式,但效率要比纯手动建模高很多。   4 结 语   

文档评论(0)

317960162 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档