利用面片法向量保留模型特征的3D打印自适应分层算法

针对传统算法计算复杂、不能有效保留模型特征的问题,提出一种以STL文件中三角面片法向量为计算基础、可以减小台阶效应并且识别和保留模型特征的自适应分层算法。首先计算面片法向量在分层方向上的分量,识别出分量较大处即为模型表面倾斜角度较小的地方,在该地方采用较小的分层厚度以减小台阶效应。然后给出一种识别模型特征的方法,利用面片法向量计算模型面片之间的二面角大小和顶点的复杂程度,识别出模型表面的锐边和复杂点特征。接着在特征附近采用较小的分层厚度以保留模型特征,其余地方采用较大的分层厚度以减少打印时间。最后检测遗漏的三角面片并对分层厚度进行修正,以防止模型特征丢失。实验结果表明:对于实验所采用的哑铃模型,所提算法能识别出传统算法识别不出的非局部最高或最低特征点;对于龙猫模型和锥体模型,本文算法可以识别出所有模型特征,并且可以根据模型特征的复杂程度调节分层厚度,在保证尖端高度分别为0.400 mm和0.355 mm的前提下,分层数较传统识别模型特征的自适应分层算法分别降低了2.5%和1.2%。