基于散乱点云模型的自适应分层方法研究

针对在分层过程中,如何调节分层效率与成型精度之间矛盾的问题,通过对现有分层算法,分层过程中初始分层厚度确定、数据精简及轮廓线拟合等方法的研究,提出了一种基于点云距离变化的自适应分层算法。基于散乱点云模型,通过计算每层切片中各线段与最近点的距离,筛选出了距离的最大值;计算了相邻两层之间最大距离的变化率,然后与设定的阈值进行了比较,自动地调整了分层厚度;经过对斗齿点云模型的分层实验,验证了算法的有效性。实验结果表明:该算法能够在一定程度上平衡分层效率和成型精度之间的关系,并且适应于高精度、型面较复杂模型的分层。