一种利用平面设计文件制作立体模具制造技术

本发明专利技术公开了一种利用平面设计文件制作立体模具，首先，使用三维扫描仪对日用陶瓷模具进行扫描，然后通过设备将陶瓷模具点云数据以STL格式进行保存与输出，借助逆向工程软件对点云数据先后进行点处理、多边形处理、移除或减少错误的坏点，从而修复破损的部分，形成一个品质比较好的三维网格模型，为后续浅浮雕算法的实现做好准备，本发明专利技术设计合理，使用方便，采用逆向工程、快速成型等先进制造方法，结合浅浮雕实现算法，能够准确的对模具进行制作，有很好的应用前景。

A method of making three-dimensional mould with graphic design file

【技术实现步骤摘要】
一种利用平面设计文件制作立体模具
本专利技术涉及立体模具领域，具体涉及一种利用平面设计文件制作立体模具。
技术介绍
陶瓷文化作为中国的传统文化，在世界各国间流传了很多年。其中的日用陶瓷制作工业更是闻名世界，历史悠久。我国的日用陶瓷生产工艺经过祖祖辈辈们长期的实践经验积累，已然闻名于全世界。然而随着科学技术在不断地进步，中国的陶瓷行业要想继续保持影响力就得尝试引进新的技术，升级制造工艺。日用陶瓷产品的批量成型均需要借助复杂且精美的模具来实现，因此陶瓷模具的设计与制造在陶瓷工业中有着举足轻重的地位。陶瓷模具的好坏很大程度上决定了能否生产出高品质的日用陶瓷产品。目前我国的陶瓷制造行业很少采用先进设计与制造技术，大多数的陶瓷制造过程还是通过手工来完成，这就使得陶瓷模具的制造过程周期过长、工作量过大。
技术实现思路
本专利技术的目的是为解决上述不足，提供一种利用平面设计文件制作立体模具。本专利技术的目的是通过以下技术方案实现的：一种利用平面设计文件制作立体模具，首先，使用三维扫描仪对日用陶瓷模具进行扫描，然后通过设备将陶瓷模具点云数据以STL格式进行保存与输出，借助逆向工程软件对点云数据先后进行点处理、多边形处理、移除或减少错误的坏点，从而修复破损的部分，形成一个品质比较好的三维网格模型，为后续浅浮雕算法的实现做好准备；其次，以修复后的陶瓷模具三维网格模型为载体模型，根据艺术家们创作浮雕的过程，应用一种基于单幅图像的三维曲面浮雕生成算法，从一幅图像中重建出其平面浮雕模型，获取其深度信息，并应用纹理映射的原理，将浮雕深度信息添加到载体模型上；最后，在对快速成型的温度、喷嘴直径、支撑等工艺参数进行设置与优化后，采用3D打印机加工出生成浅浮雕后的逆向陶瓷产品实体件；其中，浮雕生成算法步骤如下：（1）特征线的选取，使用L0平滑法来移除一些图像中多余的细节信息。接下来，对平滑处理完的图像进行采样处理，根据对采样的的精细程度，分别生成不同粗糙程度的图像P=（P0，P1，……,Pn-1）,n=logm+1,m=min(IW+IH)，其中IW,IH分别表示输入图像的宽度和高度，P0表示的是相对最粗糙的图像。对于图像集合P中的每个图像Pi，都应用中的算法来生成相应的特征线图像L=（L0，L1，……,Ln-1）,需要说明的是这些特征线图像都是二值图。为了获得更加准确的特征轮廓线图像，我们对这n个特征线图像进行如下迭代处理：从最粗糙的图像L0开始，对L0进行处理到与L1大小相同，然后用L1去与这张图像进行计算相交，得到新的图像L1’。再用这个新图像一次进行处理到与L2大小相同，同时用L2与之计算相交以此获得图像L2’。这里对粗糙图像的处理指的是把与精细图像中相同位置的像素值复制并保留下来。这样不断地迭代处理最终得到特征线图像Ln-1’。而这张图像则是最终地从原始图像中提取出来的特征线图像；(2)区域块、边界线、边界连接点的确定：首先用单像素的宽度来细化图像中的轮廓线条，从而使得每条像素线条骨架化；然后，以一个封闭骨架像素为局部区域，测量出此区域内距离骨架像素最远的像素点。以此像素点为种子点，使用一种区域块增长算法把图像初始化分割为多个区域块，所有的种子点被放在堆上根据它们的距离值进行排序，从最远种子点开始不断增长蔓延，直到碰到一个骨架像素点增长才停下来；（3）区域图与相对深度：用一个有向边的图来表示这种连接关系，边的方向表示的是由深度较低的区域指向深度较高的区域，当区域块被区域边界线分割时，两层图的边就定义为这个边界线，这里使用一种常用的线标记法，图上边的箭头由左边区域指向右边区域，则左边区域比右边区域深度要高，线标记规则主要使用的是启发式和用户自定义方式对其进行半自动分类。三维扫描仪采用ATOSCompactScan扫描仪。陶瓷模具进行扫描包括扫描定位和对被扫物体表面的要求以及扫描角度的选取。本专利技术具有如下有益的效果：本专利技术设计合理，使用方便，采用逆向工程、快速成型等先进制造方法，结合浅浮雕实现算法，借助逆向工程软件对点云数据先后进行点处理、多边形处理、移除或减少错误的坏点，从而修复破损的部分，形成一个品质比较好的三维网格模型，能够准确的对模具进行制作，有很好的应用前景。附图说明图1为本专利技术的流程图；图2为本专利技术的浮雕算法流程图。具体实施方式下面结合附图对本专利技术作进一步的说明：如图1和图2所示，一种利用平面设计文件制作立体模具，首先，使用三维扫描仪对日用陶瓷模具进行扫描，然后通过设备将陶瓷模具点云数据以STL格式进行保存与输出，借助逆向工程软件对点云数据先后进行点处理、多边形处理、移除或减少错误的坏点，从而修复破损的部分，形成一个品质比较好的三维网格模型，为后续浅浮雕算法的实现做好准备；其次，以修复后的陶瓷模具三维网格模型为载体模型，根据艺术家们创作浮雕的过程，应用一种基于单幅图像的三维曲面浮雕生成算法，从一幅图像中重建出其平面浮雕模型，获取其深度信息，并应用纹理映射的原理，将浮雕深度信息添加到载体模型上；最后，在对快速成型的温度、喷嘴直径、支撑等工艺参数进行设置与优化后，采用3D打印机加工出生成浅浮雕后的逆向陶瓷产品实体件；其中，浮雕生成算法步骤如下：（1）特征线的选取，使用L0平滑法来移除一些图像中多余的细节信息。接下来，对平滑处理完的图像进行采样处理，根据对采样的的精细程度，分别生成不同粗糙程度的图像P=（P0，P1，……,Pn-1）,n=logm+1,m=min(IW+IH)，其中IW,IH分别表示输入图像的宽度和高度，P0表示的是相对最粗糙的图像。对于图像集合P中的每个图像Pi，都应用中的算法来生成相应的特征线图像L=（L0，L1，……,Ln-1）,需要说明的是这些特征线图像都是二值图。为了获得更加准确的特征轮廓线图像，我们对这n个特征线图像进行如下迭代处理：从最粗糙的图像L0开始，对L0进行处理到与L1大小相同，然后用L1去与这张图像进行计算相交，得到新的图像L1’。再用这个新图像一次进行处理到与L2大小相同，同时用L2与之计算相交以此获得图像L2’。这里对粗糙图像的处理指的是把与精细图像中相同位置的像素值复制并保留下来。这样不断地迭代处理最终得到特征线图像Ln-1’。而这张图像则是最终地从原始图像中提取出来的特征线图像；(2)区域块、边界线、边界连接点的确定：首先用单像素的宽度来细化图像中的轮廓线条，从而使得每条像素线条骨架化；然后，以一个封闭骨架像素为局部区域，测量出此区域内距离骨架像素最远的像素点。以此像素点为种子点，使用一种区域块增长算法把图像初始化分割为多个区域块，所有的种子点被放在堆上根据它们的距离值进行排序，从最远种子点开始不断增长蔓延，直到碰到一个骨架像素点增长才停下来；（3）区域图与相对深度：用一个有向边的图来表示这种连接关系，边的方向表示的是由深度较低的区域指向深度较高的区域，当区域块被区域边界线分割时，两层图的边就定义为这个边界线，这里使用一种常用的线标记法，图上边的箭头由左边区域指向右边区域，则左边区域比右边区域深度要高，线本文档来自技高网...

【技术保护点】
1.一种利用平面设计文件制作立体模具，其特征在于：首先，使用三维扫描仪对日用陶瓷模具进行扫描，然后通过设备将陶瓷模具点云数据以STL格式进行保存与输出，借助逆向工程软件对点云数据先后进行点处理、多边形处理、移除或减少错误的坏点，从而修复破损的部分，形成一个品质比较好的三维网格模型，为后续浅浮雕算法的实现做好准备；其次，以修复后的陶瓷模具三维网格模型为载体模型，根据艺术家们创作浮雕的过程，应用一种基于单幅图像的三维曲面浮雕生成算法，从一幅图像中重建出其平面浮雕模型，获取其深度信息，并应用纹理映射的原理，将浮雕深度信息添加到载体模型上；最后，在对快速成型的温度、喷嘴直径、支撑等工艺参数进行设置与优化后，采用3D打印机加工出生成浅浮雕后的逆向陶瓷产品实体件；其中，浮雕生成算法步骤如下：（1）特征线的选取，使用L0平滑法来移除一些图像中多余的细节信息；/n接下来，对平滑处理完的图像进行采样处理，根据对采样的的精细程度，分别生成不同粗糙程度的图像P=（P

【技术特征摘要】
1.一种利用平面设计文件制作立体模具，其特征在于：首先，使用三维扫描仪对日用陶瓷模具进行扫描，然后通过设备将陶瓷模具点云数据以STL格式进行保存与输出，借助逆向工程软件对点云数据先后进行点处理、多边形处理、移除或减少错误的坏点，从而修复破损的部分，形成一个品质比较好的三维网格模型，为后续浅浮雕算法的实现做好准备；其次，以修复后的陶瓷模具三维网格模型为载体模型，根据艺术家们创作浮雕的过程，应用一种基于单幅图像的三维曲面浮雕生成算法，从一幅图像中重建出其平面浮雕模型，获取其深度信息，并应用纹理映射的原理，将浮雕深度信息添加到载体模型上；最后，在对快速成型的温度、喷嘴直径、支撑等工艺参数进行设置与优化后，采用3D打印机加工出生成浅浮雕后的逆向陶瓷产品实体件；其中，浮雕生成算法步骤如下：（1）特征线的选取，使用L0平滑法来移除一些图像中多余的细节信息；
接下来，对平滑处理完的图像进行采样处理，根据对采样的的精细程度，分别生成不同粗糙程度的图像P=（P0，P1，……,Pn-1）,n=logm+1,m=min(IW+IH)，其中IW,IH分别表示输入图像的宽度和高度，P0表示的是相对最粗糙的图像；
对于图像集合P中的每个图像Pi，都应用中的算法来生成相应的特征线图像L=（L0，L1，……,Ln-1）,需要说明的是这些特征线图像都是二值图；
为了获得更加准确的特征轮廓线图像，我们对这n个特征线图像进行如下迭代处理：从最粗糙的图像L0开始，对L0进行处理到与L1大小相同，然后用L1去与这张图像进行计算相交，得到新...

【专利技术属性】
技术研发人员：万瑶，蒋蕾，
申请(专利权)人：湖南文理学院，
类型：发明
国别省市：湖南;43