3D打印技术采用分层叠加制造原理,可对任意形状的数字模型快速成型,是近年来工程领域一项突破性的技术,可加速产品研发周期,降低生产成本。在3D打印中,被打印的物体模型是关键。除了自己设计复杂的3D模型以外,通过扫描实际物体或设备,逆向产生其数字模型,也是一种快捷的方法,特别适合于复杂环境或物体的建模。得益于三维信息获取设备在近几年的快速发展,获取场景的三维信息(如点云数据)变得更容易。本文致力于研究基于点云数据的3D打印技术,从设备采集的关于真实场景或物体的三维点云数据出发,探索基于多视角点云数据的三维模型重建方法及3D打印分层相关技术,重现客观实物模型或物理场景,建立从数据采集到成型制造的完整逆向工程解决方案。受数据采集方式的限制,往往需要从多个角度对物体或场景进行扫描,将采集到的多帧局部点云数据进行配准融合,得到表达物体或场景表面的完整点云模型。为了使模型可被3D打印处理,需对获取的离散点云数据进行三角网格重建,生成符合分层制造要求的连续表面三角网格模型。随后,将重建的网格模型输入3D打印机,确定合适的分层参数并进行分层,实现最小误差打印,完成的模型的实体重构。本文针对以上三个研究内容分别予以研究,主要工作如下所述:1.在点云配准方面,采取基于特征匹配的两两配准方法。受数据本身的噪声及特征获取算法性能的限制,生成的关联点对中不可避免存在许多误匹配,影响刚体变换矩阵的求解。论文第三章通过分析特征点之间欧式距离在刚体变换前后不变的特性,提出一种距离差分矩阵(DDM)算法来检测点对集中的误匹配,只需少量简单的欧式运算即可快速筛除90%以上的误差匹配,同时保留95%的正确匹配,正确匹配占总数的比例由17%上升至70%。基于此提出最小二乘后向方法(LSBW)经少量迭代即可得到更为准确的初始变换矩阵,将两帧点云对齐到更接近的位置,使ICP优化算法的迭代次数降低30%,提高了点云配准的效率和精度。算法中用到的阈值参数,根据点云分辨率自适应确定,用户只需通过一个尺度因子控制算法的精确程度即可,避免了手动确定点云参数的不便和不准确。2.在点云模型表面网格重建方面,现有方法会在无数据区域产生异常的网格,或在网格中形成局部孔洞缺陷,导致模型难以被应用于3D打印。论文第四章提出一种基于投影的自修复的区域增长表面重建算法,从种子顶点出发构建三角形,随后根据各邻域点与参考点在其正切投影平面上的可见性关系,以区域增长方式逐步生成表面三角网格。算法结合传统的区域增长表面重建原理,根据邻域点的位置和状态将三角化过程总结为七种情况,并对每种情况给出明确的三角化细节;提出了一种单边表数据结构,在网格增长过程中实时记录并更新网格边缘,在三角化过程结束后通过深度遍历单边表快速检测网格中存在的局部孔洞或错误,并根据最小夹角优先原则予以修复。与已有方法相比,重建的模型表面更为完整,无异常的网格区域,适合于3D打印分层处理。3.在3D打印分层处理方面,确定合适的分层参数,对模型的成型精度和表面质量有重要影响。论文第五章分析分层制造过程中的阶梯效应及其成因,提出了3D打印中的体积误差数学模型,明确了分层方向与体积误差的关系,在统一分层厚度时,将最优分层方向确定问题建模为一个最小绝对偏差线性回归问题。从该模型出发,提出了一种先PCA近似求解、再局部优化的策略确定使体积误差最小的最优分层方向,以期实现最小误差打印。提出的体积误差模型相比已有的表面尖高或平整度模型,对打印误差的表达更为直接准确,分层方向确定算法相较已有的方向遍历算法效率和精度分别提升60%和2%,且适应性更强。论文将基于点云数据的3D打印框架分为“点云模型配准”、“模型表面三角网格重建”及“3D打印分层处理”三个主要部分,提出了各部分的研究内容并进行了针对性的研究,初步建立了从数据采集到实物重现的逆向工程解决方案。