【技术实现步骤摘要】
一种3D打印机高精度切片获取方法及装置
本申请涉及一种3D打印机高精度切片获取方法及装置，属于3D打印机
技术介绍
目前3D打印技术应用的领域非常广泛，其中包括：航天技术、产品设计、机械制造、建筑设计、医学方面和模具制作等领域。其中，由于现今老年化的加剧，医学领域越来越受到重视。打印人体器官并与病人之前不产生排异现象是未来努力的方向。随着3D打印技术不断发展，一个全新的人体可能应用到医学治疗方面，使很大病人都感觉到生存的希望。传统的医疗诊断中，医生大部分都是通过X线片、二维图谱等显示的信息在自己的大脑中构想患者患处的三维结构，因此存在着一定的误差，在患者的诊断、治疗过程中需要医生们有着较为丰富的经验，否则难以达到精确的诊断和手术，而3D打印技术则可以根据三维模型制作出实物模型，使模型真实化。在3D打印过程中，最重要的是2D对象检测，然后通过叠加的形式获得3D模型。2D对象检测可分为区域分割，阈值分割和轮廓曲线提取方法。区域分割能够有效地克服其他方法存在的图像分割空间小、连续的缺点，具有较好的区域特征...
【技术保护点】
1.一种3D打印机高精度切片获取方法，其特征在于，所述方法包括：/n获取采样点集合；/n使用多边形逼近算法获取所述采样点集合对应的闭合多边形；/n将所述闭合多边形对应的数据序列输入预先训练的轮廓生成模型，得到所述采样点集合对应的对象轮廓，所述轮廓生成模型是使用自适应的交叉和变异的差分进化模型对初始的反向传播网络进行训练得到的。/n
【技术特征摘要】
1.一种3D打印机高精度切片获取方法，其特征在于，所述方法包括：
获取采样点集合；
使用多边形逼近算法获取所述采样点集合对应的闭合多边形；
将所述闭合多边形对应的数据序列输入预先训练的轮廓生成模型，得到所述采样点集合对应的对象轮廓，所述轮廓生成模型是使用自适应的交叉和变异的差分进化模型对初始的反向传播网络进行训练得到的。
2.根据权利要求1所述的方法，其特征在于，所述将所述闭合多边形对应的数据序列输入预先训练的轮廓生成模型，得到所述采样点集合对应的对象轮廓之前，还包括：
获取所述初始的反向传播网络的输入层神经元个数A、隐藏层神经元个数Z和输出层神经元个数U；
基于所述输入层神经元个数A、所述隐藏层神经元个数Z和所述输出层神经元个数U确定种群规模；
循环执行如下步骤，直至重复次数达到预设次数或者最新生成的种群个体的适应度低于适应度阈值时停止，得到所述轮廓生成模型的初始网络参数：
从种群中随机选择两个不同个体生成差分矢量，并使用自适应生成的变异因子将所述差分矢量添加至第三个随机选择的个体，得到变异个体；所述种群包括多个个体，每个个体包括学习率r，动量参数m，神经元个数S，权值w和阈值v；
使用自适应生成的交叉因子对所述种群中的第i个个体与所述变异个体进行交叉操作，得到实验个体，所述i为正整数，且小于所述种群规模；
在所述实验个体的适应度优于所述第i个个体时，确定所述实验个体为新种群个体；在所述第i个个体优于所述实验个体时，确定所述第i个个体为新种群个体。
3.根据权利要求2所述的方法，其特征在于，所述得到所述轮廓生成模型的初始网络参数之后，还包括：
将样本数据集合输入具有所述初始网络参数的初始的反向传播网络，得到网络输出值；
基于Sigmoid函数和所述网络输出值计算全局误差；
基于所述全局误差更新所述初始网络参数，得到更新后的网络参数；
在所述全局误差大于误差阈值或者更新次数达到次数阈值时，输出最后一次得到的更新后的网络参数，得到具有所述更新后的网络参数的轮廓生成模型。
4.根据权利要求2所述的方法，其特征在于，所述自适应生成的变异因子通过下述公式表示：
其中，Fmin和Fmax分别表达变异因子的最小值和最大值；Gmax预设次数；G为重复次数。
5.根据权利要求2所述的方法，其特征在于，所述自适应生成的变异因子通过下述公式表示：
其中，CRmin和CRmax分别表达交叉因子的最小值和最大值；Gmax预设次数；G为重复次数。
6.根据权利要求1所述的方法，其特征在于，所述使用多边形逼近算法获取所述采样点集合对应的闭合多边形，包括：
对所述采样点集合中的每个采样点进行归一化；
获取初始曲线；
进入全局循环，并在全局循环中计算所述采样点集合到所述初始曲线的距离函数值；
在所述全局循环中的局部循环中，对所述采样点集合中的每个采样点进行分类；
基于所述采样点至当前曲线的距离最小的原则调整所述当前曲线中各个顶点的位置；
确定所述采样点至当前曲线的距离与上一次局部循环得到的距离之差是否小于差值阈值且所述局部循环的次数是...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。