基于CPU和GPU的增材制造流水线并行扫描线填充方法

基于cpu和gpu的增材制造流水线并行扫描线填充方法
技术领域
1.本发明属于增材制造技术领域，具体涉及一种基于cpu和gpu的增材制造流水线并行扫描线填充方法。


背景技术：

2.文献“machine path generation for the sis process[j]”公开了一种扫描线填充算法，该算法以逻辑简单、容易实现的特点，已经被广泛的应用于增材制造路径填充过程中。扫描线填充算法使用一组等距的平行线与二维切平面内的轮廓求取交点，然后将每一条扫描线上的交点按照与扫描线平行的数轴的数值升序进行排序，最后再将这些交点按照奇偶相连形成轮廓内部的填充路径。但是，随着在增材制造领域中需要制造的三维模型的体积和精细度不断增加，与之对应的三维模型数据量也越来越庞大，如果仍采用传统的仅运行在cpu上的串行化扫描线填充算法去处理gb级的stl(stereolithgraphy，光固化立体成型)文件所表示的三维模型，至少需要数小时才能将三维模型处理为终端打印机可以理解的gcode代码，显然已经无法满足当代工业的生产需求。


技术实现要素：

[0003]
本发明的目的在于克服上述现有技术的缺点，提供一种基于cpu和gpu协同的增材制造流水线并行扫描线填充的方法，以解决传统的仅运行在cpu上的串行扫描线填充算法，在对gb级三维模型进行扫描线填充过程中存在效率过低、时间损耗过长的问题。
[0004]
为达到上述目的，本发明采用以下技术方案予以实现：
[0005]
基于cpu和gpu的增材制造流水线并行扫描线填充方法，包括以下步骤：
[0006]
步骤1，切片处理增材制造的模型，标记切平面轮廓，获取每一个轮廓组及对应相交扫描线的数量；所述轮廓组包括切平面轮廓及所述切平面轮廓内部的轮廓；
[0007]
步骤2，通过扫描线填充算法获得每一层切平面的扫描线填充任务量；
[0008]
步骤3，采用自上而下逐层弹性扩充的方式将模型分为n个子块，每一个子块内至少包含一层切平面轮廓的完整数据；
[0009]
步骤4，四级流水线并行；第一级流水线，在cpu端将子块数据进行预处理后，获得每个子块的求交任务；在gpu中为每一个轮廓分配一个线程，计算每一个轮廓和扫描线的交点，将交点坐标进行哈希变换压缩，将压缩后的求交结果存储在结果数组中；按照交点的坐标排序，根据排序顺序，在cpu端完成交点坐标的逆变换和奇偶配对连接，完成每一个轮廓的路径规划结果。
[0010]
本发明的进一步改进在于，
[0011]
优选的，步骤1中，根据每一个轮廓的边界值和预设的扫描线间宽，确定相交扫描线的数量。
[0012]
优选的，步骤2中，当两条扫描线段的顶点同时和多边形闭合轮廓的某一个顶点重合时，比较两条扫描线段另一端的两个顶点和重合顶点的大小，如果两个顶点在x空间坐标
轴上的数值均大于重合顶点的数值，则重合顶点不进行有效填充，否则填充。
[0013]
优选的，步骤3中，每一个子块内包含计算任务量的数据区间为[v_count_model/n,v_count_model/n+v_count_layer_max]，其中v_count_layer_max为一个三维模型内具有最多计算任务量的切平面包含的交点数目，v_count_model为整个三维模型包含的任务量，n为子块数量。
[0014]
优选的，步骤4中，所述预处理的过程为将每一个轮廓组的起始位置存储在整形数组中，通过格式转换将子块内所有切平面数据转换为三层的数据结构。
[0015]
优选的，轮廓组的结构体为：
[0016][0017][0018]
优选的，步骤4中，计算每一个轮廓和扫描线的交点时，交点信息中存放有可连轮廓组的序号。
[0019]
优选的，步骤4中，所述哈希变换公式为：
[0020]
hash(p)＝2
32
p.x+(p.y-modelmin.y)
ꢀꢀꢀ
(1)
[0021]
其中，p为交点，p.x为交点的x坐标值，p.y为交点的y坐标值，modelmin.y为整三维模型在y坐标轴的最小值。
[0022]
优选的，步骤4中，根据结果数组中的交点数量，当结果数组的交点数据量大于104时，将数据分割为左右两个部分，并为每个部分开辟一个cpu线程进行处理，一直迭代直到每一个线程处理的cpu数据量小于104停止开辟cpu线程。
[0023]
优选的，所述逆变换的公式为：
[0024]
p.x＝(int)p.y/2
32
ꢀꢀꢀ
(2)
[0025]
p.y＝(int)p.y％2
32
ꢀꢀꢀ
(3)
[0026]
其中，p.x为交点的x轴坐标，p.y为交点的y轴坐标。
[0027]
与现有技术相比，本发明具有以下有益效果：
[0028]
本发明公开了一种基于cpu和gpu的增材制造流水线并行扫描线填充方法，在基于cpu-gpu异构多核架构下，根据流水线并行的模式对传统的串行扫描线填充算法进行并行化改造。整体可以分为三维模型分割和异构并行路径填充两个部分：第一部分，根据计算出的每一层二维切平面的求交任务量，采用自上至下逐层扩充的方式将模型分割为多个等任务量级的子块；第二部分，将分割产生的多个子块作为四级流水线的起始输入数据，以高度并行化方式完成对gb级三维模型的扫描线路径填充任务。实验结果表明，此算法不仅保证了轮廓路径填充的准确性，而且极大的提高了算法的执行效率，在将gb级三维模型分割为7个子块的条件下，此算法相较于串行的扫描线填充算法最高可获得近13的加速比。
附图说明
[0029]
图1为本发明的整体架构图；
[0030]
图2为第一级流水线对子块预处理后得到的三层数据结构图；
[0031]
图3为第二级流水线存储求交结果的数据结构图；
[0032]
图4为第三级流水线对交点数据进行并行排序的算法逻辑图；
[0033]
图5为基于本方法的三维模型填充效果示意图。
具体实施方式
[0034]
下面结合附图和具体的实施例对本发明做进一步详细描述：
[0035]
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制；术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性；此外，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0036]
本发明公开了一种基于cpu和gpu协同的增材制造流水线并行扫描线填充的方法，该方法整体可以分为三维模型分割和异构并行路径填充两个部分，首先，计算出每一层二维切平面的求交任务量，并采用自上至下逐层弹性扩充的方式将模型分割为多个等数量级的子块，然后，将分割产生的多个子块作为四级流水线的起始输入数据，让模型子块独立的在各级流水线上被运算处理，从而实现以高度并行化的方式高效率的完成对gb级的大尺寸三维模型的扫描线填充任务。
[0037]
本发明解决其技术问题所采用的技术方案：一种基于cpu和gpu协同的增材制造流水线并行扫描线填充的方法，参见图1，包括下述步骤：
[0038]
步骤一，标记切平面的轮廓。路径填充的对象是三维模型经过切片过程形成的二维切平面，每一层切平面又可以划分为相互独立的多个部分，在增材制造工艺中一般用轮廓组(contours)表示，任意两个轮廓组之间没有交点。每一个轮廓组内又可以包括多个轮廓(polygon)，这些轮廓均是由多个独立的交点首尾相连形成的闭合多边形。在对二维切平面进行路径规划的时候，首先需要利用aabb结构(axisaligned bounding box)对切平面内的轮廓行标记，计算每一个轮廓组在x轴、y轴方向上的最大值和最小值，并分别表示为boundarymin(xmin,ymin)和boundarymax(xmax,ymax)，根据轮廓的边界值和预设的扫描线间宽，便可以直接算出与某一轮廓组相交扫描线的数量。
[0039]
步骤二，逐层计算每一层切平面的扫描线填充任务量。扫描线填充算法的实质就是用一组等距、同向的直线段与二维切平面内的闭合轮廓求取交点，并保留轮廓内需要实体填充部分的线段，最后再将这些线段首尾连接以形成打印机的打印路径，由此可知，一个二维切平面的计算任务量主要取决于扫描线集合与切平面内轮廓的交点数量，两者相交的次数越多则此过程的计算任务量越大。
[0040]
因此可以将扫描线与二维切平面的交点数量，作为此层切平面的任务量评价指
标。需要注意，当出现扫描线和多边形闭合轮廓的某一个顶点重合时，为了避免后续在奇偶配对时出现错误，需要根据此顶点与以此顶点为起点的两条线段的另一端两个顶点的数值大小关系判断轮廓顶点与扫描线的位置关系，两者之间的关系可能为伪相交、相切和相交，依次相对应记录的交点数目为0、1和2。轮廓顶点和扫描线的位置判断规则如下：
[0041]
(1)若相邻两个顶点在x空间坐标轴上的数值均大于此顶点的数值，则扫描线与此顶点的位置关系是伪相交，交点处被记录0次，即在此顶点处不进行有效的填充；
[0042]
(2)若此顶点在x空间坐标轴上的数值介于相邻两个顶点的数值之间，则扫描线与此顶点的位置关系是相切，交点处被记录1次，即在此顶点处进行有效的填充；
[0043]
(3)若相邻两个顶点在x空间坐标轴上的数值均小于此顶点的数值，则扫描线与此顶点的位置关系是相交，交点处被记录2次，即在此顶点处进行有效的填充。
[0044]
步骤三，等任务量的分割模型。经过步骤二对每一层切平面求交任务量的计算后，可以得到一个三维模型内具有最多计算任务量的切平面包含的交点数目为v___，整个模型包含的任务量为v__。根据实际处理三维模型的体量大小将模型分割为n块，则每一个子块包含的计算任务量应为v__/n，但为了保证每一个子块均包含完整的一层切平面轮廓数据(每一个子块可以包含多层，但是每一层为完整的“一整层”二维切平面，每一层完整的二维切平面可以包括多个轮廓组)，则需要采用自上而下逐层弹性扩充的方式分割三维模型，即前n-1个子块中每一个子块包含的计算任务量的数据区间为[v_nt_/n,v_nt_/n+v___；弹性扩充能够保证层完整的基础上使得每一个子块包含的填充任务量相同。
[0045]
步骤四，四级流水线并行化路径填充。每一级流水线对应的数据处理任务具体为：第一级流水线在cpu端对数据做导入gpu前的预处理，即构建一个层、轮廓组、闭合轮廓的三维结构，并提前开辟出与输入、输出数据大小相对应的存储空间；第二级流水线在gpu端进行并行求交，即让一个gpu线程独立的负责一个多边形闭合轮廓与扫描线的求交运算；第三级流水线在cpu端依据快速排序的思想并结合多cpu线程并行的方式，快速的对求交结果进行排序；第四级流水线在cpu端将有序的交点数据进行坐标还原后，再根据两两奇偶配对的规则进行连接，从而形成最终的扫描线填充路径。
[0046]
模型子块在四级流水线中被处理的具体步骤如下：
[0047]
(1)：第一级流水线，在cpu端完成对子块数据的预处理过程。由于gpu中无法动态的分配内存，所以在使用gpu进行数据处理时，需要提前获知待处理数据和运算结果占用空间的大小。各个子块实质上是由多层完整的切平面组成，每一层切平面包含多个轮廓组，并且增材制造工艺中通常需要对模型的不同高度进行角度不一的填充，因此在定义子块内每一层切平面包含的轮廓组数据的结构体时，需要记录每一层切平面的扫描线填充角，旋转角度能够保证各个层的扫描线填充的方式不同(0
°
、45
°
和90
°
等)，从而较少成型过程的应力，提高成型件的质量。每一层切平面的旋转角度，具体的轮廓组结构体定义如下：
[0048]
structpointptr{
[0049]
intlocation；//轮廓的起始坐标
[0050]
introtation；//扫描线的填充角度
[0051]
intpolygonsnum；//轮廓组内包含的轮廓个数
[0052]
}polyinfo
[0053]
对每一层切平面包含的多个轮廓组，则需要将每个轮廓组的起始位置存储在整形
数组polysnum中，通过格式转换便可以将子块内所有的切平面转为三层的数据结构，即将一个二维切平面转换为轮廓组、轮廓和顶点数据的三维结构。然后对应每个子块求交任务量，在gpu端开辟出结果数组result，并且根据步骤二每一层切平面中轮廓的求交次数，确定每一个轮廓的求交结果在result中的起始存储位置。
[0054]
(2)：第二级流水线，在gpu端完成对轮廓和扫描线的求交过程。在gpu中为每一个轮廓分配一个线程，并行计算轮廓与扫描的交点，并按照(1)中确定的起始存储位置，将每一个轮廓的求交结果(交点的坐标)有顺序的存储在结果数组result中。并行计算时以轮廓为基本并行单位进行求交运算，而一个可连轮廓组中可能包含有多个轮廓，为保证在后续进行交点值排序时，同属于一个可连轮廓组的交点能区分开来，需要在交点信息中存放可连轮廓组序号，并且为进一步减少交点信息占用的gpu显存空间，本方法将交点坐标的x值和y值进行哈希变换压缩，在对交点坐标进行哈希变换时需要注意，由于交点坐标中可能存在负数，以至于不能直接进行二进制右移和求和，因为按照补码的规则，一个负数去掉符号位后大于正数，所以首先要将y坐标统一加上固定值，保证y坐标为正整数，以免对第三级流水线的排序结果造成影响，具体的哈希变换公式如下：
[0055]
hash(p)＝2
32
p.x+(p.y-modelmin.y)(1)
[0056]
公式(1)中的modelmin.y为整三维模型在y坐标轴的最小值，通过公式(1)将偏移后的交点坐标p(x,y)进行数据压缩得到该坐标对应的哈希值存入p.y中。因此，在存储交点的四个字节中，前十六个比特用于存储所属轮廓组序号n，后十六个比特用于存储由交点坐标p(x,y)计算得出的哈希值。
[0057]
(3)：第三级流水线，在cpu端采用完成对交点数据的排序过程。经过(2)的并行求交后，将求取的交点结果数组result传到cpu的主存内，由于待处理的交点数据的体量特别庞大，因此需要寻找一个具有较低时间复杂度的排序算法，此处引用快速排序的算法思想并结合多cpu线程并行的方式来实现对交点数据的高效率并行排序，排序根据交点的坐标进行排序，排序使得下一级流水线可以直接奇偶配对形成最终的填充路径。
[0058]
快速排序的算法思想就是每一次迭代都将上一层的数据分割成独立的左右两个数据集，且满足左半部分数据的最大值小于右半部分数据的最小值，因此可以将迭代产生的两个相互独立的部分的后续比较过程，分配给两个cpu线程进行并行化处理，以此类推，最终根据快排算法的时间复杂度共创建个线程，n为代排序处理数据集中包含的数据个数。虽然通过并行化的方式可以提高排序过程的执行效率，但是创建大量的cpu线程会造成严重的资源浪费，经上机实验分析只有在待处理的数据集大于104时，开辟多个cpu线程对数据集进行并行化的排序才具有实际意义，因此在对数据集进行排序前，先对待数据集的规模进行判断，当数据集的规模超过104时，才需要开辟两个子线程完成对一次迭代产生的左右两个子数据集的排序过程，以此类推，直到子数据集的规模小于104时，停止开辟新的子线程，以实现计算资源的最高效化的利用。
[0059]
(4)：第四级流水线，在cpu端完成交点坐标的逆变换和奇偶连接过程。通过公式(2)和(3)将交点哈希值逆变换为原坐标，然后将相邻两点进行奇偶配对连接，形成在轮廓上所有填充路径的路径规划结果。
[0060]
p.x＝(int)p.y/2
32
ꢀꢀꢀ
(2)
[0061]
p.y＝(int)p.y％2
32
ꢀꢀꢀ
(3)
[0062]
下面结合具体的实施例，具体的说明：
[0063]
实施例
[0064]
现结合附图和具体三维模型对本发明做进一步详细的说明。试验模型的大小为718196kb，体积参数为277.5mm*248.4mm*238.5mm，切平面的厚度为0.1mm。
[0065]
步骤一，标记实验模型的切平面轮廓。利用aabb结构逐层对实验模型的2385层二维切平面内的轮廓进行标记，并记录轮廓组在x轴、y轴方向上的边界最大值和最小值。
[0066]
步骤二，逐层计算每一层切平面的扫描线填充任务量。根据步骤一获取的轮廓的边界值和预设的扫描线的间宽，便可以直接算出与某一轮廓相交扫描线的数量。实验模型内所有切平面的有效求交次数为150317874次，其中求交次数最多的一层是2710184次。
[0067]
步骤三，将验模型等任务量的分割为7块。根据步骤二的任务量计算结果，在保证每一个子块均包含完整的一层切平面轮廓数据的前提下，前6个子块中每一个子块包含的计算任务量的数据区间为[21473982,24184166]，最终7个子块中每个子块的任务量分别为：第一个子块21654858次、第二个子块22368372次、第三个子块21865118次、第四个子块21582762次、第五个子块22829074次，第六个子块21551412次、第七个子块18466278次。
[0068]
步骤四，将七个子块在四级流水线的架构下实现并行化的路径填充，具体过程如下：
[0069]
(1)：在cpu端通过第一级流水线的预处理过程，将子块内包含的二维切平面数据转换为如附图2所示的三层数据结构，并根据步骤三每个子块包含的计算任务量在gpu端开辟对应大小的结果数组result，然后结合步骤二计算得出的每一层切平面中轮廓的求交次数，确定每一个轮廓的求交结果在result中的起始存储位置。当完成对第一个子块的预处理任务后，将预处理后的子块数据传入到gpu端，开始执行第二级流水线的求取轮廓交点的任务，与此同时，第一级流水线开始对第二个子块进行预处理，依次类推，直到全部完成剩余6个子块的预处理任务。
[0070]
(2)：在gpu端通过第二级流水线并行化的完成对子块内的轮廓和扫描线的求交运算。在gpu中为每一个轮廓分配一个线程，并行化的计算轮廓与扫描的交点，并按照(1)中确定的起始存储位置，将轮廓与扫描线的求交结果存储在结果数组result中，存储交点的数据结构如附图3所示。当完成对第一个子块的并行求交任务后，将求交结果传出到cpu端，开始执行第三级流水线的交点排序的任务，与此同时，第二级流水线开始对第二个子块进行并行求交运算，依次类推，直到全部完成剩余6个子块的并行求交运算任务。
[0071]
(3)：在cpu端通过第三级流水线并行化的完成对子块求交结果的排序任务。经过(2)的并行求交后，将每个子块的求交结果传出到cpu的主存内，然后采用如附图4所示的并行排序算法，高效率的完成对交点数据的排序任务。具体而言，前6个子块在对交点进行排序时开辟的cpu线程数为24个，第7个子块在对交点进行排序时开辟的cpu线程数为22个。当完成对第一个子块求交结果的排序后，将有序的交点数据传入到第四级流水线执行交点的逆变换和连接工作，与此同时，第三级流水线开始对第二个子块的求交结果进行并行化的排序，依次类推，直到全部完成剩余6个子块的交点排序任务。
[0072]
(4)：在cpu端通过第四级流水线完成对交点坐标的逆变换和奇偶连接过程。首先对交点坐标进行哈希逆变换，将交点坐标还原为(x，y)的形式，然后将有序的交点坐标两两奇偶配对进行连接，最终形成轮廓的扫描线填充路径。
[0073]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.基于cpu和gpu的增材制造流水线并行扫描线填充方法，其特征在于，包括以下步骤：步骤1，切片处理增材制造的模型，标记切平面轮廓，获取每一个轮廓组及对应相交扫描线的数量；所述轮廓组包括切平面轮廓及所述切平面轮廓内部的轮廓；步骤2，通过扫描线填充算法获得每一层切平面的扫描线填充任务量；步骤3，采用自上而下逐层弹性扩充的方式将模型分为n个子块，每一个子块内至少包含一层切平面轮廓的完整数据；步骤4，四级流水线并行；第一级流水线，在cpu端将子块数据进行预处理后，获得每个子块的求交任务；在gpu中为每一个轮廓分配一个线程，计算每一个轮廓和扫描线的交点，将交点坐标进行哈希变换压缩，将压缩后的求交结果存储在结果数组中；按照交点的坐标排序，根据排序顺序，在cpu端完成交点坐标的逆变换和奇偶配对连接，完成每一个轮廓的路径规划结果。2.根据权利要求1所述的基于cpu和gpu的增材制造流水线并行扫描线填充方法，其特征在于，步骤1中，根据每一个轮廓的边界值和预设的扫描线间宽，确定相交扫描线的数量。3.根据权利要求1所述的基于cpu和gpu的增材制造流水线并行扫描线填充方法，其特征在于，步骤2中，当两条扫描线段的顶点同时和多边形闭合轮廓的某一个顶点重合时，比较两条扫描线段另一端的两个顶点和重合顶点的大小，如果两个顶点在x空间坐标轴上的数值均大于重合顶点的数值，则重合顶点不进行有效填充，否则填充。4.根据权利要求1所述的基于cpu和gpu的增材制造流水线并行扫描线填充方法，其特征在于，步骤3中，每一个子块内包含计算任务量的数据区间为[v_count_model/n,v_count_model/n+v_count_layer_max]，其中v_count_layer_max为一个三维模型内具有最多计算任务量的切平面包含的交点数目，v_count_model为整个三维模型包含的任务量，n为子块数量。5.根据权利要求1所述的基于cpu和gpu的增材制造流水线并行扫描线填充方法，其特征在于，步骤4中，所述预处理的过程为将每一个轮廓组的起始位置存储在整形数组中，通过格式转换将子块内所有切平面数据转换为三层的数据结构。6.根据权利要求5所述的基于cpu和gpu的增材制造流水线并行扫描线填充方法，其特征在于，轮廓组的结构体为：struct pointptr{int location；//轮廓的起始坐标int rotation；//扫描线的填充角度int polygonsnum；//轮廓组内包含的轮廓个数}polyinfo。7.根据权利要求1所述的基于cpu和gpu的增材制造流水线并行扫描线填充方法，其特征在于，步骤4中，计算每一个轮廓和扫描线的交点时，交点信息中存放有可连轮廓组的序号。8.根据权利要求1所述的基于cpu和gpu的增材制造流水线并行扫描线填充方法，其特征在于，步骤4中，所述哈希变换公式为：hash(p)＝2
32
p.x+(p.y-modelmin.y)
ꢀꢀꢀꢀꢀꢀꢀ
(1)其中，p为交点，p.x为交点的x坐标值，p.y为交点的y坐标值，modelmin.y为整三维模型
在y坐标轴的最小值。9.根据权利要求1所述的基于cpu和gpu的增材制造流水线并行扫描线填充方法，其特征在于，步骤4中，根据结果数组中的交点数量，当结果数组的交点数据量大于104时，将数据分割为左右两个部分，并为每个部分开辟一个cpu线程进行处理，一直迭代直到每一个线程处理的cpu数据量小于104停止开辟cpu线程。10.根据权利要求1-9任意一项所述的基于cpu和gpu的增材制造流水线并行扫描线填充方法，其特征在于，所述逆变换的公式为：p.x＝(int)p.y/2
32
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)p.
y
＝(int)p.y％2
32
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中，p.x为交点的x轴坐标，p.y为交点的y轴坐标。

技术总结
本发明公开了一种基于CPU和GPU的增材制造流水线并行扫描线填充方法，该方法整体可以分为三维模型分割和异构并行路径填充两个部分，首先，计算出每一层二维切平面的求交任务量，并采用自上至下逐层弹性扩充的方式将模型分割为多个等数量级的子块，然后，将分割产生的多个子块作为四级流水线的起始输入数据，让模型子块独立的在各级流水线上被运算处理，从而实现以高度并行化的方式高效率的完成对GB级的大尺寸三维模型的扫描线填充任务。级的大尺寸三维模型的扫描线填充任务。级的大尺寸三维模型的扫描线填充任务。


技术研发人员：马良 彭理想 李慧贤
受保护的技术使用者：西北工业大学
技术研发日：2023.05.24
技术公布日：2023/8/23