摘要：德国联邦材料研究与测试研究所（BAM）和波茨坦大学的科研人员综述报道了增材制造质量控制中的图像配准方法。相关论文以“Review on image registration methods for the quality control in additive

长三角G60激光联盟导读

德国联邦材料研究与测试研究所（BAM）和波茨坦大学的科研人员综述报道了增材制造质量控制中的图像配准方法。相关论文以“Review on image registration methods for the quality control in additive manufacturing”为题发表的《Progress in Additive Manufacturing》上。

增材制造(AM)面临的核心挑战在于确保成型零件的安全性与尺寸精度。由于质量控制需依赖多种在线/离线成像技术(如热成像、X射线和光学计算机断层扫描)，图像配准技术成为解决这些问题的关键。本文系统阐述了AM中图像配准的研究动机、技术挑战与现存空白，详细介绍了主要变换方法、配准算法、相似性度量及精度评估技术。通过基于测量技术的全面综述，重点分析了基于特征点、点云、图像强度和形状的配准方法在质量控制、缺陷检测与变形量化中的应用。

图1立方体几何体CT扫描二维切片（二值化）与参考CAD模型的配准重叠效果

a)专家手动配准结果b)在配准1基础上添加旋转误差c)在配准1基础上添加X/Y轴平移误差d)在配准1基础上添加X轴平移误差

图2图像配准技术分类体系

增材制造在生物医疗、汽车和航空航天等领域的应用日益广泛。当前趋势显示，AM正被越来越多地用于功能性近净形零件的制造。相较于传统工艺，AM最显著的优势在于能为复杂结构件提供更大的设计自由度。然而，只有通过质量认证的零件才能充分体现AM的设计潜力。在质量保证方面，热成像、光学断层扫描、熔池监测等光学过程监控技术正被广泛应用。为解析过程监测图像数据，需借助计算机断层扫描(XCT)、金相分析等技术进行后续质量评估。图像配准作为关键环节，通过关联过程监测数据与成品质量数据，可有效追踪AM过程中的形变与缺陷，同时揭示制造过程中的热分布规律、缺陷形成机制及微观结构演变。

本综述深入探讨了AM质量控制中的前沿图像配准方法，包括技术动机、现存挑战与研究空白，并重点分析了以下技术特点：

1.基于特征的配准：依赖几何特征匹配，计算高效但受特征选择主观性影响

2.基于强度的配准：适合多模态数据但计算成本较高

3.点云配准：可实现全表面精确对齐但需良好初值

图3a)三维点阵结构示意图b)点阵结构CT扫描原始图像（8位灰度，分辨率76μm）c)平移变换效果d)旋转变换效果e)缩放变换效果f)剪切变换效果g)非线性变形效果

图4a)基于特征的图像配准流程 b)基于强度的图像配准流程

图5不同原位监测技术与XCT数据的特征对比（所选层）a)光学热成像数据提取的"超阈值时间"特征（分辨率100μm，显示试样表面温度超过30μs阈值的持续时间）b)光学断层扫描强度值（分辨率50μm，数字量表示）c)熔池监测强度数据（与熔池热辐射成正比，无量纲单位）d)该层的CT扫描数据（分辨率7.14μm）

图6a)五层图像金字塔结构b)基于多分辨率金字塔模型的图像配准

图7CT图像（分辨率76μm）配准的损失函数计算案例

图8a)点阵结构特征点选择（红色标记）b) STL模型（红色）与CT表面网格数据（蓝色）配准实例，通过浮雕字母区域评估配准质量c)数据集构建与缺陷预测机器学习模型示意图

图9基于最小惯性矩轴与质心的点云生成与对齐流程

图10a)基于强度配准的薄壁提取（XCT扫描图像与CAD对比，体素尺寸76μm）b)待提取薄壁区域标识c)薄壁结构提取结果d-e)用于特征提取的薄壁图像f)薄壁边缘提取（壁厚0.06-0.3mm，梯度0.01mm，图示提取壁厚0.29mm）g) 薄壁边缘粗糙度分析

图11a)几何补偿方法的点云配准原理b)激光扫描点云与CAD数据比对的缺陷检测流程

图12合成网格数据与扫描网格配准至CAD模型的自动化缺陷检测流程

图13a)MDF补偿算法流程图b)点集配准效果对比：i)三组未配准点云ii)CPD算法配准结果iii) MDF算法配准结果

图14a)熔池监测(MPM)数据配准原理b)基于深度学习的MPM数据处理流程（含预处理与定位两阶段

图15a)截断符号距离函数在XY平面不同Z位置的切片（蓝色负值/红色正值）b)单应性变换配准效果：光栅化激光矢量（左）、构建图像（中，62.5μm）、CT数据（右）c)以扫描矢量数据（中）为基准的配准：CT数据（左，10μm）与激光扫描后电光图像（右，10μm）的对齐

图16a)处理流程：CT扫描基准提取（左）、原位传感器图像（中）、特征提取与机器学习评估（右）b) 显示零件轮廓的切片数据图像

图17热成像与XCT数据集配准的数据处理流程（包含熔池特征与温度特征的提取，以及超阈值时间等时变特征计算）

图18a)试样实物照片b)热成像数据与XCT数据（14μm）配准：i)刚性配准结果ii)仿射配准结果（边缘匹配更精确）c)单应性矩阵透视校正：i)校准ii)当前帧输入图像iii)透视变换输出d)短波红外（白）与XCT（红）点云配准前后对比（分辨率125μm）

图19 a.i)含缺陷支架的三维渲染（蓝色组织切片与绿色XCT切片未对齐）a.ii)对应XCT二维切片 a.iii)配准所需的未知位移/旋转角度θb)L形结构的XCT重建（1.98μm）c)单层微CT分割结果与高温测量图像（21μm）配准前后叠加对比

图20a)激光共聚焦显微镜图像（2μm）与XCT图像（8μm）的2D/3D配准b.i)提取的LCM图像区域b.ii)对应XCT拟合与分割结果

技术突破方向：

1.采用预配准流程（如质心对齐）提升ICP算法的鲁棒性

2.开发相干点漂移(CPD)等新型配准算法处理大偏移点云

3.引入应变能理论发展非刚性配准方法

未来重点：

1.标准化建设：建立配准流程规范与开放数据格式，提升缺陷检测可靠性

2.物理机理融合：结合变形历史数据提升微观尺度配准精度

3.智能算法开发：基于深度学习的几何补偿方法（以有限元仿真为基准）

论文链接：

Chand, K., Fritsch, T., Oster, S. et al. Review on image registration methods for the quality control in additive manufacturing. Prog Addit Manuf (2025). https://doi.org/10.1007/s40964-024-00932-2

长三角G60激光联盟陈长军原创作品

热忱欢迎参加我们在2025年5-27-29日举办的两机展和激光在两机（飞机发动机和燃气轮机）及低空经济中的应用大会

来源：江苏激光联盟