激光刻蚀加工是现代机械加工领域中较为前沿的一种加工技术,尤其是在对零件表面的精密花纹刻蚀方面,激光刻蚀技术无论是加工效果还是效率都优于其他传统的加工技术。三维激光刻蚀的输入信息主要包括三维模型信息以及刻蚀图案信息。由于用于刻蚀的图案信息一般被存储于较小的贴图纹理中,需要有一种算法能够将大量的小型贴图信息自动且规范的排布在三维模型的表面。其中每一个用于刻蚀的贴图在三维模型上的位置即为模型的贴图点位,如何根据指定的贴图信息以及模型信息进行贴图点位的生成是激光刻蚀加工的一个重要难题。传统的研究主要分为三个方向:其一是工业加工中常用的先将加工结果刻蚀在二维柔薄表面,然后再吸附于加工零件表面上的方法。该方法由于对刻蚀材质的要求较高,在大多数情况下并不适用。其二是通过UVW展开算法将一个曲面模型分解成多个可展开的子曲面并将其分别展开到二维平面上。由于分解过程通常会对模型进行撕裂,这导致展开结果很难用于最终的点位生成。其三是将模型转换为大规模的离散点云数据展开至二维平面。由于传统的点云数据生成通常依靠对每个三角面进行随机采样获得,最终的展开点云不具备三维空间的规范性,很难进行贴图点位的生成。论文提出了一种新的基于点云的激光刻蚀加工中三维贴图点位生成算法。该算法创新性地使用大规模的射线与三维模型表面进行模拟求交的方式来完成三维模型表面的离散点云化工作。借助这种方法所获得的规范点云数据,算法得以在展开后的二维点云纹理数据上使用快速的并行前缀和算法代替以往的离散求和算法来获取曲面上任意两点的表面距离并生成贴图点位。此外,论文借助GPU的RT核心对射线与三维模型的求交运算进行了优化,该方法在求交效率上要优于以往的基于CUDA核心的GPU射线求交算法。同时,论文还通过基于GPU的CUDA核心的并行前缀和算法代替了传统的CPU上的前缀和算法完成了三维模型表面距离计算的效率优化。从实验结果分析可以看到,论文所提出的算法在2-4秒内即完成了10亿点云细分下包含8-10万三角面的不同类型曲面的贴图点位生成工作,比传统的CPU实现的效率提升了80-120倍,比传统的GPU实现(仅依靠CUDA核心)的效率提升了3-4倍。而最终生成的点位数据每米的误差小于0.02毫米,无论是局部误差还是全局误差都远小于传统的UV展开法以及传统的基于三角面随机采样的点云法。因此,本文所提出的算法在效率和效果上相比于以往的算法都有了非常显著的提升。