Validación Geométrica en Impresión 3D mediante Visión RGB-D

Resumen

La fabricación aditiva por deposición de filamento (Modelado por Deposición Fundida (FDM)) se ha consolidado como una alternativa accesible para la producción de prototipos y piezas funcionales. Sin embargo, la calidad final puede verse afectada por defectos que aparecen durante la impresión y que no siempre se corrigen ajustando parámetros del proceso. En este contexto, esta investigación propone un sistema de validación geométrica capaz de estimar el estado de avance de una impresión 3D comparando la geometría observada durante la fabricación con un modelo teórico de referencia.

El enfoque se basa en la adquisición de información tridimensional mediante un sensor Cámara de Profundidad (RGB-D), a partir del cual se capturan pares sincronizados de color y profundidad para reconstruir nubes de puntos de la escena. Con el fin de garantizar repetibilidad entre capturas, la nube observada se expresa en un marco de referencia estable asociado a la celda de impresión, permitiendo comparar sesiones aun cuando la cámara cambie de posición u orientación. Posteriormente, se aplica una etapa de preprocesamiento orientada a reducir ruido, eliminar puntos fuera de rango y delimitar la región de interés, de modo que la información relevante de la pieza quede preservada y sea comparable con el modelo.

Sobre estas nubes, se implementa un flujo de registro 3D para alinear la nube adquirida con la nube teórica, priorizando robustez frente a solapamientos parciales, oclusiones y correspondencias espurias, condiciones habituales en escenarios capa a capa. Finalmente, se definen métricas cuantitativas de progreso e integridad geométrica que permiten interpretar el estado de la impresión desde perspectivas complementarias, proporcionando un criterio reproducible para evaluar la evolución del proceso.

Los resultados muestran que la disponibilidad de geometría condiciona la estabilidad del registro y la fiabilidad de las métricas. Con pocas capas impresas, geometría parcial, el sistema es más sensible al ruido y a fallos de alineamiento, mientras que en niveles de impresión intermedios y altos la convergencia del registro se estabiliza y la estimación del progreso se vuelve consistente. En conjunto, el sistema desarrollado constituye una herramienta modular y extensible para el control de calidad geométrico en impresión 3D basada en nubes de puntos, sentando una base para futuras mejoras orientadas a seguimiento temporal, fusión multivista y criterios automáticos de aceptación/rechazo.

ABSTRACT

Additive manufacturing by fused deposition modeling (FDM) has become an accessible alternative for producing prototypes and functional parts. However, final quality may be affected by defects that arise during printing and are not always corrected by tuning process parameters. In this context, this research proposes a geometric validation system capable of estimating the progress state of a 3D print by comparing the geometry observed during fabrication with a theoretical reference model.

The approach relies on acquiring three-dimensional information using an RGB-D sensor, from which synchronized color and depth pairs are captured to reconstruct point clouds of the scene. To ensure repeatability across acquisitions, the observed cloud is expressed in a stable reference frame associated with the printing cell, enabling comparisons across sessions even when the camera changes position or orientation. A preprocessing stage is then applied to reduce noise, remove out-of-range points, and delimit the region of interest, so that the relevant part geometry is preserved and remains comparable to the model.

On these point clouds, a 3D registration workflow is implemented to align the acquired cloud with the theoretical one, prioritizing robustness under partial overlaps, occlusions, and spurious correspondences—conditions commonly encountered in layer-by-layer scenarios. Finally, quantitative metrics of progress and geometric integrity are defined to interpret the printing state from complementary perspectives, providing a reproducible criterion to assess process evolution.

The results show that the amount of available geometry strongly influences registration stability and metric reliability. With only a few layers printed and therefore partial geometry, the system is more sensitive to noise and alignment failures, whereas at intermediate and advanced printing stages the registration convergence stabilizes and progress estimation becomes consistent. Overall, the developed system constitutes a modular and extensible tool for point-cloud-based geometric quality control in 3D printing, laying the groundwork for future improvements oriented toward temporal tracking, multi-view fusion, and automatic accept/reject criteria.