Initial scene information without an obstacle are collected from the structured scene in a depth information matrix A. Initial trajectory information are also provided by the CAM system and machine strategy e.g. straight line movement. This image matrix A is stored as reference information matrix where the tool-path is calculated. The actual cluttered scene information is updated to the algorithm and the new scene depth information in the presence of a static obstacle is stored as a new image matrix called B. Both Matrix A and B are pre-treated to remove the noise from image information which may provide a false collision information. Subtraction Matrix C is obtained by subtracting Matrix A from B, which provides the actual new objects present/changes to the scene with its corresponding depth values.
摘要：多轴，铣削和钻削数控机床的复杂性和复杂零件生产的高精度要求增加了制造过程中安全高效的刀具轨迹生成的重要性。在这些机器中，多工具在同一区域工作，或静态非编程机器元件（例如夹具），另一个工作部件可能会导致碰撞问题。在生产过程中提前知道碰撞风险是非常重要的，以避免意外停止生产和机器损坏。本研究主要研究静态2.5D铣削或钻削加工环境下的自动碰撞检测和避免安全非功能（快速）刀具路径生成，作为实现复杂动态多轴机床制造的第一步。基于三维视觉的飞行时间（ToF）传感器提供关于制造场景的深度信息，所述方法利用所提出的方法作出有效的决定，以自动检测和避免碰撞，以便在生产期间实现安全的刀具路径。所提出的概念为在数控制造环境中用于刀具路径规划的ToF相机的研究和应用开辟了新的领域。所得结果是针对静态环境下的遍历安全刀具路径，将来将与STEP-NC技术相结合，适应更为复杂和动态的实际加工场景。
关键词：安全的刀具路径生成,碰撞检测和避免,3D TOF相机,多轴机器
1. 导言
多轴机器以高速生产，自主性，灵活性和精确度而闻名，人力干预较少。 快速增长的机器复杂性[1]增加了生产工具与工作部件之间，不同生产工具之间或者移动机器部件或任何其他静态机器部件之间的刀具路径生成和碰撞的问题。 这些碰撞可能会对机器造成严重的损害，其精度以及意外的停产可能会增加制造成本[2]。
碰撞检测和避免已经成为多轴机器多年以来的问题[3]。 许多研究人员一直关注功能轨迹[4-8]，其中工件的直接接触已被调查。 尽管高速度和不可预测的风险，无功能轨迹[9-12]，但是在多轴加工环境下研究快速位移的工作量很少。 本文侧重于快速移动工具路径（非功能轨迹），其中碰撞风险和损害可能相对较高。 为了避免在加工过程中出现任何不希望的情况，需要对多轴环境中的碰撞检测和避免进行快速的决定。
现代的多轴机器能够检测到碰撞，但是它们将避免的决策过程留给操作人员。 当检测到碰撞时，快速反应系统或方法应该帮助这些机器对其回避作出有效的决定，以实现不间断的生产和更高的自主性。 在任何障碍物的情况下，如不正确地编程，例如不同的工具长度，异物，工件上留下的材料，错位的夹具或任何其它机器元件，刀库中错误的工具放置，需要系统来检测真实 环境，并决定一条安全的道路。
命名法
V-TRUST：基于视觉的刀具回退直到安全的刀具路径方法
Dist safe：安全余量
G：加速
V：速度
3D-MLI：三维调制光强度
ToF：走刀时间
碰撞检测和避免是许多工业应用中的重要问题。 许多研究人员一直在研究机器人碰撞检测和避免问题。 Lee [13]和Petiot [14]提出的基于弹性弦和势场的算法在机器人领域取得了很好的结果，而多轴机器中高速刀具路径的快速决策需要更多的准时和适应的方法。 广义模式方法[15]在搜索空间中搜索安全轨迹，这可能需要较长的时间才能在多轴机器中进行快速决策。 Edsger Dijkstra算法的A *方法扩展主要用于机器人[16]，它决定了从起始位置到目标位置的成本最优路径被认为是一种有效的方法，但是这种方法的缺点在于局部最小值， 机器的上下文可能不利于使用全空间搜索算法。 铣削和钻削数控机床英文文献和中文翻译(4):http://www.chuibin.com/fanyi/lunwen_206129.html