为了在不使用任何视觉反馈监视系统的情况下进行可能的碰撞检测的在线监督，开发了用于工业机器人的虚拟模拟器的故障检测和隔离（FDI）算法[17]。 真实系统和虚拟系统并行运行，而开发的算法实时运行。 该方法可以提醒操作员在发生危险和意外情况之前进行预测。 该系统能够检测工业机器人的碰撞，但其避免需要进一步的自主权去除人为干预。

基于视觉的路径规划是迄今为止工业路径规划中最有效的方法，因为它具有成本低，安装方便，在实际接触之前捕捉现实地图和碰撞检测等诸多优点。因此，视觉 基于机器的监控，监控和指导是各行业应用的重要方法之一。 使用视觉引导式主动防撞系统[18]的人机协作环境的重要研究之一是关注更好的灵活性和生产力。

在多轴机器中，存在许多碰撞检测方法，如C空间方法[19,20]和可见性数据方法[21,22]，但碰撞避免仍然是需要进一步考虑的领域。我们先前的基于视觉的方法[9-11]为多轴生产中的安全刀具轨迹生成提供了有希望的结果，但是高速刀具轨迹需要快速决策，避免从非功能轨迹的安全距离避免碰撞。需要智能快速决策方法来处理在使用视觉系统（2D / 3D）自动检测物体的加工环境中的离线和实时碰撞。以前提出的基于视觉的算法[10,11]可以智能地检测和避免碰撞，但是安装在场景中的2D摄像机可能不考虑场景中的深度信息和遮挡，这可能导致错误的碰撞检测。多台摄像机[9]可以在一定程度上解决这个问题，但是又会产生很好的结果，设备成本高，计算时间增加。

激光扫描仪也被广泛用于检测移动机器人的环境。例如，一个称为3D SLAM [23]的系统，用于对环境进行建模和碰撞检测和避免，是基于短程工作的投影技术。激光扫描仪通常需要多个线条或图案投影来获取场景数据，因此不适用于动态场景，特别是实时CNC制造和快速遍历轨迹。飞行时间相机被认为是3D环境中动态场景的最佳选择[24]。

图1.万能铣床（Deckel Maho DMU 50）。

为了观察如图1所示的万能铣床，安装了一种3D调制光强度（MLI）传感器相机，也称为飞行时间（ToF）相机[25]（IEE工业）.TF相机被称为 具有成本效益的3D感测系统，能够以高帧率提供来自场景的全深度信息，而不管照明条件如何，并且没有纹理依赖性。 ToF传感器是基于测量有源传感器发出的光（近红外）时间的原理，需要到达被观察的表面并接收其反射来计算深度[26]。

这个三维ToF传感器提供了有关场景的深度信息，该场景将被用来检测场景中的静态障碍物（初始应用）的碰撞，如图2所示。所示的障碍物是一个假想的聚合物立方体，它代表 制造场景中存在的未知和未编程的障碍物（机器元件/夹具等）。一旦检测到潜在的碰撞，下一节介绍的方法将为机器的安全刀具路径提供两种不同的选择。 根据一定的标准选择自动生成的两个可能的解决方案之间最好的轨迹之一，以避免在没有任何人为干预的情况下智能地避免刀具碰撞。