STL_Process：基于STL的机器人路径规划预处理器

软件X 15（2021）100725原始软件出版物STL_Process：A.基于STL的预处理器，用于制造和质量控制过程中的机器人路径规划Abanti Shama Afroza，Francesco Inglesea，Cesare Stefaninia，b，Mario Milazzoa，a生物机器人研究所，Scuola Cortocore Santb阿拉伯联合酋长国阿布扎比哈利法大学医疗保健工程创新中心（HEIC），邮政信箱127788ar t i cl e i nf o文章历史记录：2020年12月11日收到收到修订版，2021年5月24日接受，2021年保留字：计算机辅助制造轨迹规划特征提取a b st ra ct制造业中最常用的文件格式之一是. STL。我们开发了一个半自动化的基于C++的预处理器与命令行界面和基于OpenGL的可视化模块提取拓扑特征的简化三维体积。STL文件格式。预处理器在五个主要步骤中评估输入3D模型：（i）边缘识别，（ii）2D区域分组，（iii）区域表征，（iv）3D子体积提取和（v）虚拟横截面生成。它旨在通过为机器人操作员提供直观和用户友好的系统来帮助在线机器人编程，以规划加法和减法机械操作，以及改善非破坏性质量控制活动。版权所有©2021作者。由爱思唯尔公司出版这是CC BY-NC-ND下的开放获取文章许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。代码元数据当前代码版本v1此代码版本使用的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX-D-20-00094合法代码许可证MIT使用Git的代码版本控制系统软件代码语言采用C++编译要求，操作环境依赖性Windows 2010如果有开发人员文档/手册的链接，请https://github.com/AbantiS/STL_process/blob/master/README.md支持电子邮件afroz. gmail.com，abanti2007@gmail.com软件元数据当前软件版本v1此版本可执行文件的永久链接https://github.com/AbantiS/STL_process/tree/master合法软件许可证MIT计算平台/操作系统Windows 10。安装要求依赖关系需要用于C++的如果有用户手册的链接-如果正式出版，请在参考列表中引用该出版物尚未发表问题支持电子邮件afroz. gmail.com，abanti2007@gmail.com*通讯作者。电子邮件地址：mario. santannapisa.it（Mario Milazzo）.https://doi.org/10.1016/j.softx.2021.1007251. 介绍自动化和机器人技术的最新进展极大地提高了工业流程的效率和生产力。计算机辅助设计（CAD）和制造（CAM）在简化和优化方面2352-7110/©2021作者。由爱思唯尔公司出版。这是一篇开放获取的文章，使用CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softxAbanti Shama Afroz，Francesco Inglese，Cesare Stefanini etal.软件X 15（2021）1007252∑复杂产品的开发阶段。这些程序的输出是3D虚拟模型，用作制造机器或机器人组件的输入，用于实际制造和组装。许多解决方案已经被开发为商业CAD绘图包的扩展[1，2]，以及机器人处理软件程序的插件[3]。基于CAD文件依赖性的当前程序受到两个主要因素的限制：1）它们需要具有与结构特征的制造相关的所有信息的原始CAD文件。在实践中，这些文件通常是不可用的或部分在现场编辑，而不遵循原始CAD文件的参考[42)在机器人引导检查的情况下， 2D激光扫描仪[7-传统上，该任务通过直接比较体积拓扑来完成[9，12，13]，并且需要大量的计算能力和额外的工具，例如Geomagic [13]。或Atos [11]。作为复杂CAD文件的替代方案，研究人员还开发了简化的文件格式。最流行的是.STL，来自单词这种格式相对于传统CAD文件的不同之处在于缺少详细的拓扑信息（例如，边缘，表面）的设计方法来创建特征（例如，孔、突起），并且3D结构由连接的三角形的集合表示。大多数已发表的作品，显示了提取的拓扑特征，STL模型，已经用商业平台（例如，MATLAB）[16然而，它们依赖于应用程序，并且不提供从.STL模型中提取拓扑特征的任何通用解决方案[19基于这个前提下，我们的工作描述了一个开源的C++为基础的预处理器的特征提取的3D结构从STL文件，以支持机器人路径规划的刀具路径生成和产品质量检测。2. 问题和背景在.STL文件中，3D体积显示为三角形（Ti）的集合，通过其顶点（vij）和边（Lij）互连每个拓扑特征在数学上由矩阵表示如下：vij=[xjyjzj]Ti=[vi1vi2vi3]Lij=[vi1vi2]（1）其中x j，y j，z j是三角形顶点的坐标[19，24]（图10）。① 的人。这种高度简化的.STL格式已被用于加法[19，25]和减法[26]技术以及逆向工程过程[27，28]。从虚拟几何体中提取特征，简化为.STL格式，是大量研究的目标[16，19，22，23]。 一个有效的程序允许，事实上，精确生成内部和外部特征的刀具路径[21，29考虑到增材制造的具体情况，该方法有助于通过沿着所谓的构建方向[20]切片体积来限定构建实际结构[21，32]所需的支撑材料的量。其他应用包括制造和装配过程的自动化（例如，耦合部件[33，34]或焊接结构[35系统[38地理位置[45]和地理上分散的小规模单位，这一概念在目前的大流行形势下非常有希望[46]。然而，不存在可以检测不限于直接增材制造的过程的体积特征的通用自动解决方案。在计算存储器消耗方面，还存在改进非破坏性过程质量控制程序的空间。这可以通过使用从.STL模型中提取的数据来实现，并插入以匹配激光轮廓仪的横截面进行比较。这里描述的软件旨在通过基于C++的应用程序克服最先进系统的局限性，该应用程序能够从.STL文件可用的组件中半自动地我们的平台是由一个命令行界面和一个基于OpenGL的可视化模块驱动的，以呈现一个估计的机动的结果，为以后在制造链中的就业 为了验证该方法，使用了三个模型作为案例研究，其中特征仅沿厚度传播（图1）。2）的情况。模型1是一个有六个随机定位的不同盲孔的块。模型2具有两个类似的半开放式凹槽，而模型3由具有七个开放式均质弯曲凹槽的圆形板选择这些型号是因为在制造业中，类似的设计用于焊接、胶合或插入等应用。这些形式中最常见的用于生成这些样本块。我们使用Solidworks 2016（Dassault Systèmes，Johnston，RI，USA）设计了每个模型，使用沿z轴的切割/挤出设计功能，因为它发生在减材和增材制造过程中[20]，并最终将它们导出为.STL格式。3. 软件框架所开发的方法包括在处理一个输入卷的特征沿特定方向传播，在.STL格式，并推断其机械功能，以重建起源于CAD文件的拓扑操作，为以后的就业作为刀具路径的加法或减法操作。3D体积（VM）由浸没在周围区域或边界表面（VS）中的多个体积特征（VF_i）组成，使得VM=VS+VF_i（ 2）我使用附录图A.1中报告的两个3D假设体积样本之一来说明软件程序方法。图A.1中的第一个体积有一个圆柱形挤出和一个路径对称的侵入，第二个体积有两个圆柱形体积侵入。该算法一次只处理一个体积特征。 该算法首先计算总的机械特征，然后识别平行于特征传播的特征平面（特征平面），在特征平面中 这是接着是由与几何特征轮廓相关的三角形边（Li）的集合给出的特征边缘的评估。一个子算法作用于Li的群，在一个新的矩阵中定义Li的序列 其形成平面特征101。然后将等高线编目并关联到相关的在使用新的剖面线之前，中国+1以及质量控制检查[9，17，42此外，从.STL文件自动估计刀具路径在以不同的方式执行的制造过程在重复这个过程之前。沿传播方向的特征包络给出了拓扑特征和刀具路径的描述，以供以后使用。Abanti Shama Afroz，Francesco Inglese，Cesare Stefanini etal.软件X 15（2021）1007253Fig. 1. 从CAD模型（A）到.STL模型（B）。面板C报告组成.STL模型的通用三角形（Ti）的数学特征（顶点-vij和边Lij）。图二. 三个模型作为案例研究。模型1是一个块体，其盲孔在体积中随机定位。模型2是一个带有两个偏置凹槽的块。模型3呈现了沿圆周分布的七个开口凹槽图三. 第 一个.STL预处理器的示意图，其中黑色角箭头表示来自模块的数据流，黑色样条箭头表示来自用户的输入，黑色虚线箭头表示可用的输出。黑色框表示主要模块，而虚线框表示2D和3D分析阶段。3.1. 软件构架基于C++的预处理器的软件程序的示意图如图所示。3 .第三章。预处理器模块的相互关系及其用户输入要求在此示意图中进行了总结，并在以下章节中进行了描述。3.2. 软件功能代码功能分为五个主要模块：（i）特征边缘识别，（ii）轮廓生成和区域分组，（iii）3D区域表征，（iv）3D子体积提取和（v）虚拟横截面生成。这些模块的操作可以分为两个阶段：2D和3D分析阶段。详细功能将在下一节中介绍。Abanti Shama Afroz，Francesco Inglese，Cesare Stefanini etal.软件X 15（2021）1007254∑ΣΣ i =SliceM（5）i3.2.1. 特征面识别我们首先沿着构建方向用有限数量的等距平面（Pi）对VM进行切片[47]。我们将通过布尔运算实现的几何体定义为工作平面V M Pi=VMPi（3）包含以下拓扑特征集（TF）：ver-tices -vi，triangles -Ti，lines -Li.请注意，对于简单/小型模型，vi可以是空的。要素平面，即，该过程开始于从其父RegSub生成中间3D模型。该模型最初考虑与父RegSub的顶点直接连接的所有顶点，因此中间模型包括在所选子区域中具有共同顶点的所有三角形。2D子区域被认为是第一切片，切片M1。对于每次迭代，算法查看是否存在另一个凹槽，如沿着体积的构建方向或在同一平面中的目标子区域的边界。伪代码如下具有显著大尺寸的V型线的飞机 相对其他的飞机。图BA.2（附录）描述了对Rxi和Rxii的评估（与几何特征相交的四个红色平面是特征平面Rxii，而蓝色Rxii平面是特征平面Rxii）。同一图的面板C描绘了根据本发明的实施例的图1中所示的装置的2D平面视图最顶部的特征平面，其中vi分量标记为红色。3.2.2. 轮廓识别我们使用在[21]中开发的自动程序来检测每一个子帧的TF。我们定义为特征边（Li）属于三角形的只有两个顶点的线段，因此，形成边界边界特征。从这些，那些使两个顶点都位于外周边上，n1：从父2D区域边界获取输入，RegSub2：输入2D子区域被认为是第一切片，切片M13：考虑与父RegSub的顶点直接连接的所有顶点。4：仅保留沿着负构建方向并且落在扩张阴影区域下的点，5：应用轮廓提取算法，检查在下平面或同一平面中是否存在另一个连接的边界5：迭代步骤2图A.5详细示出了该子算法步骤，其中子体积（VF_2）已经被提取并且包含两个主切片其余为内Li。图BA.3（附录）报告，作为一个例子，在绿色和蓝色的颜色，任何（切片M1切片M2）。内部和外部Li，分别。该步骤之后是提取内部轮廓（Ci），即内部轮廓通过共同的共享顶点彼此连接。请注意，根据所选的等高线类型，等高线将被合并以绑定单个区域（开放槽类型）或用于定义单个3.2.5. 3D精细片段模板生成当相应子区域的工具路径和子体积可用时，可以生成虚拟模板以用于与诸如激光扫描仪的无损检测系统集成。区域（半开放和封闭槽型）。 因此，子区域是由Eq. （四）、RegSub=Ci3.2.3. 二维刀具轨迹生成（四）路径对称区域截面生成的伪代码1：从主切片和2D刀具路径获取输入2：对于中心对称刀具路径（路径T）的每个点（i），为激光投影3：对于每条投影线，从切片内插外部边界一旦识别出平面特征并通过Ci和RegSub进行数学描述，则该过程的下一步包括在定义通用的2D工具路径，以创建机器人工具的亚体积特征。在开放/半开放/封闭的凹槽/突起的情况下，2D工具路径可以通过轮廓之间的构造对称线或通过边界导出线有效地限定（图1的面板A）。A.4）。这里，专用算法定位界定凹槽/突起区域和段通过Ci的线段，计算法线的中心点连接对应的顶点。因此，这些中心点的包络被简化为中心线，并被存储以供以后用作刀具路径（路径T）。对于第二种情况，即，在盲孔/通孔的特定情况下，路径只是沿着建筑方向的直线（图B）。 A.4）。3.2.4. 子体积边界提取每个分离的2D边界RegSub与其自己的子体积RegSub相邻。从拓扑的角度来看，任何子体积都由多个层组成，至少包含一个上层和一个下层，并且这些层被定义为作为子体积的切片。子体积（VF_n）的切片是在平面（Pm）与子体积相交处生成的2D几何结构。如果其边界点最初存在于.STL文件中，则将其定义为主切片（SliceM），或者如果边界点在子体积内插值，则将其定义为子切片（SliceS子体积的主切片和子切片如图B所示。A.5.因此，子体积也可以表示为等式（1）形式的一组主切片。（五）、副名词我沿着激光投影线并计算Secti。图 A.6描绘了子区域边界，其路径描述符分别用红色和蓝色示出，并且用户定义了在表面体积（VS）上的投影线位置，以绿色虚线标记（图A）。在图B中可以看到确定的侵入子体积，并且在图C中可以看到用黑色和虚线图案的各种组合标记的虚拟这样的模板可以很容易地与配置文件扫描获得与其他硬件资源，如非破坏性测试扫描仪。4. 执行情况和结果我们已经实现了一种实用的方法来识别子体积特征的三维组件从一个STL文件开始，而不依赖于原始的CAD草图。我们的程序可以作为一个直观的和用户友好的系统，为操作员处理机械部件与添加或减去制造程序。我们使用三个不同的案例研究来验证我们的方法，确定不同的拓扑条件下，即封闭，半开放，开放的体积功能的系统的性能。预处理器是用C++语言编写的，并使用Microsoft CommunityVisual Studio Environment 2015实现，包含一个基于文本的界面。用户可以通过专门为此目的开发的直观的基于OpenGL的界面来可视化最终结果。该软件允许同时分析3D视图、沿建筑方向的2D俯视图以及所选感兴趣区域的缩放视图。图4报告了在本研究框架内开发的图形用户界面它Abanti Shama Afroz，Francesco Inglese，Cesare Stefanini etal.软件X 15（2021）1007255见图4。图形用户界面学习.STL虚拟模式.左侧窗口显示模型的3D视图，而右侧窗口显示沿建筑方向的2D俯视图和所选感兴趣区域的缩放视图。彩色线是指系统识别的拓扑特征。(For对本图图例中所指颜色的解释，读者可参考本文的网络版图五. 三个案例分析。面板A、B和C显示了区块1、2和3的俯视图，其中绿色线标记描绘了特征线，栗色用于突出显示选定区域的边界。面板D、E和F分别用灰色线和紫色标记示出块1、2和3的所选区域，洋红色线指示路径描述符线（面板E、F）或用户定义的扫描姿态（面板D）。面板G、H、I显示了案例研究的3D视图：深蓝色标记表示第一个特征平面上的顶点，红色表示主要切片，用黑色实线标记模板的一个投影。(For对本图图例中所指颜色的解释，读者可参考本文的网络版这里需要注意的是，在3D视图面板中，建筑方向（+z）视图相对于x轴或y轴视图被放大，以强调沿建筑方向的拓扑变化。三个测试几何形状与多个子体积已被用来评估开发的预处理器。比较结果报告见图。 五、对于该实施方式，观察到特征顶点识别、投影线计算和虚拟模板计算在毫秒量级的减少的时间量内实现。相比之下，特征-边缘连通性检测和子切片计算需要更多的时间。这与算法在上述步骤中评估所有考虑的三角形和连通性数据然而，尽管这些步骤需要大约几秒钟的处理时间，但该过程确保了比纯在线机器人路径规划方法更高的效率。附录的表A.1总结了每个步骤所需的计算时间。此外，我们分析了主内存分配，而运行的软件。我们观察到，可视化之前的数据处理最多需要3 MB。而OpenGL可视化模块会导致大约17 MB的跳转。这些结果表明，开发的系统可以实现在嵌入式可视化系统以及。数值结果总结见附录表A.2。对于模型的每个完整分析，用户必须提供多个输入选择值。鉴于此，我们选择了三个Abanti Shama Afroz，Francesco Inglese，Cesare Stefanini etal.软件X 15（2021）1007256图A.1. 从.STL模型到平面特征识别。图A：样品体积（VM）由表面体积（VS）内的圆柱形挤出（VF_1）和路径对称侵入（VF_1）图B：具有在表面体积（VS）内合并的两个子体积特征（VF_1和VF_2）的样本体积（VM）图A.2. 从.STL模型到平面特征识别。图A：由两个子体积特征（VF_i和VS）组成的块（VM为清晰起见，.STL模型显示为CAD模型。图B：体积切片和具有平面几何特征的双折射平面的识别。面板C：特征顶点的可视化（vi）在最顶部的特征平面上以红色显示。（关于此图例中颜色的参考解释，请读者参考本文的网络版本图A.3. 面 板 A：红色的特征平面的顶点分量（v i）的可视化。面板B：识别由规则边缘（灰色）、内部特征边缘（绿色）、外部特征边缘（蓝色）和平面特征（绿色）组成的侧面（Li面板C：从起点vin（红色）开始的轮廓识别-由用户选择）渐进轮廓C i在黑色的屏幕上识别。（为了解释该附图图例中对颜色的引用，读者可以参考这篇文章的网络版本图A.4. 从基于几何和基于边界的样本生成刀具路径。图A 具有来自左侧平面的圆柱形挤出和来自顶平面的基于路径的侵入的3D体积样本，顶平面是单个化的子区域，因此标记为红色。路径的曲线描述是用蓝色虚线表示。图B为从顶平面有两个圆柱形侵入的三维体积。在此，右侧圆柱体体积是用于分析的目标子体积。由于子区域有一个圆柱形的边界，用红色标记，它被认为是父路径描述符。这样的路径描述符可以可以与附加算法一起使用，以生成用于减法运算的刀具位置源数据[1]，或者估计用于加法运算的挤出路径[3]。（关于此图例中颜色的参考解释，请读者参考本文的网络版本对三个案例研究中的每一个都进行了不同的假设，并将九个假设中的每一个重复了十次。请注意，作为惯例，我们将一组特定的输入定义为场景，Abanti Shama Afroz，Francesco Inglese，Cesare Stefanini etal.软件X 15（2021）1007257图A.5. 子卷的提取。图A感兴趣的子区域具有用红色标记的顶点，并形成第一个主切片。对于下一个主切片提取，最初考虑与红色顶点连接的所有顶点，但是，只有落在阴影区域内的顶点（用蓝色圆圈显示）被选为子体积组件并形成下一个主切片。图B为红色的两个主要切片的侧视图（包含面板A中的红色和黄色顶点）。通过对这两个主切片进行插值，生成蓝色子切片。(For对本图图例中所指颜色的解释，读者可参考本文的网络版图A.6. 从3D模型生成2D模板：面板A：单个子区域边界标记为红色。路径描述符可以在蓝色虚线中看到并且仿真的可用扫描仪投影线用黄色虚线描绘，而投影线用绿色虚线标记。图B：具有红色边界线、蓝色路径描述符和灰色互连边界的单个侵入子体积，面板C：沿投影线的多个黑色阴影的假设2D模板。（关于此图例中颜色的参考解释，请读者参考本文的网络版本表A.1计算时间总结。0.83±0.05 1.4±0.48 3.63±1.46 10.46±6.47 49.02±14.180.83± 0.05 1.14± 0.1 2.46± 0.02 10.85± 2.29 44.88± 21.45模型在子区域检测和子体积检测的准确性方面，我们在案例研究中获得了1002和3相比之下，我们发现与情况1相关的区域和子体积提取的值降低。该特征可以通过更新第二模块的功能来改进，即，区域轮廓和边界生成模块。至于2D模板生成，我们在案例2和案例3中实现了80%和92%的准确度值然而，对于闭环（情况1），值减少到50%。这是由于预测的扫描投影线应该是物理上可用的，并且应该在子体积上方，使得任何结构变化落在其投影平面下方。5.结论我们提出了一个半自动化的过程和一个视觉界面，以识别.STL虚拟模型上的体积特征和相关的虚拟操作（即，挤出、切割）用于它们的最终制造或质量检查。本软件为使用减材或非传统增材工艺以及胶合或焊接等连接工艺的制造业而事实上，与使用机器人编程的专家交谈因此，具有机器人工具路径的通用估计，如我们的软件所做的那样，将提高制造业的效 率 鉴 于 此 ， 我 们 的 软 件 克 服 了 最 先 进 方 法 的 几 个 限 制SolidWorks [34，45]或MATLAB [16，17，21]）。因此，我们要重建的布尔运算，导致最终的拓扑结构，而不使用的输入，把复杂的CAD文件和处理器具有高计算能力。此外，我们的程序显示出高度的灵活性，不仅能够识别和参考封闭的凹特征，如[21]中所报道的，而且还能够识别和参考更复杂的拓扑结构，如半开放或完全开放的凹槽。最后，我们能够弥合正在进行的过程中仍然存在的差距，例如壳体3案例研究特征平面顶点检测的平均时间（ms）特征边缘检测的平均时间（s）扩展投影线计算的平均时间（ms）子体积计算的平均时间（s）模板生成的平均时间（ms）情况1壳体24.44 0.08±0.082.18±0.83.35±0.998.88±7.1787.54± 36.18Abanti Shama Afroz，Francesco Inglese，Cesare Stefanini etal.软件X 15（2021）1007258表A.2主堆内存使用的摘要案例研究特征平面顶点检测（MB）特征边缘检测（MB）扩展投影线计算（MB）子体积计算（MB）OpenGL可视化（MB）情况10.6720.1790.1930.0717.48壳体20.0510.080.0480.01517.065壳体30.5980.0050.0050.00517.452几何签名[48]，其中，直到完成产品制造过程[9，11，13]之后，才可与参考数据进行在线比较。软件的未来版本将提供边缘提取模块的改进，以识别更广泛的特征边缘，而不限于具有高曲率的特征边缘，并与图形用户界面（GUI）扩展集成（即，Qt）增强实时交互功能，并为3D扫描应用程序开发类似插件的功能。竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作致谢这项工作之所以成为可能，要归功于Scuola Sant'Anna，BioRobotics Institute和Baker Hughes，GE公司（BHGE）之间富有成效的合作作者也要感谢先生。Marco Miraglia先生及感谢Godfried Jansen Van Vuuren对这项研究的支持附录见图A.1见表A.1引用[1] Neto P，Mendes N. Robot Auton Syst2013;61：896-910.[2] Baizid K，J.S. Uković S，Iqbal J，Yousnadj A，Chellali R，Meddahi A，Devedžić G，Ghionea I.机器人计算集成制造2016;42：121-34.[3] [10]李文辉，李文辉，李文辉. Meas J Int MeasConfed2018;122：284-90.[4] 杨文，王伟. IEEE TransPattern Anal Mach Intell1998;20：83-9.[5] 汤普森WB，欧文JC，杰曼HJDe街，斯塔克SR，亨德森TC。IEEETransRobotAutom1999;15：57-66.[6]美国库尼亚 传感器2009;9：1967[7] Zhao H，Kruth JP，Van Gestel N，Boeckmans B，Bleys P. Meas J IntMeasConfed2012;45：1057-66.[8] 陈伟，熊伟，程军，顾勇，李勇。2018 IEEE/ACIS第17届国际会议Comput.INF. sci.. 2018年，第246比51[9] 潘NDM，Quinsat Y，Lavernhe S，Lartigue C. Int J Adv Manuf Technol2018;1-15.[10]Deneke C，Schlosser C，Mehler S，Schüppstuhl T.第七届国际研讨会无损检测航空航天2015年，p. 1-8号。[11][10]杨文辉，李文辉. Teh Vjesn2017;24：345-8.[12][10]杨文，李文. Adv Mech Eng 2013;2013.[13]吴强，陆军，邹伟，徐东. 2015 IEEE int. conf. mechatronics autom.ICMA2015。2015年，p. 2284-9[14]Milazzo M，Contessi Negrini N，Scialla S，Marelli B，Farè S，Danti S，Buehler MJ. Adv Funct Mater2019;29：1903055.[15]Morouço P，Azimi B，Milazzo M，Mokhtari F，Fernandes C，Reis D，DantiS.应用科学2020;10：9143.[16]丁D，沈C，潘Z，崔尤里D，李H，拉金N，范杜因S。CAD ComputAidedDes2016;73：66-75.[17]Mineo C，Pierce SG，Nicholson PI，Cooper I.机器人计算集成制造2016;37：1-12.[18]Milazzo M，Spezzaneve A，Mr.C. M，Peselli V，Messina A，Gambineri F，Aringhieri G，Roccella S. Int J Adv Manuf Technol2020;109：385-95.[19]布朗AC，德比尔D。IEEE AFRICON Conf..2013年。[20]丁D，潘Z，崔乌里D，李H，Larkin N. J Clean Prod 2016;133：942-52.[21]Ding D，Pan Z，Cuiuri D，Li H，Larkin N，Van Duin S.机器人计算集成制造2016;37：139-50.[22]ThuaultA，Deveaux E，Béhin P，Cam CAD.牙科材料2017;33：477[23]Zheng H，Cong M，Dong H，Liu Y，Liu D. Int J Adv Manuf Technol2017;92：3605-14.[24][10]李文，李文. IOPconf. 序列地球环境科学，卷69岁2017年，012115。[25]Jin Y，He Y，Fu G，Zhang A，Du J. Robot Comput Integr Manif2017;48：132-44.[26]Manogharan GP，Wysk R，Harrysson OLA. Int J Comput IntegrManif2016;29：473-88.[27]Toth T，Rajtukova V，Zivcak J. CINTI 2013-14th IEEE int. symp. Comput. intell.信息学，Proc. IEEE. 2013年，第79比82[28]王文，辛他那育辛。ICEIE 2010-2010 int. conf. electron. inf. Eng. Proc. 1.一、2010年，p.V1-277-V1-280[29]Rebaioli L，Magnoni P，Fassi I，Pedrocchi N，Molinari Tosatti L. 机器人计算集成制造2019;55：55-64.[30]作者：Jiangsu F，Jiangsu K，Jiangsu N. 2016 IEEE int. symp.机器人intell.传感器. 2016，p. 86比91[31]徐军，侯伟，孙英，李延生。机器人计算集成制造2018;49：1[32]李伟杰，李伟杰，李伟杰.Procedia CIRP 2018;67：221[33]MahrA，Mayr A，Jung T，Franke J. Procedia Manuf 2019;38：866[34]Hasan B，Wikander J. Adv.电子工业系统DoCEIS 2017。Cham：Springer;2017，p. 144比53[35]陈伟，杜军，熊伟，王勇，贾S，刘斌，程军，顾勇。IEEE TransAutom SciEng2018;15：251-63.[36]Chang D，Son D，Lee J，Lee D，Kim TW，Lee KY，Kim J. Robot ComputIntegrManuf2012;28：1-13.[37]Chen X，Dharmawan AG，Foong S，Soh GS.机器人计算集成制造2018;50：242-55。[38]YiY，Yan Y，Liu X，Ni Z，Feng J，Liu J.2020年制造系统杂志[39]刘明，方世，董华，徐春。2020年制造系统杂志[40]放大图片作者：CaiY，Wang Y.制造系统杂志2020;56：598[41]AndulkarMV，Chiddarwar SS，Margaret AS.制造系统杂志2015;37：201[42]Kah P，Shrestha M，Hiltunen E，Martikainen J. Int J Mech MaterEng2015;10：13.[43]杨文龙，杨文龙，杨文龙.Mechatronics 2018;51：59[44]刘毅，赵伟，孙荣，岳晓.制造系统杂志2020;56：84[45]Swain AK，Sen D，Gurumoorthy B.机器人计算集成制造2014;30：527-45。[46][10]张文辉，张文辉. 2020年制造系统杂志。[47]蔡锡，郭国泰。快速原型J 2002;8：161[48]李志，刘X，温S，何平，钟K，魏Q，施Y，刘S。 传感器（瑞士）2018;18.