机器人校正(光学三坐标测量机)
一旦机器人被校准，我们有两个选择来生成程序使用校准机器人的绝对精度:
●过滤现有程序:修改程序内的所有机器人目标，以提高机器人的精度。可以手动完成，也可以使用API完成。
●使用RoboDK for Ofraybet雷竞app下载fline Programming生成准确的程序(生成的程序已经过滤，包括使用API生成的程序)。
手动过滤现有程序:拖放机器人程序文件到RoboDK的主屏幕(或选择文件➔开放)及选择只过滤器．程序将被过滤并保存在同一文件夹中。过滤器摘要将提到使用过滤算法时是否存在任何问题。如果我们想在RoboDK中模拟它，我们也可以选择导入一个程序。如果程序有任何依赖关系(工具框架或基本框架定义，子程序，…)，它们必须位于导入第一个程序的同一目录中。
一旦我们在RoboDK中导入程序，我们就可以完全准确地重新生成它。在RoboDK的主要精度设置中(工具➔选项➔精度)我们可以决定是总是使用精确的运动学生成程序，还是每次都问，还是使用当前的机器人运动学。可以通过右键单击机器人并激活/取消激活“使用精确运动学”标签来更改当前机器人的运动学。如果它是活跃的，我们会看到一个绿点，如果它不是活跃的，我们会看到一个红点。
可以使用RoboDK对给定的校准机器人和使用的机器人程序进行筛选FilterProgram电话:
机器人．FilterProgram（file_program）
一个名为FilterProgram的宏示例可以在库的Macros部分中找到。下面的代码是一个示例Python脚本，使用RoboDK API过滤程序。
从robolink进口＊# API与RoboDK通信
从robodk进口＊基本矩阵运算
进口操作系统#路径操作
#获取当前工作目录
慢性消耗病＝操作系统．路径．目录名（操作系统．路径．realpath（__file__）)
#如果RoboDK没有运行，启动它并链接到API
RDK = Robolink()
# optional:提供以下参数在幕后运行
# RDK＝Robolink（args='/NOSPLASH /NOSHOW /HIDDEN')
#获取校准站(。理查德·道金斯k file) or robot file (.robot):
#提示:校准后，右键单击一个机器人，选择“保存为。robot”
calibration_file＝慢性消耗病+' / KUKA-KR6.rdk '
#获取程序文件:
file_program＝慢性消耗病+' / Prog1.src '
#加载RDK文件或robot文件:
calib_item＝RDK．AddFile（calibration_file）
如果不calib_item．有效的()：
提高异常（“加载时出了问题”+calibration_file）
#检索机器人(如果只有一个机器人则没有弹出窗口):
机器人＝RDK．ItemUserPick（“选择一个机器人来过滤”，ITEM_TYPE_ROBOT）
如果不机器人．有效的()：
提高异常（“机器人未被选择或不可用”）
#激活精度
机器人．setAccuracyActive（1）
#过滤程序:这将自动保存程序副本
#根据机器人品牌重新命名文件
状态，总结＝机器人．FilterProgram（file_program）
如果状态= =0：
打印（"程序过滤成功"）
打印（总结）
calib_item．删除（）
RDK．CloseRoboDK（）
其他的：
打印（“程序过滤失败!”错误码:%i"％状态）
打印（总结）
RDK．ShowRoboDK（）
下面的代码是一个示例Python脚本，使用RoboDK API过滤目标(姿态目标或联合目标)，使用FilterTarget命令:
Pose_filt关节=机器人。FilterTarget（nominal_pose, estimated_joints)
如果是3，这个例子很有用理查德·道金斯party application(除RoboDK外)使用姿态目标生成机器人程序。
从robolink进口＊# API与RoboDK通信
从robodk进口＊基本矩阵运算
defXYZWPR_2_Pose（xyzwpr)：
返回KUKA_2_Pose（xyzwpr）#转换X,Y,Z,A,B,C为一个姿势
defPose_2_XYZWPR（构成)：
返回Pose_2_KUKA（构成）#转换一个姿态为X,Y,Z, a,B,C
#启动RoboDK API并检索机器人:
RDK＝Robolink（）
机器人＝RDK．项（”，ITEM_TYPE_ROBOT）
如果不机器人．有效的()：
提高异常（“机器人不可用”）
pose_tcp＝XYZWPR_2_Pose([0，0，200，0，0，0]）#定义TCP
pose_ref＝XYZWPR_2_Pose([400，0，0，0，0，0]）#定义Ref Frame
#更新机器人TCP和参考帧
机器人．setTool（pose_tcp）
机器人．setFrame（pose_ref）
#对于SolveFK和SolveIK(正/逆运动学)非常重要
机器人．setAccuracyActive（假）#精度可开或关
在关节空间中定义一个标称目标:
关节＝［0，0，90，0，90，0］
计算关节目标的名义机器人位置:
pose_rob＝机器人．SolveFK（关节）#机器人法兰WRT机器人底座
#计算pose_target:相对于参考系的TCP
pose_target＝invH（pose_ref）*pose_rob＊pose_tcp
打印（“目标未过滤:”）
打印（Pose_2_XYZWPR（pose_target）)
joints_approx＝关节# joints_approx必须在20度以内
pose_target_filt，real_joints＝机器人．FilterTarget（pose_target，关节）
打印（的目标过滤:）
打印（real_joints．tolist（))
打印（Pose_2_XYZWPR（pose_target_filt）)