Robot Calibration (Optical CMM)
校准机器人后，我们有两个选项可使用已校准机器人的绝对精度来生成程序：
● 过滤现有程序：修改程序中的所有机器人目标，以提高机器人的准确性。可以手动完成，也可以使用API。
● 使用RoboDK进行离线编程可生成准确的程序（已过滤生成的程序，包括使用API生成的程序）。
要手动过滤现有程序，请执行以下操作：将机器人程序文件拖放到RoboDK的主屏幕中（或选择“文件”➔打开），然后选择仅过滤。该程序将被过滤并保存在同一文件夹中。过滤器摘要将提及使用过滤算法是否存在任何问题。如果要在RoboDK中进行仿真，我们还可以选择导入程序。如果程序具有任何依赖项（工具框架或基本框架定义，子程序等），它们必须位于导入第一个程序的相同目录中。
一旦将程序导入RoboDK中，就可以以绝对精度或绝对精度重新生成程序。在RoboDK的主要精度设置（工具➔选件➔准确性），我们可以决定是否要始终使用精确的运动学来生成程序，是否要每次询问或是否要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/禁用“使用精确运动学”标签来更改当前的机器人运动学。如果处于活动状态，我们将看到一个绿色的点，如果未处于活动状态，我们将看到一个红色的点。
给定已校准的机器人，可以使用RoboDK过滤完整的程序，而使用 筛选程序 呼叫：
机器人。筛选程序（file_program）
库的“宏”部分中提供了一个名为FilterProgram的宏示例。以下代码是使用RoboDK API过滤程序的Python脚本示例。
从 机器人链接 进口 * ＃与RoboDK通信的API
从 罗布德克 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
CWD = 操作系统。路径。目录名（操作系统。路径。真实路径（__文件__））
＃启动RoboDK（如果未运行）并链接到API
RDK = Robolink（）
＃可选：提供以下参数以在后台运行
#RDK = 机器人链接（args ='/ NOSPLASH / NOSHOW / HIDDEN'）
＃获取已校准的测站（.rdk文件）或机械手文件（.robot）：
＃提示：校准后，右键单击机器人，然后选择“另存为.robot”
标定档案= CWD + '/KUKA-KR6.rdk'
＃获取程序文件：
file_program= CWD + '/Prog1.src'
＃加载RDK文件或机械手文件：
calib_item= RDK。添加文件（标定档案）
如果 不 calib_item。有效（）：
提高 例外（“加载时出错” + 标定档案）
＃检索机械手（如果只有一个机械手，则不会弹出窗口）：
机器人 = RDK。ItemUserPick（“选择要过滤的机器人”， ITEM_TYPE_ROBOT）
如果 不 机器人。有效（）：
提高 例外（“未选择机器人或不可用”）
＃激活精度
机器人。setAccuracyActive（1个）
＃过滤程序：这将自动保存程序副本
＃根据机器人品牌使用重命名的文件
状态， 摘要 = 机器人。筛选程序（file_program）
如果 状态 == 0：
打印（“程序过滤成功”）
打印（摘要）
calib_item。删除（）
RDK。关闭RoboDK（）
其他：
打印（“程序筛选失败！错误代码：％i” ％ 状态）
打印（摘要）
RDK。ShowRoboDK（）
以下代码是一个示例Python脚本，该脚本使用RoboDK API来过滤目标（姿势目标或联合目标）， FilterTarget命令：
pose_filt，关节= robot.FilterTarget（nominal_pose，estimated_joints）
如果第三方应用程序（不是RoboDK）使用姿势目标生成机器人程序，则此示例很有用。
注意：如果使用API自动生成程序，则不需要这样做。
从 机器人链接 进口 * ＃与RoboDK通信的API
从 罗布德克 进口 * ＃基本矩阵运算
定义 XYZWPR_2_Pose（y）：
返回 KUKA_2_Pose（y）＃将X，Y，Z，A，B，C转换为姿势
定义 姿势_2_XYZWPR（姿势）：
返回 姿势_2_KUKA（姿势）＃将姿势转换为X，Y，Z，A，B，C
＃启动RoboDK API并检索机械手：
RDK = 机器人链接（）
机器人 = RDK。项目（''， ITEM_TYPE_ROBOT）
如果 不 机器人。有效（）：
提高 例外（“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]）＃定义参考框架
＃更新机械手TCP和参考框架
机器人。setTool（pose_tcp）
机器人。setFrame（pose_ref）
＃对于SolveFK和SolveIK（正向/反向运动学）非常重要
机器人。setAccuracyActive（假） ＃精度可以为开或关
＃在关节空间中定义名义目标：
关节 = [0， 0， 90， 0， 90， 0]
＃计算关节目标的机器人标称位置：
pose_rob= 机器人。SolveFK（关节）＃机器人法兰与机器人底座
＃计算pose_target：相对于参考帧的TCP
pose_target= v（pose_ref）*pose_rob*pose_tcp
打印（“目标未过滤：”）
打印（姿势_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（“目标已过滤：”）
打印（real_joints。列出（））
打印（姿势_2_XYZWPR（pose_target_filt））