工业机器人的性能指标测试主要看ISO9283，如果英文觉得读的麻烦，全文翻译看GB-T12642。基本上二者一一对应。
重复精度（RP）字面意思就是重复到达某一点的精度，包括位置和姿态，我们通常说的重复精度±0.0几毫米指的就是位置。
等等一些诸如此类的规定，但是也会有一些模糊的地方，标准只是告诉你怎么测这些指标，至于你负载多大，工作范围的选择，寿命对精度的影响等等是不做更多的限制的。
当获得30组数据之后，聪明的你一定会发现，只要把这30个点的坐标标出来然后画一个球把这些点包络住，然后取这个球的半径就是RP啦。像下面这个图一样。
实际标准里给出的方法是均值加三倍的标准差的方法，考虑到机器人到达点位的误差符合正态分布，所以RP的计算公式如下：
可以看出来 l 就是位置的平均偏差，S就是均方差，最终这个球的半径等于均值加三倍的标准差。这种处理方法虽然不是直接的把30个点位都包络进去，但是这种从统计学角度出发的做法，既方便计算，也符合机器人的应用情况。
如果明白了测试方式后，事情就简单了，只需要有精度足够的机器测量出机器人运动末端的位置和姿态就可以了。
激光跟踪仪可以选的品牌有：Leica, FARO,API,Nikon等等，激光跟踪仪可以追踪放在机器人末端的反光球，然后输出一系列的坐标值，有了这些坐标值就可以做很多的工作了，不仅仅是RP的测量，还可以做振动分析，加减速曲线，路径精度等等，好玩的东西很多。
激光跟踪仪价格100到200万不等，不过现在也有很多检测商提供激光跟踪仪的测试和数据分析服务，如果按次收费还是可以接受的。机器人行业用的最多的应该是Leica AT901之类，FARO之前也有朋友公司测过，数据看下来也没什么问题。
--搬运机器人, 最夸张的时候, 要低三个数量级, 0.01mm的磨床, 相比10mm的搬运定位精度.
除了标定精度, 机器人是一个开放性的结构, 而机床是封闭的, 所以更容易用一些开放的光学设备进行标定. 精度达到0.1mm, 0.01mm, 甚至更高.
5) 如果只是个别点的话, 打表普通工人用着更方便, 做一个高刚度的支架(这是打表这种方法可以用于机器人, 而不能用于机床的关键), 就是支架变形带来的误差, 小于机器人, 因为支架刚度高于机器人. 但是通常支架刚度小于机床刚度.
随着工厂智能化转型的深入，“无人工厂”、“黑灯工厂”不断涌现，工厂车间“少人化”、“无人化”，取而代之的是大量工业机器人的应用，在此背景下，如何确保工业机器人空间位置精度，保障其准确运行变得十分关键。
工业机器人空间位置精度误差主要分为运动学误差和动力学误差。运动学误差主要包含加工误差、机械公差/装配误差、零点误差、减速器回差、减速比误差、标定误差等；动力学误差主要包含质量/重心、惯性张量、摩擦力、关节柔性、连杆柔性等。
六轴工业机器人系统本质上是一种半闭环的控制结构，系统只能精确控制关节伺服电机位置，而电机位置与机器人末端执行器位姿之间关系通过运动学确定。理论运动学模型与实际模型之间不可避免存在误差，因此需要通过标定提高机器人的空间绝对位置精度。
中图仪器推出GTS激光跟踪仪+RobotMaster软件为工业机器人空间绝对位置精度测量标定和性能检测提供高效可行的解决方案。
标定时，通过机器人的连杆理论长度、各关节旋转方向、机器人零点状态、各关节理论减速比这四项参数建立机器人理论运动学模型，让机器人运行30-50个关节角坐标点位，激光跟踪仪记录机器人法兰盘末端坐标。RobotMaster软件通过不断迭代计算，修正机器人运动学模型直至达到最优状态，将最优运动学模型修正至机器人系统，机器人空间绝对位置精度即可得到一定的提升，标定后空间绝对位置精度相对标定前可提升3~15倍左右。
RobotMaster软件还可以按照《ISO 9283工业机器人性能规范及其实验方法》对机器人在位置、姿态、轨迹等方面进行性能检测，检测内容包括14大项：
助力先进制造，提升机器人运动精度，中图仪器GTS激光跟踪仪+RobotMaster套件为您提供新的选项！
随着科技的发展，机器视觉在智能制造业领域的作用越来越重要。机器视觉是工业生产中非常重要的一个环节，广泛地用于工况监测、成品检验和质量控制等领域。简单说来，机器视觉就是用机器代替人眼来做测量和判断。
机器视觉系统是指通过机器视觉产品（相机、镜头、光源），将被摄取目标转换成图像信号，传送给机器视觉软件对其进行图像处理，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号；机器视觉软件对这些信号进行各种运算来抽取目标的特征进行判别，进而把判别的信号通讯给现场的设备，设备根据通讯信号进行判别结果的执行。
（3）摄像机停止目前的扫描，重新开始新的一帧扫描；或者摄像机在起动脉冲来到之前处于等待状态，起动脉冲来到后起动一帧扫描；
（7）图像采集卡接收模拟视频信号并通过A/D将其数字化，或者直接接收摄像机数字化之后的数字视频；
为了在竞争愈发激烈的市场中占据优势，企业既要不断提高产品质量标准以满足客户需求，又要不断提升生产线的效率以适应市场的快节奏。采用自动化设备成了保证质量与效率的必须手段。
马克拉伯历经十数年积累而成的机器视觉软件SGVision具有外观检测、缺陷检测、有无检测、尺寸测量、颜色识别、正反检测、脏点污点检测、视觉引导定位、视觉定位抓取等等功能。目前已经在电子、汽车、医疗、物流、能源、印刷等多个行业成功落地应用。
随着2023年11月17日新闻联播正式公布智能网联汽车量化投入运营，同时期 《低速物流机器人管理暂行条例》出台，低速物流经济在法律层面上有了明确的定义。
京东、阿里作为城市低速物流的先行者，从2017年就开始探索无人车配送能力。2017年，实现第一单面向真实用户的无人配送配送至今为止已经完成超过170万单无人车配送。
京东也于2023年在北京发布了城市物流无人车，其多天候、高安全、全场景等特点助力京东无人机配送开拓更多场景。
本期小Y将针对城市低速物流无人车背后的设计挑战与应对与大家共同沟通。城市低速物流无人车经过6年的发展逐步的细分出来4个种类
这类车辆主要用于连接终端用户的短距离快递配送，如小区、园区等封闭或半封闭场景。它们具有高频分散、即时性强的特征 。
这类车辆是随着自动驾驶技术兴起的一种自主售卖终端，具有移动性，可以实现“随传随到”和更加人性化、高效便捷的零售服务。
这类车辆在园区、特定道路或其他封闭环境下，实现了L4级别自动驾驶功能，并进行了实际道路测试和验证。
经过6年左右发展，城市低速物流无人车经历从技术探索-行业探索-行业细分，进入了规模化量产的前夜 ，在规模化量产的前夜出现了巨大的挑战，就是真正面临商业化应用，规模化应用时出现的产品可靠性与易维护性问题。
城市低速物流无人车从公司发出投放其他城市 ，因为可靠性与易维护性低本地无法运维，需公司安排技术与研发同事搭乘飞机去到其他城市维护，造成维护成本剧增。客户也因为可靠性与易维护性低不敢大规模投入应用。
小Y 与同事一同经过6年的研发完善推出具有高可靠性与易维护性底盘平台FR 系列协助行业应用机器人公司一同跨越规模化前夜黑暗，快速开启行业应用落地。
邀请您与YUHESEN一同开启这份伟大的事业。未来，我们将携手跨越行业、产业的限制，倾力创造更加美好的世界 。
工业机器人属于高动态应用产品，其本身对功耗、性能和定位要求较高，提供精准的定位条件可以让工业机器人高效率顺利完成作业，而高精度定位产品也是市面上众多应用所追求的。为此，ublox公司面向市场需求推出了F9p高精度GNSS模块，它不仅能同时接收来自4个不同的GNSS星座信号，在集成多频RTK技术和F9 GNSS技术平台后，可在数秒内实现厘米级精度，为目标应用提供稳定、可靠的GNSS技术。另一方面，定位模块有内置传感器、芯片、RF前端等，能即插即用。使用F9p定位模块还能降低开发和设计成本，缩短产品上市时间。
除此之外，F9P模块还拥有适用于工业应用市场的优势：低成本、小尺寸和低功耗。F9P模块比同类解决方案体积更小、能效更高；在5G和物联网发展的趋势下， ublox F9P模块扩大应用于大众市场，为各个工业应用市场的产品不断赋能。
我平时就三个基恩士的传感器，对应xyz重复定位。测一百组数据，算一下，能接受就ok了。主要是针对scara，我们也在想更优的检测方式。
机器视觉作为一种基于2D或者3D相机传感器的工业自动化技术，在工业视觉领域具有广泛而成熟的应用。
相比传统机器视觉通过视觉工程师来设计算法模型，深度学习技术最大的不同在于，程序能够自主发现需要用什么特征，通过什么样的逻辑关系来完成图像分析任务，实现由程序来设计算法模型。
正是由于具备了处理这种随机性强、特征复杂的图像识别问题的能力，深度学习就具备了突破传统机器视觉技术的局限的可能性。
目前，深度学习软件已经成功在复杂机加工产品的外观缺陷检测等领域实现了产品化，检测效果大幅优于传统目检人员，实现了外观缺陷检测工作的自动化，用事实证明了深度学习技术可以满足工业检测需求。
矩视智能机器视觉低代码平台是一个面向机器视觉应用的云端协同开发平台，始终秉承0成本、0代码、0门槛、0硬件的产品理念。
平台以人工智能技术为核心，在机器视觉应用开发环节，为开发者提供图像采集、图像标注、算法开发、算法封装和应用集成的一站式完整工具链。覆盖字符识别、缺陷检测、尺寸测量、目标定位等上百项通用功能，致力于成为全球用户量最多，落地场景最广泛的机器视觉低代码平台。
