法奥机器人学习使用

法奥机器人学习使用

1 视频课程

2 学习工具

虚拟机环境

3 拖动锁定

限制拖动模式下机器人的各向自由度,为0则可以自由拖动。

在这里插入图片描述

4 工具坐标

对机器人末端安装的工具进行标定:拖动机器人以不同姿态多次前往同一个点;
6点法相对4点法还会标定姿态;

在这里插入图片描述

5 矩阵运动功能—码垛

在这里插入图片描述


在这里插入图片描述

6 单点螺旋线

提前标定螺旋线起点

在这里插入图片描述


轨迹绘制

在这里插入图片描述

7 版本号及软件升级

查看软件版本号

在这里插入图片描述


快速备份复制或应用机器人数据

在这里插入图片描述


软件升级

在这里插入图片描述

8 工件坐标系

原点-x轴-z轴

在这里插入图片描述


原点 - X轴 - XY正平面

在这里插入图片描述

9 变量系统

lua变量声明
m = 0
n = “test”

变量查询(在面板可看)
RegisterVar(“number”,“m”)
RegisterVar(“string”,“n”)

系统变量
系统变量掉电保持

在这里插入图片描述

10 socket通信

10.1 作为客户端通信

SocketOpen(ip,port,“socket_0”) // 通道号(“socket_0”、“socket_1”、“socket_2”、“socket_3”)
SocketSendString(“hello,this is fa tcp!”,“socket_0”,0) // 是否阻塞(0:阻塞;非0:非阻塞,最大等待时长)
SocketReadString(“socket_0”,0)
SocketClose(“socket_0”)
n,svar = SocketReadAsciiFloat(1,“socket_0”,0) //n=1,表示成功返回,svar返回的值,1读取的数据数量
ip ="192.168.58.2" port =8888 tcp =0while1doif tcp ==0 then tcp =SocketOpen(ip,port,"socket_0") elseif tcp ==1 then SocketSendString("hello,this is fa tcp!","socket_0",0) res =SocketReadString("socket_0",0)if #res==0 then SocketClose("socket_0")elseRegisterVar("string","res") end end WaitMs(1000) end 

10.2 作为服务端通信

SocketServerListen(port) //监听端口
clientID = SocketServerAccept() //接受连接
res = SocketServerSendString(“hello world”,clientID,0) //发送字符,通道号,阻塞否
SocketServerClose(clientID)
str = SocketServerReadString(clientID,0) //阻塞否
port =8888 clientID =0SocketServerListen(port)while1doif clientID ==0 then clientID =SocketServerAccept() elseif type(clientID)=="number" then if clientID>0 then RegisterVar("number","clientID") res =SocketServerSendString("hello world",clientID,0)if res ==0 then -- 返回值为0表示发送失败 SocketServerClose(clientID) clientID =0else--发送成功则接受返回值 str =SocketServerReadString(clientID,0)if #str==0 then -- 返回值长度0,读取失败,关闭通道 SocketServerClose(clientID)elseRegisterVar("string","str")--打印返回值 end end end end end 

11 外部控制

外部控制主程序

在这里插入图片描述


在这里插入图片描述


外部控制回原点

在这里插入图片描述

12 Modubus tcp主站、从站

无效及报错
链接

13 常用设置

碰撞等级:当运动过程的力大于设定值时执行停止等策略

在这里插入图片描述

软限位:

在这里插入图片描述


末端负载:

在这里插入图片描述


摩擦力补偿:拖动模式下的摩擦阻力补偿

在这里插入图片描述


在这里插入图片描述


机器人安装方式

在这里插入图片描述

14 圆弧运动

首先PTP到 起点;
圆弧运动指定中间点和终点;

while1doPTP(C1,100,-1,0)ARC(C2,0,0,0,0,0,0,0,C3,0,0,0,0,0,0,0,100,-1) end 

15 可配置输入 CI

启动:运行示教的程序
启动主程序:运行设置的主程序

在这里插入图片描述

16 焊机功能

1 配置焊机与机器人通信的IO口及功能

在这里插入图片描述

自动配置了IO功能

在这里插入图片描述


在这里插入图片描述


2 编写焊机示教程序

在这里插入图片描述


3 可以通过AO口输出焊机电流或电压

在这里插入图片描述

17 tpd轨迹复现

1、记录轨迹
2、代码轨迹复现

首先移动到轨迹起点,然后再复现轨迹

18 mode、pause、wait、call等指令

Mode(1):代码结尾机器人系统进入手动模式

在这里插入图片描述

19 状态查询

在这里插入图片描述

20 后台程序上电自动运行

在这里插入图片描述

21 获取机器人当前位置

xyz,rx,ry,rz

x,y,z,rx,ry,rz = GetActualToolFlangePose()

关节数据

j1,j2,j3,j4,j5,j6 = GetActualJointPosDegree()

Read more

无人机航测内业处理(iTwin Capture Modeler)

无人机航测内业处理(iTwin Capture Modeler)

iTwin Capture Modeler 内业处理 1、概述 本文以iTwin Capture Modeler(旧名称为Context Capture或Smart3D)软件为例介绍航测建模、土方算量、三维模型在线发布分享等内业处理。 本机所使用笔记本电脑主要配置: CPU:intel Core Ultra 9 275HX 显卡:NVIDIA GeForce RTX 5070 Ti Laptop GPU 12GB 内存:32GB 注意:内存大小决定是否可以成功建模,内存不足建模失败(不会提示失败原因),推荐16GB以上;硬盘剩余容量建议为建模图片大小的2~3倍,否则会因为容量不足建模失败。 2、内业数据处理 2.1新建工程 打开两个软件,第一个为引擎,建模必须打开,第二个为主程序,第三个为模型浏览查看程序 开始计算空三或者建模时,

毕设 深度学习yolo11空域安全无人机检测识别系统(源码+论文)

文章目录 * 0 前言 * 1 项目运行效果 * 2 课题背景 * 2.1 无人机技术快速发展带来的新机遇与挑战 * 2.2 空域安全管理面临的新形势 * 2.2.1 监管难度大 * 2.2.2 现有技术局限 * 2.3 计算机视觉技术的突破性进展 * 2.3.1 算法性能提升 * 2.3.2 硬件加速支持 * 2.4 项目研究的现实意义 * 2.4.1 安全价值 * 1.4.2 经济价值 * 2.4.3 技术价值 * 2.6 项目创新点

Local Moondream2精彩案例分享:Stable Diffusion用户提示词优化前后对比

Local Moondream2精彩案例分享:Stable Diffusion用户提示词优化前后对比 让你的电脑拥有"眼睛",一键生成专业级绘画提示词 1. 引言:当AI绘画遇到"描述困难症" 很多Stable Diffusion用户都遇到过这样的困境:脑子里有很棒的创意画面,但就是不知道该怎么用文字描述出来。要么描述得太简单,生成效果不尽人意;要么描述得太复杂,AI反而理解偏差。 这就是Local Moondream2的价值所在——它就像一个专业的"视觉翻译官",能够看懂你的图片,然后用AI绘画最理解的语言,生成精准详细的英文提示词。 本文将通过多个真实案例,展示Local Moondream2如何将普通用户的简单描述,优化成专业级的绘画提示词,让你亲眼见证提示词优化前后的惊人差异。 2. 什么是Local Moondream2? 2.1 你的本地视觉助手 Local Moondream2是一个基于Moondream2构建的超轻量级视觉对话Web界面。简单来说,它能让你的电脑拥有"眼睛"

AI Skills:从低代码工作流到“包管理”生态的范式跃迁

AI Skills:从低代码工作流到“包管理”生态的范式跃迁 作者: zs 日期: 2026年1月30日 摘要 我们正处于一个关键的时代转折点,AI 代理的能力正在经历一场深刻的范式变革。这场变革的核心,是将 AI 的能力从封闭、孤立的工具集,转化为一套开放、可互操作的 Skills(技能) 生态系统。本文将追溯 Skills 的演进脉络:从 Coze 和 Dify 等低代码平台中工作流的原始形态,到 Anthropic 推动 Model Context Protocol (MCP) 实现标准化,最终由 Vercel 推出 skills.sh 目录,构建起类似 npm 的分布式“包管理”分发机制。