建立工件坐标系也有两个好处：

1． 方便我们在机器人现行运行时，按照我们自己建的坐标系的方向做线性运动，而不拘泥于系统提供的基座坐标系和世界坐标系这几种固定的坐标系。

2．当工作台面与机器人之间的位置发生相对移动时，只需要更新工件坐标系，即可不需要重新示教机器人轨迹，从而很方便的实现轨迹的纠正。

建立自己的工具坐标系有两个好处：

1.方便我们在做机器人重定位旋转时，可以很方便的让机器人绕着我们定义的点做空间旋转，从而很方便的把机器人调整到我们需要的姿态。

2.更换工具时，只要按照第一个工具做TCP的方法重新做一下新的TCP，即可不需要重新示教机器人轨迹。从而很方便的实现轨迹的纠正。

每个坐标系都有各自的作用， 很多函数指令都要用坐标系， 比如offs要用到工件坐标系，reltool要用到工具坐标系。大地坐标，工件坐标，基坐标。多种坐标。每种坐标意义不一样，但是都是为了记录机器人的相对位置。

Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

cover

【花雕学编程】Arduino BLDC 之快递站点货物接力机器人

avatar DAMO开发者矩阵

清华大学团队YOLOE的基础理论知识

该模型支持文本提示、视觉提示及全自动检测三种模式，在保留YOLO系列骨干网络、特征金字塔和分割/回归头的基础上，创新性地优化了视觉-文本语义对齐机制，通过轻量级辅助网络提升开放场景下目标识别的泛化能力，同时采用解耦式视觉提示编码降低计算复杂度，兼顾检测精度与实时性，成功打破传统模型对预定义类别的依赖，为自动驾驶、机器人视觉等动态开放环境提供灵活可靠的视觉理解解决方案。PAN的核心思想是在FPN的基

avatar DAMO开发者矩阵

【GA-HIDMSPSO-CNN-SVM】 基于 GA-HIDMSPSO 优化 CNN-SVM 分类研究附Matlab代码

在数据驱动的智能时代，分类任务作为数据处理与分析的核心环节，广泛应用于故障诊断、信号识别、医疗影像分析、金融风控等诸多领域。随着应用场景的复杂化，原始数据呈现出高维度、非结构化、噪声干扰强等特征，对分类模型的特征提取能力与分类精度提出了更高要求。卷积神经网络（CNN）凭借局部连接、权值共享和空间采样的独特优势，具备强大的自动特征提取能力，能够从原始数据中挖掘深层语义信息，有效避免传统机器学习中复杂

avatar DAMO开发者矩阵