本論文依據影像處理演算法以及B-Spline曲線演算法來設計實現一個六軸機械手臂繪圖系統，讓使用者可以簡單、快速有效的控制KUKA KR6 R900六軸機械手臂來實際的描繪出使用者想要的圖形。本論文所提出的方法同時可用來解決一個機械手臂畫圖的路徑規劃問題，該問題是依據「上銀科技」所舉辦之「上銀智慧機械手實作競賽」之「機械揮毫」比賽項目所設定的比賽項目，即在指定的紙張範圍內完成以「智慧自動畫」為主題的繪圖。為了達到更佳的效果，本論文主要探討繪圖系統，然而在傳統方法上，需人工選取畫圖座標點、人工編輯機械手臂畫圖路徑規劃與編輯手臂移動路徑，以上流程會耗費大量時間與設計繁瑣困難，因此本論文提出結合影像處理方法，辨識繪圖影像資訊，擷取出圖形輪廓並且由外而內的方式，編排畫圖輪廓的順序，經由B-Spline曲線演算法修正圖形輪廓，使繪圖曲線更加平順，最後透過網路傳送XML架構之KUKA機械手臂命令，控制機械手臂末端點移動速度，完成畫圖任務最後，經由實驗結果可知，所提的方法確實是控制機械手臂繪圖之一個簡單、快速的方法。

In this thesis, we use image processing and B-Spline to design and implement a six-axis robot manipulator for drawing system which can make user more easy and efficient to control KUKA KR6 R900 robot manipulator. And draw picture out what user wanted. The proposed method is applied to solve picture drawing on path planning for robot manipulator. In this thesis, we focus on drawing system. In traditional method, it needs user to choose drawing points, edit robot manipulator drawing path and edit moving path all by manual, the procedure is time consuming and it’s hard to design. So we propose using image processing technique to recognize image information and extract image contour. And using B-Spline, to curve more smoothly. Last step is transmit drawing command to robot manipulator based on XML structure, And finish drawing task. According to experiment, this method is simple, easy and efficient to control KUKA robot manipulator drawing picture.

中文摘要	I
英文摘要	II
目錄	III
圖目錄	VI
表目錄	XII
第一章 緒論	1
1.1 研究背景	1
1.2 研究動機	3
1.3 論文架構	6
第二章 KUKA KR6 R900機械手臂	7
2.1 系統架構	7
2.2 KUKA KR C4 Compact控制器	8
2.3 硬體規格	9
2.4 手持式教導器	11
第三章 機械手臂之運動分析	12
3.1 KUKA KR6 R900正運動學	12
3.1.1 運動學鏈	13
3.1.2 D-H連桿參數表	15
3.2 逆運動學	17
3.2.1 位置逆運動學	18
3.2.2 方位逆運動學	20
3.3 B-Spline曲線	22
3.4 XML封包傳輸	24
第四章 影像處理	25
4.1 灰階	26
4.2 直方圖	27
4.2.1 直方圖均化	28
4.2.2 自適應直方圖均化	31
4.3 濾波	33
4.3.1 均值濾波	33
4.3.2 中值濾波	33
4.3.3 高斯模糊濾波	34
4.4 二值化與自適應二值化	35
4.5 邊緣偵測	36
4.6 侵蝕與膨脹	38
4.7 輪廓擷取及排序	39
第五章 實驗結果	44
5.1 實驗一：比較B-Spline曲線處理之小叮噹繪圖	45
5.2 實驗二：背景單純之圖像繪圖	50
5.3 實驗三：背景複雜之圖像繪圖	52
5.4 實驗四：照片圖像繪圖	54
5.5 系統處理時間的比較	57
第六章 結論	59
參考文獻	60
 
圖目錄
圖1.1、KUKA機械手臂	2
圖1.2、ABB機械手臂	2
圖1.3、第五代機械手臂	3
圖1.4、「機械揮毫」比賽項目模擬示意圖	4
圖1.5、傳統之機械手臂繪圖系統的處理流程	4
圖1.6、本論文所提之機械手臂繪圖系統的處理流程	5
圖2.1、KUKA KR6 R900機械手臂的系統架構圖	8
圖2.2、KUKA KR C4 Compact控制器	8
圖2.3、KUKA KR6 R900各軸馬達角度旋轉範圍與最大速度	9
圖2.4、KUKA KR6 R900工作範圍示意圖	10
圖2.5、KUKA KR6 R900機械手臂末端點的距離與可承受負載	11
圖3.1、(a) KUKA KR6 R900之外觀及	13
(b) KUKA KR6 R900之尺寸規格[1]	13
圖3.2、KUKA KR6 R900之連桿參數示意圖[1]	14
圖3.3、符合DH1和DH2條件之座標系示意圖	16
圖3.4、αi和θi之示意圖	16
圖3.5、運動學解耦合及手腕中心示意圖	18
圖3.6、前三軸關節連桿的幾何關係圖	19
圖3.7、尤拉角roll-pitch-yaw的旋轉示意圖	20
圖3.8、B-Spline示意圖	22
圖3.9、KUKA XML傳送命令格式	24
圖3.10、KUKA XML 接收命令格式	24
圖4.1、影像處理之系統架構圖	25
圖4.2、用0~255表示由黑到白的灰階圖	26
圖4.3、灰階處理之前後對照圖：(a)灰階處理前的彩色圖像及(b)灰階處理後的灰階圖像	27
圖4.4、灰階圖與其直方圖比較：(a)灰階圖像及(b)灰階圖像的直方圖	28
圖4.5、直方圖均化處理之前後對照圖：(a)直方圖均化處理前的灰階圖像、(b)直方圖均化處理後的灰階圖像、(c)直方圖均化處理前之灰階圖像的直方圖及(d)直方圖均化處理後之灰階圖的直方圖	30
圖4.6、自適應直方圖均化原理示意圖：(a)直方圖均化及(b)自適應直方圖均化	31
圖4.7、直方圖均化與自適應直方圖均化對照圖比較：(a)直方圖均化處理的灰階圖像、(b)自適應直方圖均化處理的灰階圖像、(c)直方圖均化處理後的直方圖及(d)自適應直方圖均化後的直方圖	32
圖4.8、二值化處理之前後對照圖：(a)二值化處理前的灰階圖像、(b)固定閥值二值化處理後的灰階圖像、(c)自適應中值二值化處理後的灰階圖像及(d)自適應高斯二值化處理後的灰階圖像	36
圖4.9輪廓擷取之流程圖[19]	42
圖4.10小叮噹輪廓擷取之流程分鏡圖	43
圖5.1、機械手臂之繪圖系統的系統架構圖	45
圖5.2、小叮噹圖像繪圖的分鏡圖：(a)原始彩色圖像、(b)灰階處理及(c)自適應直方圖處理	46
圖5.3、小叮噹圖像繪圖的分鏡圖：(a)濾波處理、(b)自適應二值化處理之調整參數前的圖像及(c)自適應二值化處理之調整參數後的圖像	47
圖5.4、小叮噹圖像繪圖的分鏡圖：(a)輪廓擷取及排序、(b)確認實際機械手臂繪圖範圍及(c)顯示機械手臂實際繪圖路徑	48
圖5.5、圖像模擬繪圖與機械手臂繪圖的比較：(a)模擬繪圖及(b)機械手臂繪圖結果	48
圖5.6、圖像模擬繪圖之鋸齒狀現象	49
圖5.7、B-Spline曲線前後處理繪圖之結果：(a)B-Spline曲線處理前的實驗模擬繪圖、(b)B-Spline曲線處理後的實驗模擬繪圖、(c)B-Spline曲線處理前之實驗機械手臂的繪圖結果及(d)B-Spline曲線處理後之實驗機械手臂的繪圖結果	50
圖5.8、背景單純之圖像繪圖的分鏡圖：(a)原始彩色圖像、(b)灰階處理、(c)自適應直方圖處理、(d)濾波處理、(e)自適應二值化處理之調整參數前的圖像、(f)自適應二值化處理之調整參數後的圖像、(g)輪廓擷取及排序、(h)確認實際機械手臂繪圖範圍、(i)顯示機械手臂實際繪圖路徑、(j)顯示機械手臂平面繪圖路徑、(k)顯示畫圖座標點及(l)機械手臂繪圖結果	51
圖5.8、背景單純之圖像繪圖的分鏡圖(續)	52
圖5.9、背景複雜之圖像繪圖的分鏡圖：(a)原始彩色圖像、(b)灰階處理、(c)自適應直方圖處理、(d)濾波處理、(e)自適應二值化處理之調整參數前的圖像、(f) 自適應二值化處理之調整參數後的圖像、(g)輪廓擷取及排序、(h)確認實際機械手臂繪圖範圍、(i)顯示機械手臂實際繪圖路徑、(j)顯示機械手臂平面繪圖路徑、(k)顯示畫圖座標點及(l)機械手臂繪圖結果	53
圖5.9、背景複雜之圖像繪圖的分鏡圖(續)	54
圖5.10、照片圖像畫圖的分鏡圖：(a)原始彩色圖像、(b)灰階處理、(c)自適應直方圖處理、(d)濾波處理、(e)自適應二值化處理之調整參數前的圖像、(f) 自適應二值化處理之調整參數後的圖像、(g)輪廓擷取及排序、(h)確認實際機械手臂繪圖範圍、(i)顯示機械手臂實際繪圖路徑、(j)顯示機械手臂平面繪圖路徑、(k)顯示畫圖座標點及(l)機械手臂繪圖結果	55
圖5.10、照片圖像畫圖的分鏡圖(續)	56
圖5.10、照片圖像畫圖的分鏡圖(續)	57
圖5.11、測試實驗流程所需時間的繪圖樣本	58

表目錄
表3.1、KUKA機械手臂D-H連桿參數表	17
表4.1、父邊界找到新邊界B之決定規則	41
表5.1、傳統與本論文之繪圖處理方法所需時間的比較表	58

[1]	KUKA Manipulator, http:// www.kuka.com/.
[2]	ABB Manipulator, http://www.abb.com/.
[3]	上銀智慧機器手實作競賽http://www.hiwin.org.tw/Awards/HIWIN_Machine/Regulation.aspx
[4]	M. W. Spong, S. Hutchinson, and M. Vidyasagar, Robot Dynamics and Control - Second Edition, Jan. 2004.
[5]	T. Lehtla, Introduction to Robotics, Department of Electrical Drives and Power Electronics, Tallinn Technical University, 2008.
[6]	T. J. Carter, The Modeling of a Six Degree-Of-Freedom Industrial Robot for the Purpose of Efficient Path Planning, Master of Science, The Pennsylvania State University, May 2009.
[7]	沈宜郡，基於B-Spline曲線之六軸機械手臂繪圖系統，淡江大學電機工程學系碩士論文(指導教授：翁慶昌)，2013。
[8]	Z. Gou, Y. Sun, and H. Yu, “Inverse kinematics equation of 6-DOF robot based on geometry projection and simulation,” International Conference on Computer, Mechatronics, Control and Electronic Engineering, pp. 125-128, 2010.
[9]	M. W. Spong, S. Hutchinson, and M. Vidyasagar, Robot Modeling and Control, John Wiley & Sons Inc, 2006.
[10]	L. Bonev, GPA546 Robots Industriels, ETS.
[11]	宋文財，在虛擬環境中發展一整合式電腦繪圖系統-Bezier, B-Spline 和 NURB演算法之研究，中央大學電機工程研究所碩士論文（指導教授：歐石鏡），2000。
[12]	吳新逸，空間中具曲率連續的B-Spline封閉曲線建構，成功大學機械工程學系碩士論文（指導教授：許來興），2004。
[13]	李健瑋，供機器手臂即時繪製之人臉圖像產生系統，台灣科技大學機械工程研究所碩士論文(指導教授：林其禹)，2009。
[14]	莊力文，供人形機器人手臂繪製之人臉肖像產生系統，台灣科技大學機械工程研究所碩士論文(指導教授：林其禹)，2008。
[15]	方冠中，機械臂運動軌跡規劃與控制及其於機械素描之應用，成功大學航空太空工程研究所碩士論文(指導教授：陳介力)，2012。
[16]	J. A. Stark, “Adaptive image contrast enhancement using generalizations of histogram equalization,” IEEE Image Processing, Vol. 9, No. 5, pp. 889-896, 2000.
[17]	M. Teutsch, P. Trantelle, and J. Beyerer, “Adaptive real-time image smoothing using local binary patterns and gaussian filters,” 20th IEEE International Conference on Image Processing (ICIP), pp. 1120-1124, 2013.
[18]	W. Xiao and X. Hui, “An improved canny edge detection algorithm based on predisposal method for image corrupted by Gaussian noise,” World Automation Congress (WAC), pp. 113-116, 2010
[19]	S. Suzuki and K. Abe, “Topological structural analysis of digitized binary images by border following,” Computer Vision, Graphics, and Image Processing, Vol. 3, No. 1, pp. 32-46, 1983.