PENENTUAN JARAK OBJEK DARI KAMERA DENGAN MENGGUNAKAN STEREO VISION PADA MOBILE PHONE
|
|
- Widyawati Yuwono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PENENTUAN JARAK OBJEK DARI KAMERA DENGAN MENGGUNAKAN STEREO VISION PADA MOBILE PHONE ABSTRAK Perkembangan teknologi pada telepon seluler mulai bergeser dari awal yang hanya sekedar sebagai alat komunikasi, sekarang telah dilengkapi berbagai fitur seperti GPS, tampilan yang menarik, video, kamera dan masih banyak lainnya.makalah ini mengangkat tentang stereo vision, yaitu penentuan impresi kedalaman dari dua buah gambar. Pada penerapan yang sering dilakukan, stereo vision dilakukan dengan menggunakan dua buah kamera yang terkalibrasi. Pada makalah ini, akan dicoba penerapan stereo vision pada smartphone dengan satu kamera.penentuan kedalaman pada stereo vision akan menggunakan tiga tahap utama, yaitu penentuan korespondensi titik, image rectification serta proses triangulasi. Penentuan korespondensi titik diimplementasikan dengan menggunakan metode SURF dimana menghasilkan RMSE sebesar 25.1 piksel. Image rectification mengimplementasikan metode yang dikemukakan oleh Hartley. Lalu pada modul triangulasi sebagai penentuan jarak, didapatkan bahwa galat yang diberikan oleh aplikasi ini sebesar 79%..Kategori dan Deskripsi Subjek I.4.0 [Image Processing And Computer Vision]: Digitalization and Image Capture Camera Calibration, Imaging Geometry. General Terms Algorithms, Measurement. Kata Kunci smartphone, stereo vision, korespondensi titik, rectification, triangulasi 1. PENDAHULUAN Perkembangan teknologi pada telepon seluler menjadikan fungsi penggunaan dari telepon seluler mulai bergeser. Fungsi utama dari telepon seluler yaitu untuk berkomunikasi mulai ditambahkan dengan berbagai fitur seperti GPS, tampilan yang menarik, video, kamera dan masih banyak lainnya. Fitur yang banyak dan semakin lengkap ini menjadikan telepon seluler saat ini menjadi sebuah smartphone. Stereo vision adalah teknik untuk mendapatkan sebuah impresi kedalaman dari alat penglihatan ke benda yang dituju dari alat tersebut. Teknik ini memungkinkan penggunanya untuk menentukan jarak dari alat penglihatan ke benda yang dituju. Salah satu alat penglihatan yang dapat menerapkan prinsip ini adalah kamera pada smartphone. Penerapan teknik stereo vision ke kamera smartphone memiliki kekurangan dimana hanya terdapat satu kamera dimana stereo vision biasanya menggunakan dua kamera yang terkalibrasi. Penggunaan satu kamera mengharuskan pengguna untuk mengambil dua gambar dari dua titik yang berbeda. Hal ini tentu saja akan menyebabkan sulitnya pengkalibrasian antara keadaan kamera pada saat pengambilan pertama dan keadaan kamera pada saat pengambilan gambar kedua. Penggunaan stereo vision ini akan memiliki banyak kegunaan, seperti identifikasi gedung yang berada dalam lingkup kamera tanpa perlu melakukan identifikasi gambar secara khusus, serta menentukan jarak dari kamera ke benda tersebut. Pada makalah ini diajukan sebuah penerapan teknik stereo vision pada smartphone dimana pengkalibrasian kamera secara spesifik tidak perlu dilakukan, serta posisi kamera dapat ditentukan oleh pengguna secara bebas. 2. DESKRIPSI SISTEM PERHITUNGAN JARAK MENGGUNAKAN STEREOVISION 2.1 Penentuan Koordinat Awal Sebagai langkah awal untuk menentukan lokasi menggunakan kamera adalah penentuan koordinat posisi awal yang menjadi acuan dalam perhitungan selanjutnya. Penentuan koordinat posisi awal akan menggunakan User Location pada Android yang akan menggunakan kombinasi dari Global Positioning System (GPS), Cell ID Network Provider, serta jika memungkinkan menggunakan Wi-Fi terdekat yang ada. Posisi awal ini akan ditentukan sesaat setelah aplikasi dinyalakan, dan akan diperbaharui ulang jika pengguna ingin mengulangi pencarian lokasi pada posisi yang lain. Namun, jika ternyata setelah pengambilan gambar dari kamera belum didapatkan posisi lokasi saat ini, maka pengguna akan diminta untuk memasukkan jarak perpindahan secara manual ke aplikasi. 2.2 Pengambilan Data Gambar Menggunakan Kamera Pengambilan data gambar dari kamera akan dilakukan ketika pengguna melakukan sebuah aksi terhadap sistem yang dibangun. Salah satu kelebihan dari metode ini adalah pengguna mengetahui kapan aplikasi ini akan melakukan perhitungan untuk menentukan jarak, sehingga ketika aplikasi memberikan sebuah timbal balik, walaupun hanya berupa instruksi harap menunggu, pengguna mengetahui bahwa aplikasi ini sedang melakukan sesuatu. Dengan metode ini, pengguna akan menunggu sampai aplikasi selesai melakukan perhitungan. Lalu jika terjadi kesalahan aplikasi atau kesalahan perhitungan terjadi, pengguna juga dapat diinformasikan secara langsung dan dapat mengulang proses. Namun, kelemahan dari metode ini adalah penggunaan aplikasi akan cukup merepotkan pengguna, dan aplikasi tidak dapat memberikan timbal balik secara realtime sesuai atau mendekati kecepatan refresh rate kamera. 2.3 Pra-Proses Data Gambar
2 Setelah pengambilan data gambar, maka untuk setiap gambar yang berhasil diambil maka akan dilakukan preproses untuk setiap gambar. Pre-proses yang dilakukan adalah mencari titik-titik yang berkorespondensi pada gambar serta melakukan image rectification Pencarian Titik yang Berkorespondensi pada Gambar Pencarian titik-titik yang berkorespondensi adalah proses untuk membandingkan antara gambar pertama dan gambar kedua dan akan dicari kesamaan antara dua gambar tersebut. Proses ini akan dilakukan langsung di aplikasi. Proses ini akan memblok semua operasi yang sedang berjalan hingga proses ini telah selesai Image Oleh Hartley dkk (1999) Image rectification yang dikemukakan oleh Hartley dkk adalah dengan menggunakan sebuah matriks projeksi H, yang akan digunakan untuk memparalelkan epipolar lines dengan sumbu x. Matriks projeksi H yang dikemukakan oleh Hartley adalah :... (1) Dengan T adalah matriks translasi yang mentranslasikan hasil pergeseran sebuah titik u ke titik asal. Sedangkan R adalah matriks rotasi yang akan merotasi epipole point p ke titik (f,0,1) dan G adalah matriks projeksi yang akan memprojeksikan titik p ke titik (f,0,0). Matriks G yang diberikan oleh Hartley adalah :... (2) Setelah matriks projeksi terakhir, H, ditemukan maka akan dilakukan pembangunan ulang gambar dimana tiap piksel gambar akan diprojeksikan menggunakan matriks H. 2.4 Proses Triangulasi Setelah semua parameter-parameter yang disebutkan di atas disimpan, maka dapat dilakukan proses triangulasi untuk mencari berapa jauh posisi objek. Untuk mendapatkan hal tersebut maka perlu mencari disparitas antara dua gambar yang telah diambil.nilai disparitas ditentukan oleh pergeseran sumbu x antara titiktitik yang bersesuaian yang terdapat pada gambar pertama dan gambar kedua. Gambar 2.1 Proses Triangulasi Penghitungan informasi kedalaman (Z) dengan menggunakan perbedaan nilai disparitas akan dihitung dengan persamaan :... (3) Keterangan parameter dari persamaan di atas adalah sebagai berikut: T : Jarak pengambilan gambar. Xl : Posisi titik dari gambar kiri. Xr : Posisi titik dari gambar kanan. F : Panjang fokus kamera 3. IMPLEMENTASI DAN ANALISIS 3.1 Implementasi Penentuan Koordinat Awal Menggunakan Global Positioning System Pengimplementasian penentuan koordinat awal dilakukan menggunakan GPS pada Android. Namun, selain GPS digunakan juga pengambilan koordinat dari network provider dan Wi-Fi, yang digunakan sebagai pengambilan koordinat sementara jika GPS belum mendapatkan koordinat yang benar. Pengambilan data koordinat GPS dan Network Provider diperbaharui setiap dua menit. Setiap dua menit tersebut, akan dibandingkan data yang lebih akurat untuk dijadikan lokasi saat ini. Perbandingan akurasi dilakukan dengan dua cara yaitu dengan membandingkan waktu pengambilan dan galat pengambilan dari GPS dan network provider. Perbandingan waktu dilakukan dengan aturan sebagai berikut : 1. issignificantlynewer : Jika selisih waktu antara lokasi sekarang dan lokasi terbaru lebih dari dua menit. 2. issignificantlyolder : Jika selisih waktu antara lokasi sekarang dan lokasi terbaru kurang dari negatif 2 menit. 3. isnewer : Jika selisih waktu antara lokasi sekarang dan lokasi terbaru lebih besar dari nol. Perbandingan galat dilakukan dengan aturan sebagai berikut : 1. islessaccurate : Jika selisih galat dari lokasi sekarang dan lokasi terbaru lebih besar dari nol. 2. ismoreaccurate : Jika selisih galat dari lokasi sekarang dan lokasi terbaru kurang dari nol. 3. issignificantlylessaccurate : Jika selisih galat dari lokasi sekarang dan lokasi terbaru lebih besar dari Implementasi Modul SURF Image Matching Implementasi modul SURF Image Matching dilakukan menggunakan modul-modul dari OpenCV. Tahap-tahap mendapatkan titik-titik yang bersesuaian dilakukan dalam dua tahap, yaitu mengambil Interest Point Descriptor, dan Descriptor Matcher. Tahap pertama adalah pengambilan titik-titik yang akan menjadi Point Of Interest dari tiap gambar. Pengambilan titik-titik ini dilakukan dengan menggunakan Fast-Hessian (Bay & Ess, 2008). Setelah itu, untuk tiap interest point, akan dilakukan perhitungan untuk descriptor, dimana descriptor ini akandigunakan untuk mencari titik-titik yang mungkin saling berkorespondensi satu sama lain dengan menggunakan FLANN Descriptor Matcher. Dari semua titik-titik yang saling berkorespondensi satu sama lain yang dihasilkan dari FLANN Descriptor Matcher, akan diambil titik-titik yang merupakan good match. Titik-titik tersebut diambil dengan kriteria bahwa distance hasil training menggunakan FLANN kurang dari 2 kali distance terkecil yang berada pada koleksi data. 3.3 Implementasi Modul Image Implementasi modul Image dibangun dengan menggunakan modul-modul dari library OpenCV. Implementasi modul ini dilakukan dengan tiga tahap, yaitu menghitung Fundamental Matrix, menghitung matriks homography dan melakukan proyeksi gambar menggunakan matriks homography. Perhitungan Fundamental Matrix akan dilakukan tergantung terhadap hasil pencarian titik-titik yang saling berkorespondensi. Untuk dapat melakukan perhitungan, minimal harus terdapat delapan titik yang saling berkorespondensi. Setelah fundamental matriks telah ditemukan, maka fundamental matriks tersebut akan digunakan untuk menghitung matriks homography. Matriks homography ini akan digunakan untuk mentransformasikan gambar sehingga menjadi planar satu sama lain. 3.4 Implementasi Modul Triangulasi Implementasi modul triangulasi adalah pengimplementasian persamaan III.1 ke dalam aplikasi. Jarak antar kamera didapatkan dari perbedaan jarak yang didapatkan dari GPS pada pengambilan gambar pertama
3 dan gambar kedua. Nilai disparitas didapatkan dari perbedaan pergeseran piksel pada gambar yang telah dilakukan proses rectification. Panjang focal kamera didapatkan dari Android SDK. Dengan menggunakan persamaan 3 maka jarak ke objek yang berada pada gambar dapat ditentukan. 4. Skenario Pengujian dan Hasil Pengujian Skenario utama pengujian untuk perangkat lunak ini adalah menghitung jarak berdasarkan gambar yang telah diambil dari kamera dan membandingkannya dengan jarak asli di dunia nyata. Selain itu, akan diberikan pula skenario pengujian untuk modul SURF dan image rectification. Lalu akan dipaparkan hasil yang diperoleh dari tiap pengujian yang dilakukan sesuai skenario yang telah dibuat. 4.1 Skenario Pengujian Pengujian yang dilakukan untuk modul SURF adalah untuk mengetahui besar galat yang dihasilkan untuk melakukan titiktitik yang saling berkorespondensi. Sedangkan untuk image rectification, pengujian dilakukan untuk mengetahui seberapa besar distorsi yang dihasilkan oleh modul ini terhadap gambar. Lalu sebagai tujuan utama dari pengujian aplikasi ini yaitu untuk mengetahui galat yang dihasilkan untuk menentukan jarak Skenario Pengujian Modul SURF Image Matching Obyektif Pengujian modul SURF dilakukan dengan tujuan mengetahui tingkat keakuratan modul ini untuk menentukan titik-titik yang saling berkorespondensi. Modul ini akan diuji dengan lima buah set gambar yang berbeda. Untuk setiap titik yang dihasilkan di gambar pertama, akan dicari sebuah nilai pembanding ideal yang didapatkan dengan cara pengambilan secara manual. Setelah itu, perbedaan nilai pembanding ideal akan dibandingkan dengan hasil yang didapatkan dari gambar kedua dan dinyatakan ke dalam persamaan RMSE sebagai berikut :... (4)... (5)... (6) Dengan npoint menyatakan jumlah titik yang berhasil didapatkan di gambar pertama yang memiliki korespondensi di gambar kedua. x_modeli x_ideali menyatakan nilai koordinat x model dikurangkan dengan nilai koordinat x ideal titik i, y_modeli y_ideali menyatakan nilai koordinat y model dikurangkan dengan nilai koordinat y ideal titik i. Nilai RMSE yang diharapkan adalah nilai RMSE sekecil mungkin Skenario Pengujian Modul Image Subyektif Skenario pengujian modul image rectification subyektif dilakukan dengan membandingkan gambar hasil image rectification dengan gambar aslinya. Pada perbandingan modul, dilakukan dengan cara melihat distorsi dan keutuhan gambar hasil rectification dengan gambar aslinya. Untuk pengujian, akan dilakukan perbandingan gambar sebanyak lima kali Skenario Pengujian Perhitungan Jarak Perhitungan tingkat kebenaran jarak yang dihasilkan oleh aplikasi ini akan menggunakan persamaan berikut :... (5) Percobaan untuk aplikasi ini akan dilakukan sebanyak sepuluh kali. Galat dari tiap percobaan akan dirata ratakan dan dijadikan galat global. Galat global yang diperbolehkan adalah kurang dari 10%. 4.2 Hasil Pengujian Setelah melakukan pengujian sesuai dengan skenario yang telah dijelaskan pada bagian sebelumnya, pada bagian ini akan dipaparkan hasil yang didapatkan untuk setiap skenario Hasil Pengujian Modul SURF Image Matching Pengujian modul ini dilakukan dengan menggunakan sepuluh gambar berbeda. Untuk setiap gambar akan dihitung MSE x dan MSE y masing-masing lalu akan dijumlahkan untuk menghasilkan MSE total. Setelah itu akan dicari RMSE dari pengujian ini. Hasil pengujian dapat dilihat pada table 1. Tabel 1 Tabel Hasil Pengujian Modul SURF No Jumlah Titik MSE X MSE Y RMSE Total , Hasil Pengujian Modul Image Subjektif Sebagian hasil pengujian modul image rectification dapat dilihat pada tabel 2 Nilai baik atau tidak dari dua buah gambar ditentukan dari apakah gambar yang dihasilkan masih dapat diinterpretasikan oleh mata manusia sebagai bagian dari gambar awal. Sebagian hasil pengujian modul image rectification dapat dilihat pada tabel 2 Nilai baik atau tidak dari dua buah gambar ditentukan dari apakah gambar yang dihasilkan masih dapat diinterpretasikan oleh mata manusia sebagai bagian dari gambar awal. Tabel 1 Hasil Pengujian Modul Image No Gambar 1 Gambar 2 Baik / Tidak 1 Baik 2 Baik 3 Tidak 4 Tidak 5 Tidak Hasil Pengujian Perhitungan Jarak Pada tabel 3 diberikan tabel hasil pengujian terhadap jarak yang didapatkan setelah hasil percobaan. Tabel 2 Hasil Pengujian Perhitungan Jarak No Dispa rity Focal Length Move ment Rough Distan
4 ce Real Distan ce Galat (%) 1 28, , , , , , 92 86, , , , , , , , , , Analisis Pengujian Setelah dilakukan pengujian, hasil dari pengujian tersebut akan dianalisis untuk setiap skenario pengujian. Analisis dilakukan untuk mengetahui hal-hal yang didapatkan dari pengujian maupun hal-hal yang mempengaruhi hasil pengujian. 5.1 Analisis Pengujian Modul SURF Image Matching Objektif Pada hasil pengujian bahwa RMSE dari algoritma SURF yang diimplementasikan berada pada nilai Hal ini berarti untuk setiap arah sumbu x dan sumbu y pada setiap titik korespondensi akan terdapat galat sebesar 25.1 piksel. Galat ini disebabkan karena terdapat beberapa titik yang menyimpang sangat jauh dari target aslinya. Penyimpangan ini disebabkan oleh beberapa hal, di antaranya : 1. Misal terdapat sebuah titik P1 (x1,y1) pada benda X pada gambar yang pertama. Namun, ternyata benda X tersebut tidak ada pada gambar kedua. Sejatinya algoritma ini tidak akan menemukan pasangan untuk P1, sebut saja P2, atau distance vector dari algoritma SURF untuk P1 dan P2 akan sangat besar, sehingga algoritma seleksi pencarian good match tidak akan memilih pasangan ini untuk dijadikan sebagai salah satu kandidat. Namun, ternyata terdapat sebuah titik pada gambar yang menjadikan P2 menjadi salah satu kandidat disebabkan karena 210 terdapat kesamaan tekstur ataupun kesalahan pada pencarian tetangga pada saat penggunaan nearest neighbour pada SURF Descriptor Matcher. Kesalahan ini terjadi pada percobaan nomor 1,3,4,5,7 seperti terlihat pada tabel Selain kesalahan karena adanya benda yang berada pada gambar pertama dan tidak ada pada gambar kedua, terdapat juga kesalahan korespondensi gambar pada benda yang sama. Untuk kesalahan yang seperti ini, pergeseran yang terjadi relatif kecil, seperti yang ditunjukkan pada percobaan nomor 8 pada tabel 1. Hal ini disebabkan karena titik yang diuji benar-benar sama secara tekstur dan bahkan jika dilihat menggunakan mata maka kedua titik tersebut tidak dapat dibedakan secara jelas. Hal ini terjadi pada objek-objek yang memiliki tekstur sama pada bidang yang cukup luas seperti meja dan tembok. Kesalahan nomor satu merupakan penyumbang terbesar dari RMSE yang dihasilkan dari percobaan pengujian modul SURF. Namun, dari pengujian tersebut juga terdapat beberapa percobaan, percobaan nomor 2,6,9,10 pada tabel 1, dimana hasil percobaan modul SURF mencapai tingkat akurasi 100% 5.2 Analisis Pengujian Modul Image Subjektif Hasil pengujian pada modul image rectification memperlihatkan bahwa pada beberapa kasus percobaan, seperti terlihat pada tabel 2, bahwa ada beberapa gambar yang mengalami kerusakan pada gambar setelah dilakukan proses rectification (percobaan nomor 3,4,5). Hal ini disebabkan oleh kesalahan penentuan titik-titik yang berkorespondensi akan mengakibatkan kesalahan dalam penentuan fundamental matrix. Seperti yang telah dibahas sebelumnya, beberapa titik penentuan pada modul SURF bukan merupakan korespondensi titik yang tepat pada kedua gambar. Hal ini akan mengakibatkan kesalahan penentuan fundamental matrix yang menyebabkan kesalahan penentuan epipole point. Kesalahan penentuan epipole point ini akan menyebabkan matriks projeksi yang akan membuat epipole point menuju tak hingga juga mengalami kesalahan perhitungan. Kesalahan ini akan menyebabkan distorsi ketika matriks projeksi tersebut diaplikasikan ke seluruh piksel yang berada pada gambar. 5.3 Analisis Pengujian Perhitungan Jarak Tabel 3 menunjukkan hasil pengujian jarak dari aplikasi yang dibuat. Galat rata-rata yang dihasilkan adalah %. Hasil pengujian menunjukkan bahwa jarak yang dihasilkan oleh aplikasi berbeda jauh dengan hasil yang diharapkan. Hal ini disebabkan oleh dua hal, yaitu : 1. Terdapatnya matriks translasi yang digunakan pada saat melakukan proses recification terhadap kedua buah gambar. Penggunaan matriks translasi tersebut akan menggeser kedua gambar sehingga perbedaan disparitas antara dua buah gambar tersebut akan semakin jauh atau semakin dekat dari seharusnya. Hal ini dapat dilihat pada data dimana ada data hasil dari aplikasi dengan nilai kurang dari jarak sebenarnya, dan ada pula data dengan nilai yang diberikan lebih besar dari jarak sebenarnya. 2. Proses rectification menggunakan teknik dimana epipole point dipindahkan ke titik tak hingga dimana proses ini akan menghasilkan hanya daerah yang memiliki daerah sama atau dengan kata lain daerah yang sama yang dibatasi oleh epipolar line. Pemotongan gambar ini akan berakibat pada terjadinya penskalaan citra untuk menjaga agar ukuran antar gambar pertama dan gambar kedua tetap sama. Hal ini akan mengakibatkan pergeseran untuk tiap titik jika terjadi penskalaan terhadap sumbu x. Dan dengan terjadinya pergeseran ini, maka perbedaan disparitas akan menjadi lebih besar atau lebih kecil yang menyebabkan terjadinya kesalahan perhitungan.
5 6. KESIMPULAN Kesimpulan yang bisa diperoleh dari makalah ini adalah : 1. Penggunaan fitur GPS pada Android dapat dilakukan menggunakan Android SDK. Penentuan lokasi menggunakan GPS sangat bergantung terhadap tempat pengguna saat ini. Jika pengguna berada dalam sebuah gedung atau tempat yang tertutup maka penentuan lokasi ini sulit untuk didapatkan. Oleh karena itu, selain GPS digunakan juga Networks provider untuk mendukung penentuan lokasi meskipun posisi yang dihasilkan tidak akurat. 2. Modul SURF yang digunakan telah mampu mencari titik-titik yang saling berkorespondensi dari dua buah gambar. Namun modul ini memiliki galat sebesar 25.1 piksel. Hal ini disebabkan oleh perbedaan objek pada gambar pertama dan gambar kedua, serta kesamaan tekstur pada bidang yang memiliki tekstur yang mirip pada bidang yang luas seperti meja dan tembok. 3. Image rectification diimplementasikan menggunakan metode yang diberikan oleh Hartley. Hasil dari metode ini dapat gagal disebabkan karena kesalahan penentuan titik yang berkorespondensi yang berimbas pada kesalahan penentuan fundamental matrix. Kesalahan ini akan mengakibatkan kesalahan penentuan epipole point sehingga akan menghasilkan matriks homography yang salah pula. 4. Tingkat akurasi penentuan jarak dari aplikasi memberikan hasil yang cukup jauh dari memuaskan yaitu galat sebesar 79%. Hal ini disebabkan oleh pergeseran titik-titik pada gambar akibat proses rectification yang dilakukan pada gambar. 7. ACKNOWLEDGMENTS Terima kasih penulis ucapkan kepada Bapak Imam Kistijantori S.T., M.Sc., Ph.D. yang telah memberikan bimbingan dan arahan dalam pembangunan sistem penentuan jarak objek dari kamera dengan menggunakan stereo vision pada mobile phone. 8. REFERENSI [1] Bay, H., & Ess, A. G. (2008). Speeded-Up Robust Features (SURF). Computer Vision and Image Understanding, [2] Bradski, G., & Kaehler, A. (2008). Learning OpenCV. O'Reilly Media.. [3] Chen, Z., Wu, C., & Tsui, H. T. (2003). A New Image Algorithm. Pattern Recognition Letters 24, [4] Mallon, J., & Whelan, P. F. (2005). Projective from the Fundamental Matrix. Image and Vision Computing, [5] Wibowo, A. T. (2009). Rekonstruksi Obyek Tiga Dimensi Secara Real Time Berbasis Stereo Vision Menggunakan Kamera Web. Bandung: Institut Teknologi Bandung.. [6] Hartley, R. L. (1999). Theory and Practice of Projectice. International Journal Computer Vision 35,
Rancang Bangun Sistem Pengukuran Posisi Target dengan Kamera Stereo untuk Pengarah Senjata Otomatis
A216 Rancang Bangun Sistem Pengukuran Posisi Target dengan Kamera Stereo untuk Pengarah Senjata Otomatis Anas Maulidi Utama, Djoko Purwanto, dan Ronny Mardiyanto Jurusan Teknik Elektro, Fakultas Teknologi
Lebih terperinciBAB III PROSEDUR DAN METODOLOGI
BAB III PROSEDUR DAN METODOLOGI 3.1 Analisis Masalah Dewasa ini keberadaan robot sebagai mesin yang menggantikan manusia dalam melakukan berbagai pekerjaan semakin diperlukan. Oleh karena itu robot dituntut
Lebih terperinciSwakalibrasi Kamera Menggunakan Matriks Fundamental
Swakalibrasi Kamera Menggunakan Matriks Fundamental Eza Rahmanita, Eko Mulyanto 2, Moch. Hariadi 3 Program Studi Teknik Informatika, Universitas Trunojoyo Madura Jl. Raya Telang Po Bo 2 Kamal, Bangkalan
Lebih terperinciANALISIS PENGARUH EXPOSURE TERHADAP PERFORMA ALGORITMA SIFT UNTUK IMAGE MATCHING PADA UNDERWATER IMAGE
ANALISIS PENGARUH EXPOSURE TERHADAP PERFORMA ALGORITMA SIFT UNTUK IMAGE MATCHING PADA UNDERWATER IMAGE HANANTO DHEWANGKORO A11.2009.04783 Universitas Dian Nuswantoro. Semarang, Indonesia Email: hanantodhewangkoro@gmail.com
Lebih terperinciDETEKSI WAJAH UNTUK OBJEK 3D MENGGUNAKAN ANDROID
DETEKSI WAJAH UNTUK OBJEK 3D MENGGUNAKAN ANDROID Afdhol Dzikri 1, Dwi Ely Kurniawan 2, Handry Elsharry Adriyanto 3 1,2,3 Jurusan Teknik Informatika, Prodi Teknik Multimedia dan Jaringan, Politeknik Negeri
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian Eksperimen dilakukan untuk memperoleh hasil penelitian yang dilakukan dalam skripsi ini. Eksperimen yang dilakukan mengenai proses rekonstruksi
Lebih terperinciBAB I PENDAHULUAN. memposisikan diri pada suatu lingkungan baru, sedangkan mapping merupakan
BAB I PENDAHULUAN 1. 1.1 Latar Belakang Localisation merupakan proses yang dilakukan oleh robot untuk memposisikan diri pada suatu lingkungan baru, sedangkan mapping merupakan proses untuk membangun peta
Lebih terperinciCOMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA
Seminar Nasional Teknologi Terapan SNTT 2013 (26/10/2013) COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA Isnan Nur Rifai *1 Budi Sumanto *2 Program Diploma Elektronika & Instrumentasi Sekolah
Lebih terperinciAPLIKASI CLOSE RANGE PHOTOGRAMMETRY UNTUK PERHITUNGAN VOLUME OBJEK
APLIKASI CLOSE RANGE PHOTOGRAMMETRY UNTUK PERHITUNGAN VOLUME OBJEK Oleh : Sarkawi Jaya Harahap 3511 1000 04 Dosen Pembimbing : Hepi Hapsari Handayani, S.T, Ms.C Jurusan Teknik Geomatika Fakultas Teknik
Lebih terperinciFACE TRACKING DAN DISTANCE ESTIMATION PADA REALTIME VIDEO MENGGUNAKAN 3D STEREO VISION CAMERA
FACE TRACKING DAN DISTANCE ESTIMATION PADA REALTIME VIDEO MENGGUNAKAN 3D STEREO VISION CAMERA Edy Winarno¹, Agus Harjoko² ¹ Program Studi Teknik Informatika FTI Universitas Stikubank (UNISBANK) Semarang
Lebih terperinciTraffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel
1 Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel Andi Muhammad Ali Mahdi Akbar, Arief Kurniawan, Ahmad Zaini Jurusan Teknik Elektro, Fakultas Teknik Industri Institut
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring perkembangan teknologi yang amat pesat, menuntut pula adanya otomatisasi dan efisiensi dalam memperoleh informasi. Hal ini didukung pula oleh perkembangan mobile
Lebih terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciBAB III PELAKSANAAN PENELITIAN
BAB III PELAKSANAAN PENELITIAN Pada bab ini akan dijelaskan mengenai alat dan bahan yang digunakan dalam penelitian ini serta tahapan-tahapan yang dilakukan dalam mengklasifikasi tata guna lahan dari hasil
Lebih terperinciAnalisa Pengaruh Perbedaan Medium Air dan Udara Terhadap Kalibrasi Kamera Dengan Menggunakan Metode Zhang
Analisa Pengaruh Perbedaan Medium Air dan Udara Terhadap Kalibrasi Kamera Dengan Menggunakan Metode Zhang Pulung Nurtantio Andono 1, Guruh Fajar Shidik 2, Ricardus Anggi Pramunendar 3, Catur Supriyanto
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE
PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE Widodo Muda Saputra, Helmie Arif Wibawa, S.Si, M.Cs, dan Nurdin Bahtiar, S.Si, M.T Fakultas Sains dan Matematika, Jurusan Ilmu Komputer
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
68 BAB 4 HASIL DAN PEMBAHASAN 4.1. Uji Algoritma Pengujian dilakukan untuk mendapatkan algoritma yang paling optimal dari segi kecepatan dan tingkat akurasi yang dapat berjalan secara real time pada smartphone
Lebih terperinciPenjejakan Objek Visual berbasis Algoritma Mean Shift dengan menggunakan kamera Pan-Tilt
Penjejakan Objek Visual berbasis Algoritma Mean Shift dengan menggunakan kamera Pan-Tilt Sulfan Bagus Setyawan 1, Djoko Purwanto 2 Jurusan Teknik Elektro, Institut Teknologi Sepuluh Nopember 1 sulfan13@mhs.ee.its.ac.id
Lebih terperinci1BAB I. 2PENDAHULUAN
1BAB I. 2PENDAHULUAN 2.1. Latar Belakang Pelacak objek (object tracking) pada saat ini merupakan penelitian yang menarik dalam bidang computer vision. Pelacak objek merupakan langkah awal dari berbagai
Lebih terperinciFourier Descriptor Based Image Alignment (FDBIA) (1)
Fourier Descriptor Based Image Alignment (FDBIA) (1) Metode contour tracing digunakan untuk mengidentifikasikan boundary yang kemudian dideskripsikan secara berurutan pada FD. Pada aplikasi AOI variasi
Lebih terperinciBAB I PENDAHULUAN. robotika dan otomatisasi dalam kehidupan manusia seiring dengan meningkatnya dunia
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan dunia robot dewasa ini menunjukkan betapa besar peran bidang robotika dan otomatisasi dalam kehidupan manusia seiring dengan meningkatnya dunia teknologi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring dengan terus meningkatnya kemajuan teknologi komputer, peranan teknologi komputer dalam mendukung kepentingan manusia juga semakin meningkat. Termasuk salah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Berikut adalah beberapa definisi dari citra, antara lain: rupa; gambar; gambaran (Kamus Besar Bahasa Indonesia). Sebuah fungsi dua dimensi, f(x, y), di mana x dan y adalah
Lebih terperinciOleh : Umar Maksum Dosen Pembimbing : Ahmad Zaini, ST, M.T. Dr. I Ketut Eddy Purnama.ST.,MT
Rekontruksi Citra 3 Dimensi menggunakan Voxel Coloring Oleh : Umar Maksum 2204 109 659 Dosen Pembimbing : Ahmad Zaini, ST, M.T. Dr. I Ketut Eddy Purnama.ST.,MT Latar Belakang Mendapatkan bentuk citra objek
Lebih terperinciBAB III PERENCANAAN KEBUTUHAN DAN PERANCANGAN
BAB III PERENCANAAN KEBUTUHAN DAN PERANCANGAN 3.1 Perencanaan Kebutuhan Telepon seluler merupakan salah satu sarana penunjang yang mendukung setiap orang beraktivitas setiap hari. Karena itu, tentunya
Lebih terperinciTRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION
TRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION Indra Pramana, M Zen Hadi Samsono, Setiawardhana Jurusan Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut Teknologi
Lebih terperinciSistem Rekonstruksi Rute Perjalanan Dengan GPS Untuk Efisiensi Proses Update Posisi
JURNAL TEKNIK POMITS Vol. 2, No. 1, 2013) ISSN: 2337-3539 2301-9271 Print) 1 Sistem Rekonstruksi Rute Perjalanan Dengan GPS Untuk Efisiensi Proses Update Posisi Nuke Yuniar Anugrah, Waskitho Wibisono,
Lebih terperinciANALISIS DAN PERANCANGAN SISTEM
ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Masalah Dalam mengetahui suatu bahan jenis kulit cukup sulit karena bahan jenis kulit memeliki banyak jenis. Setiap permukaan atau tekstur dari setiap jenisnya
Lebih terperinciJURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: ( Print) A-534
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) A-534 Rancang Bangun Sistem Navigasi Indoor Berbasis Integrasi Symbolik Location Model dan Wifi Based Positioning System Untuk
Lebih terperinciPengukuran jarak objek pejalan kaki terhadap kamera menggunakan kamera stereo terkalibrasi dengan segmentasi objek histogram of oriented gradient
Youngster Physics Journal ISSN: 2302-7371 Vol. 6, No. 3, Juli 2017, Hal. 249-262 Pengukuran jarak objek pejalan kaki terhadap kamera menggunakan kamera stereo terkalibrasi dengan segmentasi objek histogram
Lebih terperinciDefry Mulia
STUDI CLOSE RANGE PHOTOGRAMMETRY DALAM PENENTUAN VOLUME SUATU OBJEK Defry Mulia 35 09100011 PROGRAM STUDI TEKNIK GEOMATIKA FAKULTAS TEKNIK SIPIL DAN PERENCANAAN INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
Lebih terperinciOPTIMASI PENCAPAIAN TARGET PADA SIMULASI PERENCANAAN JALUR ROBOT BERGERAK DI LINGKUNGAN DINAMIS
OPTIMASI PENCAPAIAN TARGET PADA SIMULASI PERENCANAAN JALUR ROBOT BERGERAK DI LINGKUNGAN DINAMIS Yisti Vita Via Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember
Lebih terperinciAPLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK
APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111
Lebih terperinciAPLIKASI PENGUKURAN KECEPATAN SEPEDA MOTOR MENGGUNAKAN METODE FRAME DIFFERENCE BERBASIS ANDROID
BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian Alat pengukur kecepatan kendaraan bermotor adalah salah satu aplikasi dari penelitian terhadap benda yang bergerak. Alat ini berfungsi untuk menentukan seberapa
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan
BAB IV IMPLEMENTASI DAN EVALUASI Implementasi dan Evaluasi yang dilakukan penulis merupakan implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan perangkat lunak dari sistem secara keseluruhan
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Artificial Intelligence Artificial Intelligence adalah studi tentang bagaimana komputer melakukan sesuatu dimana saat itu orang melakukannya lebih baik. (Rich dan Knight, 1991).
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Sistem Piranti yang digunakan untuk pelatihan maupun pengujian sistem terdiri dari perangkat keras dan perangkat lunak. 4.1.1 Perangkat Keras Perangkat keras
Lebih terperinciANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL
ANALISA PERBANDINGAN METODE VEKTOR MEDIAN FILTERING DAN ADAPTIVE MEDIAN FILTER UNTUK PERBAIKAN CITRA DIGITAL Nur hajizah (13111171) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl.
Lebih terperinciPENJEJAKAN POSISI BOLA PADA MODUL PHYCORE IMX31 MENGGUNAKAN EMBEDDED OPENCV
PENJEJAKAN POSISI BOLA PADA MODUL PHYCORE IMX31 MENGGUNAKAN EMBEDDED OPENCV Aditya Pratama 1, Bima Sena Bayu. D 2, Setiawardhana 2 1 Mahasiswa D4 Teknik Komputer, 2 Dosen Teknik Komputer Politeknik Elektronika
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D
30 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Pengembangan Sistem Pengenalan Wajah 2D Penelitian ini mengembangkan model sistem pengenalan wajah dua dimensi pada citra wajah yang telah disiapkan dalam
Lebih terperinciPengembangan Program Simulator Frame Kacamata Secara Real-Time 3D Face Tracking dengan Menggunakan Augmented Reality
Pengembangan Program Simulator Frame Kacamata Secara Real-Time 3D Face Tracking dengan Menggunakan Augmented Reality Endang Setyati Information Technology Department Sekolah Tinggi Teknik Surabaya endang@stts.edu,
Lebih terperinciBAB II DASAR TEORI. CV Dokumentasi CV berisi pengolahan citra, analisis struktur citra, motion dan tracking, pengenalan pola, dan kalibrasi kamera.
BAB II DASAR TEORI Pada bab ini akan dibahas teori yang berkaitan dengan skripsi ini, meliputi pustaka OpenCV, citra, yaitu citra grayscale dan citra berwarna, pengolahan citra meliputi image enhancement
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras 3.1.1 Diagram Blok Sistem Rancangan perangkat keras dari aplikasi pengenalan wajah ini dapat dilihat pada diagram blok Gambar 3.1 sebagai berikut
Lebih terperinciPerbandingan Penentuan Volume Suatu Obyek Menggunakan Metode Close Range Photogrammetry Dengan Kamera Non Metrik Terkalibrasi Dan Pemetaan Teristris
JURNAL TEKNIK POMITS Vol. X, No. X, (20XX) ISSN: XXXX-XXXX (XXXX-XXXX Print) 1 Perbandingan Penentuan Volume Suatu Obyek Menggunakan Metode Close Range Photogrammetry Dengan Kamera Non Metrik Terkalibrasi
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Projection Mapping Pada Bidang Non Planar Sebagai Media Proyeksi Dengan Model Dimensi Tiga Dari Perangkat Kinect Dengan Metode Iterative Closest Point Farandi
Lebih terperinciDETEKSI FITUR CITRA STEREO TERPOLARISASI
DETEKSI FITUR CITRA STEREO TERPOLARISASI Mohammad Iqbal 1, 2, Imam Ahmad Trinugroho 2 1 Laboratoire Le2i - UMR CNRS 5158, Université de Bourgogne, IUT Le Creusot, Perancis 2 Fakultas Ilmu Komputer, Universitas
Lebih terperinciDETEKSI FITUR CITRA STEREO TERPOLARISASI
DETEKSI FITUR CITRA STEREO TERPOLARISASI Mohammad Iqbal,, Imam Ahmad Trinugroho Laboratoire Lei - UMR CNRS 558, Université de Bourgogne, IUT Le Creusot, Perancis Fakultas Ilmu Komputer, Universitas Gunadarma,
Lebih terperinciKLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER
KLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER ACHMAD FAHRUROZI 1 1 Universitas Gunadarma, achmad.fahrurozi12@gmail.com Abstrak Masalah yang akan diangkat dalam makalah ini adalah bagaimana
Lebih terperinciBAB 2 LANDASAN TEORI. Reference frames atau kerangka acuan adalah suatu sistem koordinat atau
BAB 2 LANDASAN TEORI 2.1 Kerangka Acuan Reference frames atau kerangka acuan adalah suatu sistem koordinat atau sekumpulan sumbu yang digunakan untuk mengukur posisi, dan orientasi dari suatu objek. Dalam
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Identifikasi Masalah Identifikasi permasalahan ini bahwasanya diambil dari sudut pandang masyarakat tentang objek (batik) yang dikenal dari segi pola dan gambar
Lebih terperinciMarkerless Augmented Reality Pada Perangkat Android
Markerless Augmented Reality Pada Perangkat Android Yoze Rizki - 2207 100 102 Pembimbing: Mochamad Hariadi, ST.,MSc.,PhD. Cristyowidiasmoro, ST.,MT., Department of Electrical Engineering Faculty of Industrial
Lebih terperinciKorelasi Jarak Wajah Terhadap Nilai Akurasi Pada Sistem Pengenalan Wajah Menggunakan Stereo Vision Camera
Seminar Nasional Teknologi Informasi dan Komunikasi Terapan (SEMANTIK) 2015 7 Korelasi Jarak Wajah Terhadap Nilai Akurasi Pada Sistem Pengenalan Wajah Menggunakan Stereo Vision Camera Edy Winarno *), Wiwien
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Deteksi pandangan pada ruang nyata merupakan proses untuk mengestimasi koordinat 3D (x, y, z) titik pandang terhadap objek yang dilihat dalam satuan fisik. Ketika suatu
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Penelitian ini merupakan penelitian di bidang pemrosesan citra. Bidang pemrosesan citra sendiri terdapat tiga tingkatan yaitu operasi pemrosesan citra tingkat rendah,
Lebih terperinciDosen Program Studi Ilmu Komputer Universitas Pakuan Bogor
PENGENALAN KADAR TOTAL PADAT TERLARUT PADA BUAH BELIMBING BERDASAR CITRA RED-GREEN-BLUE MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS (PCA) SEBAGAI EKSTRAKSI CIRI DAN KLASIFIKASI K-NEAREST NEIGHBORHOOD (KNN)
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciPENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH
PENGOLAHAN CITRA RADIOGRAF PERIAPIKAL PADA DETEKSI PENYAKIT PULPITIS MENGGUNAKAN METODE ADAPTIVE REGION GROWING APPROACH Rikko Ismail Hardianzah 1), Bambang Hidayat 2), Suhardjo 3) 1),2) Fakultas Teknik
Lebih terperinciOleh: Ulir Rohwana ( ) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T.
Oleh: Ulir Rohwana (1209 100 702) Dosen Pembimbing: Prof. Dr. H. M. Isa Irawan, M.T. DAFTAR ISI I II III IV V VI PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PERANCANGAN DAN IMPLEMENTASI HASIL DAN PENGUJIAN
Lebih terperinciHASIL DAN ANALISIS. Tabel 4-1 Hasil kalibrasi kamera Canon PowerShot S90
BAB 4 HASIL DAN ANALISIS Dalam bab ini akan dibahas mengenai hasil dari setiap proses yang telah dilakukan dan dibahas pada bab sebelumnya baik dari kalibrasi kamera sampai pada pengolahan data yang telah
Lebih terperinciLAPORAN PRAKTIKUM FOTOGRAMETRI I (Individu)
LAPORAN PRAKTIKUM FOTOGRAMETRI I (Individu) KALIBRASI KAMERA DENGAN SOFTWARE PHOTOMODELER SCANNER TANGGAL PRAKTIKUM : 2 Desember 2014 Disusun Oleh NAMA NIM KELAS : Nur Izzahudin : 13/347558/TK/40748 :
Lebih terperinciBAB I PENDAHULUAN. kompleks. Oleh karena itu pada smartphone banyak digunakan berbagai teknologi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam dunia teknologi yang semakin berkembang ini semakin dinamis dan sangat dibutuhkan oleh manusia, efisiensi menjadi salah satunya yang menjadi sangat penting.
Lebih terperinciRancang Bangun Aplikasi Pengenalan Ukiran Bali dengan Metode ORB
Rancang Bangun Aplikasi Pengenalan Ukiran Bali dengan Metode ORB I Gusti Lanang Trisna Sumantara, I Putu Agung Bayupati, Ni Kadek Ayu Wirdiani Jurusan Teknologi Informasi, Fakultas Teknik, Universitas
Lebih terperinciBAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA 2.1 Citra Suatu citra didefinisikan sebagai fungsi kontinu dari intensitas cahaya dalam bidang 2 dimensi, dan dinyatakan dengan f(x,y), dimana nilai atau amplitudo dari f menyatakan
Lebih terperinciPengingat Agenda Berdasarkan Konteks Lokasi Menggunakan GPS dengan Algoritma k-nearest Neighbor pada Perangkat Bergerak
Pengingat Agenda Berdasarkan Konteks Lokasi Menggunakan GPS dengan Algoritma k-nearest Neighbor pada Perangkat Bergerak IVAN AHMED GIOVANNI NRP 5109100042 Dosen Pembimbing I Ary Mazharuddin S., S.Kom.,
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Pada era sekarang ini kebutuhan informasi bergeser kedudukannya, yang semula merupakan kebutuhan sekunder atau tersier saat ini berubah kedudukannya sebagai kebutuhan
Lebih terperinciPEMANFAATAN REAL-TIME FACE TRACKING DALAM APLIKASI AUGMENTED REALITY FRAME KACAMATA ABSTRAK
PEMANFAATAN REAL-TIME FACE TRACKING DALAM APLIKASI AUGMENTED REALITY FRAME KACAMATA 1 Endang Setyati, 2 David Alexandre Teknik Informatika Sekolah Tinggi Teknik Surabaya 1 endang@stts.edu, 2 v.davidalexandre@gmail.com
Lebih terperinciESTIMASI LOCAL MOTION MENGGUNAKAN ALGORITMA PENCARIAN FOUR STEP. Rosida Vivin Nahari 1*, Riza Alfita 2 2 1,2
Simposium Nasional Teknologi Terapan (SNTT) 5 017 ISSN:339-08X ESTIMASI LOCAL MOTION MENGGUNAKAN ALGORITMA PENCARIAN FOUR STEP Rosida Vivin Nahari 1*, Riza Alfita 1, Fakultas Teknik, Universitas Trunojoyo
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya
Lebih terperinciI. BAB I PENDAHULUAN
I. BAB I PENDAHULUAN I.1 Latar Belakang Seiring dengan perkembangan teknologi, penggunaan action camera untuk pengumpulan data geospasial menjadi sesuatu yang penting dan menjadi populer. Berbagai jenis
Lebih terperinciBAB 1 PENDAHULUAN. keakuratan dari penglihatan mesin membuka bagian baru dari aplikasi komputer.
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Melihat perkembangan teknologi sekarang ini, penggunaan komputer sudah hampir menjadi sebuah bagian dari kehidupan harian kita. Semakin banyak muncul peralatan-peralatan
Lebih terperinciImplementasi Deteksi Copy-move Forgery pada Citra menggunakan Metode Histogram of Oriented Gradients (HOG)
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) 1 Implementasi Deteksi Copy-move Forgery pada Citra menggunakan Metode Histogram of Oriented Gradients (HOG) Ni Luh Made Asri Mulyasari,
Lebih terperinciPurwarupa Sistem Penggabungan Foto Udara Pada UAV Menggunakan Algoritma Surf (Speeded-Up Robust Features)
IJEIS, Vol.5, No.2, October 2015, pp. 165~176 ISSN: 2088-3714 165 Purwarupa Sistem Penggabungan Foto Udara Pada UAV Menggunakan Algoritma Surf (Speeded-Up Robust Features) Farida Dewanti* 1, R. Sumiharto
Lebih terperinciNavigasi Perangkat Lunak ebook Reader Berbasis Mobile Menggunakan Fitur Face Tracking
Navigasi Perangkat Lunak ebook Reader Berbasis Mobile Menggunakan Fitur Face Tracking Rikza Azriyan, Saparudin, dan Reza Firsandaya Malik Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Digital [3] Citra atau gambar didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y), di mana x dan y adalah koordinat bidang datar, dan harga fungsi f di setiap
Lebih terperinciRizky Ichsan Parama Putra Dosen Pembimbing: Waskitho Wibisono, S.Kom., M.Eng., Ph.D. Hudan Studiawan, S.Kom, M.Kom
Rancang Bangun Sistem Pendeteksi Posisi dalam Ruangan Menggunakan Kekuatan Sinyal Wi-Fi dengan Penerapan Algoritma Cluster Filtered KNN Rizky Ichsan Parama Putra 5109100026 Dosen Pembimbing: Waskitho Wibisono,
Lebih terperinciApa itu is K-Nearest Neighbor (KNN) Algorithm?
K-Nearest Neighbor Pendahuluan K-Nearest Neighbour atau KNN adalah salah dari algoritma instance based learning atau case-based reasoning. Definisi case based reasoning: KNN digunakan dalam banyak aplikasi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh
Lebih terperinciBAB 4 PENGUJIAN DAN ANALISA
57 BAB 4 PENGUJIAN DAN ANALISA Pengujian dan analisa pada Bab 4 ini pada intinya adalah untuk mengetahui tingkat keberhasilan suatu sistem dengan metode yang sudah ditentukan. Masing masing metode mempunyai
Lebih terperinciSistem Pembaca Teks Bahasa Indonesia Otomatis Menggunakan Kamera Web Dengan Metode Integral Proyeksi
Sistem Pembaca Teks Bahasa Indonesia Otomatis Menggunakan Kamera Web Dengan Metode Sigit Wasista, Siwi Dian Priyanti Jurusan Teknik Elektronika Politeknik Elektronika Negeri Surabaya- Institut Teknologi
Lebih terperinciDeteksi Kedip Mata Berbasis Metode SURF
Deteksi Kedip Mata Berbasis Metode SURF Indra Agustian * Staf Pengajar Program Studi Teknik Elektro FT Universitas Bengkulu, *Email: indraunib@gmail.com ABSTRAK This research presents the realtime eye
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Persiapan Tahap persiapan merupakan tahapan penting dalam penelitian ini. Proses persiapan data ini berpengaruh pada hasil akhir penelitian. Persiapan yang dilakukan meliputi
Lebih terperinciFitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan
Fitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak
Lebih terperinciAplikasi Citra Mosaik Panoramik
Aplikasi Citra Mosaik Panoramik Reyza Rizki Mahaputra dan Karmilasari Jurusan Sistem Informasi, Fakultas Ilmu Komputer dan Tekonologi Informasi, Universitas Gunadarma, Depok - Indonesia, [reyza riz, karmila]@staff.gunadarma.ac.id
Lebih terperinciPENGENALAN POLA BENTUK BUNGA MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS DAN K-NN
PENGENALAN POLA BENTUK BUNGA MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS DAN K-NN Herfina 1) 1) Program Studi Ilmu Komputer, FMIPA Universitas Pakuan Jl. Pakuan PO BOX 452, Ciheuleut Bogora email : herfinario@yahoo.com
Lebih terperinciBAB III PEMODELAN BISNIS, DATA, DAN PROSES
BAB III PEMODELAN BISNIS, DATA, DAN PROSES 3.1 Pemodelan Bisnis Kehadiran ponsel pintar menjadi berperan penting dalam hubungan komunikasi dan akses terhadap informasi terkini menjadi lebih mudah dan praktis,
Lebih terperinciBAB 3 METODE PERANCANGAN. 3.1 Evaluasi Metode dan Algoritma Stereo Vision. Evaluasi terhadap beberapa metode dan algoritma yang ada untuk memperoleh
BAB 3 METODE PERANCANGAN 3.1 Evaluasi Metode dan Algoritma Stereo Vision Evaluasi terhadap beberapa metode dan algoritma yang ada untuk memperoleh informasi kedalaman berdasarkan stereo vision. 3.1.1 Metode
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN
Jurnal Teknik Informatika Vol. 1 September 2012 1 PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN Wahyu Saputra Wibawa 1, Juni Nurma Sari 2, Ananda 3 Program Studi
Lebih terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING
SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING Mohamad Aditya Rahman, Ir. Sigit Wasista, M.Kom Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya
Lebih terperinciTUGAS AKHIR KI1391. Penyusun Tugas Akhir : (NRP : ) Dosen Pembimbing :
TUGAS AKHIR KI1391 Penyusun Tugas Akhir : (NRP : 5106100060) Dosen Pembimbing : PENDAHULUAN DASAR TEORI PERANCANGAN PERANGKAT LUNAK IMPLEMENTASI PERANGKAT LUNAK UJI COBA DAN EVALUASI KESIMPULAN DAN SARAN
Lebih terperinciIdentifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski
Identifikasi Tanda Tangan Menggunakan Transformasi Gabor Wavelet dan Jarak Minskowski Junia Kurniati Computer Engineering Department Faculty of Computer Science Sriwijaya University South Sumatera Indonesia
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Zaman semakin berkembang pesat, begitu pula dengan teknologi dan ilmu pengetahuan yang juga turut berkembang dengan pesatnya. Hal ini, membuat manusia berpikir dan
Lebih terperinciBab III Pelaksanaan Penelitian
Bab III Pelaksanaan Penelitian Tahapan penelitian secara garis besar terdiri dari persiapan, pengumpulan data, pengolahan data, analisis data dan kesimpulan. Diagram alir pelaksanaan penelitian dapat dilihat
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Bali memiliki bermacam-macam obyek wisata yang sangat potensial untuk dijadikan ladang penghasil devisa bagi negara, tidak hanya itu saja para penduduk di sekitar obyek
Lebih terperinciAPLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA
APLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA Anita T. Kurniawati dan Afrilyan Ruli Dwi Rama Teknik Informatika-ITATS, Jl. Arief Rahman Hakim 100 Surabaya Email:
Lebih terperinciDETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR
DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR Naser Jawas STIKOM Bali Jl. Raya Puputan, No.86, Renon, Denpasar, Bali Email: naser.jawas@gmail.com ABSTRAK Meter air adalah sebuah alat yang
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Indonesia merupakan negara tropis yang memiliki + 30.000 spesies tumbuh-tumbuhan ([Depkes] 2007). Tumbuh-tumbuhan tersebut banyak yang dibudidayakan sebagai tanaman hias. Seiring
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Perkembangan dunia transportasi saat ini memberikan beberapa dampak baik dan buruk bagi pengguna alat transportasi maupun lalu lintas khususnya diperkotaan. Kota Medan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Setiap manusia diciptakan dengan bentuk fisik dan rupa yang berbeda sehingga manusia tersebut dapat dibedakan satu dengan yang lainnya. Pada teknologi informasi
Lebih terperinci