DETEKSI MARKA JALAN DAN ESTIMASI POSISI MENGGUNAKAN MULTIRESOLUTION HOUGH TRANSFORM
|
|
- Hendra Budiaman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 DETEKSI MARKA JALAN DAN ESTIMASI POSISI MENGGUNAKAN MULTIRESOLUTION HOUGH TRANSFORM Charles Edison Chandra; Herland Jufry; Sofyan Tan Jurusan Sistem Komputer, Fakultas Ilmu Komputer, Universitas Bina Nusantara, Jln. K.H. Syahdan No. 9, Kemanggisan, Palmerah, Jakarta Barat ABSTRACT In this thesis were made an algorithm to detect road lane and estimating the position and angle of the camera to the road lane that found. In the implementation uses a camera to take a sample image and then will be processed using the Multiresolution Hough Transform as one of the main methods in detection of road lan. Computional Cost results which obtained in algorithms are slow, it takes an average of seconds, but the algorithm has its own advantages which are not only able to detect road lane, but also can estimate the position and angle of the camera to the road lane. With an average position error of cm and the average angular error of Keywords: Hough Transform, Multiresolution Hough Transform, Line Segment, Inverse Perspective Mapping, Road Lane. ABSTRAK Pada skripsi ini dibuat suatu algoritma untuk mendeteksi marka jalan serta mengestimasikan posisi dan sudut dari kamera terhadap marka jalan yang di temukan. Pada implementasinya menggunakan sebuah kamera untuk mengambil sample citra yang kemudian akan di proses dengan menggunakan Multiresolution Hough Transform sebagai salah satu metode utama dalam pendeteksian marka jalan. Hasil Computional Cost yang didapatkan pada algoritma ini termasuk lambat yaitu dengan waktu rata-rata yang dibutuhkan sebesar detik, namun pada algoritma ini memiliki kelebihan tersendiri yaitu tidak hanya bisa mendeteksi marka jalan namun juga dapat mengestimasikan posisi dan sudut kamera terhadap marka jalan dengan baik. Dengan eror posisi rata-rata sebesar cm dan eror sudut ratarata sebesar Kata kunci: Hough Transform, Multiresolution Hough Transform, Line Segment, Inverse Perspective Mapping, Marka Jalan.
2 PENDAHULUAN Lane detection merupakan suatu metode untuk mengetahui lokasi dari marka jalan tanpa diketahui terlebih dahulu noise yang terdapat pada lingkungan sekitarnya. Lane detection ini telah menjadi penelitian yang sering dilakukan oleh banyak orang agar bisa menjadi salah satu pendukung Driver Assistant maupun untuk Autonomous Navigation yang termasuk bagian dari Inteligent Transportation System. Namun penelitian ini masih berlanjut sampai sekarang ini dikarenakan dalam Lane detection ini masih terdapat banyak masalah-masalah yang belum bisa diselesaikan. Contohnya seperti sulitnya menentukan marka jalannya pada berbagai kondisi, terutama terhadap noise yang ada dilingkungan sekitarnya, seperti bayangan, garisgaris lain yang terdapat pada jalan, dan juga marka jalan yang sudah tidak utuh lagi atau sudah terputus-putus. Dalam lane detection ini terdapat beberapa metode yang bisa digunakan seperti yabg digunakan oleh M. Caner Kurtul (2010:21) dan B.Yu and A.K. Jain (1997:2) yaitu Multiresolution Hough Transform, lalu B.Yu and A.K. Jain (1996:9) juga mengunakan Multiresolution Hough Transform namun mengunakan parameter 3 dimensi. Kemudian ada juga Azali Saudi (2008:2) dan Qing Li (2004:4) mengunakan Randomized Hough Transform. Dan pada umumnya penelitian-penelitian lane detection sebelumnya hanya sampai tahap mendeteksi marka jalan saja, tetapi pada penelitian ini kami menambahkan suatu filtur yang baru lagi yaitu setelah ditemukan marka jalan yang ada maka akan mencari tahu posisi dan sudut dari kendaraan terhadap marka jalan yang ada. METODE PENELITIAN Pada penelitian ini, kami melakukan simulasi Road Lane Detection pada jalanan yang kosong. Informasi input yang diberikan berupa sample image jalan yang diambil menggunakan kamera. Metode yang digunakan yaitu Multiresolution Hough Transform. Output yang dihasilkan berupa posisi kendaraan terhadap marka jalan, yang nantinya akan menampilkan hasil deteksi garis jalan dan juga untuk mengetahui posisi dari kamera. Implementasi yang dilakukan ditujukan untuk menguji sistem yang telah dirancang, sistem dikatakan stabil apabila output system dapat mendeteksi marka jalan yang ada serta dapat mengestimasikan posisi dan sudut dari kamera. Sistem ini diuji dengan membandingkan posisi dan sudut yang asli dengan estimasi posisi dan sudut yang didapatkan serta melihat hasil marka jalan yang ditemukan. Pada skripsi ini, dilakukan percobaan sebanyak 30 kali dengan posisi dan sudut yang berbeda-beda : - Posisi 0 cm sudut posisi 0 cm sudut posisi 24 cm sudut posisi 24 cm sudut posisi 24 cm sudut posisi 30 cm sudut posisi 30 cm sudut posisi 30 cm sudut posisi 48 cm sudut 0 0
3 - posisi 48 cm sudut Untuk lebih jelasnya tentang posisi dan sudut dapat dilihat pada contoh gambar dibawah ini : Posisi Dan Sudut Pengambilan Data Keterangan: - Posisi kiri dari hasil yang didapatkan merupakan posisi real yang digunakan. - Garis merah merupakan marka jalan yang ditemukan sedangkan garis hijau merupakan semua garis yang ditemukan oleh Multiresolution Hough Transform - Masing-masing posisi memiliki 3 sample yang diambil error rata-ratanya - Fix error posisi maksimum = 10 cm - Fix error sudut maksimum = 5 o - Fix error sudut kemiringan antara 2 garis = 0.02 o - Fix jarak antara 2 garis = 48 cm Pada penelitian Road Lane Detection ini dibuat suatu algoritma untuk menyampaikan informasi marka jalan pada pengguna mobil. Disini terdapat beberapa tahapan yang harus dikerjakan oleh algoritma kita, pertama pada awalnya dilakukan preproccesing pada citra yang dimana dilakukan proses grayscale dan edge detection, agar citra dapat diproses oleh Multiresolution Hough Transform. Pada Multiresolution Hough Transform ini akan dicari garis-garis yang terdapat pada citra yang diproses. Kemudian garis-garis yang sudah ditemukan akan dicari line segment yaitu titik awal dan titik akhir pada masing-masing garis serta panjang dari garis tersebut namun sebelum dilakukan deteksi line segment terlebih dahulu harus dilakukan image cropping untuk memperkecil kemungkinan terdeteksinya garis yang bukan merupakan marka jalan. Setelah itu dilakukan proses Inverse Perspective Mapping yang bertujuan untuk memproyeksikan citra dari bidang citra ke bidang jalan. Citra yang sudah diproyeksikan ke bidang jalan tersebut akan dicari 2 garis paralel yang jarak antar garis sesuai dengan jarak yang sudah ditentukan, maka kedua garis yang ditemukan tersebut akan dianggap sebagai marka jalan. Setelah berhasil mendeteksi marka jalan, selanjutnya akan dilakukan perhitungan posisi marka jalan terhadap kamera.
4 START GRAYSCALING EDGE DETECTION MULTIRESOLUTION HOUGH TRANSFORM IMAGE CROPPING LINE SEGMENT INVERSE PERSPECTIVE MAPPING MENCARI DUA GARIS PARALEL No MENEMUKAN DUA GARIS PARALEL Yes JARAK ANTAR GARIS SESUAI No Yes HITUNG POSISI END Diagram Alir Perancangan Sistem Secara Umum
5 HASIL DAN BAHASAN Analisa Deteksi Marka Jalan Tabel 1 Hasil Deteksi Marka Jalan No Posisi dan Sudut Persentase Sample Yang Terdeteksi Sebagai Marka Jalan 1 Posisi 0 cm, Sudut 0 O 0% 2 Posisi 0 cm, Sudut 20 O 100% 3 Posisi 24 cm, Sudut 0 O 100% 4 Posisi 24 cm, Sudut 10 O 100% 5 Posisi 24 cm, Sudut -10 O 100% 6 Posisi 30 cm, Sudut 0 O 100% 7 Posisi 30 cm, Sudut 10 O 100% 8 Posisi 30 cm, Sudut -10 O 100% 9 Posisi 48 cm, Sudut 0 O 100% 10 Posisi 48 cm, Sudut -20 O 33.33% Pada tabel 1 diatas terlihat rata-rata disemua posisi dapat terdeteksi marka jalan dengan 100% atau dapat dibilang semua marka jalan yang ada dapat terdeteksi dengan baik, namun ada 1 posisi yang hanya terdeteksi 33,33% saja atau dapat dibilang hanya terdeteksi 1 sample dari total 3 sample yang ada dan ada juga 1 posisi yang tidak terdeteksi sama sekali yang dikarenakan pada kedua posisi ini garis marka jalan yang aslinya memang tidak terambil dengan jelas oleh kamera yang kita gunakan untuk mengambil sample gambar. Gambar 1 Kedua posisi yang tidak terdeteksi Marka Jalannya
6 Analisa Estimasi Posisi Dan Sudut No Posisi dan Sudut Tabel 2 Hasil Estimasi Posisi Dan Sudut Absolut Rata-Rata Error Posisi Absolut Rata-Rata Error Sudut 1 Posisi 0 cm, Sudut 0 O cm Posisi 0 cm, Sudut 20 O cm Posisi 24 cm, Sudut 0 O cm Posisi 24 cm, Sudut 10 O cm Posisi 24 cm, Sudut -10 O cm Posisi 30 cm, Sudut 0 O cm Posisi 30 cm, Sudut 10 O cm Posisi 30 cm, Sudut -10 O cm Posisi 48 cm, Sudut 0 O cm Posisi 48 cm, Sudut -20 O cm Rata-Rata cm Dilihat pada tabel 2 diatas posisi dan sudut yang mendapatkan error yang besar kebanyakan pada saat sudut kameranya tidak pada 0 0 melainkan sudah berubah dari 0 0 ke 20 0 maupun dari 0 0 ke ±10 0, sehingga dapat disimpulkan perubahan sudut pada kamera dapat menyebabkan kenaikan error posisi pada hasil yang didapatkan dan sebaliknya apabila sudut kamera pada 0 0 maka error posisi dan sudut yang didapatkan akan semakin kecil. Kemudian dilihat secara keseluruhan dari rata-rata error posisi dan sudut didapatkan error rata-rata posisi sebesar 2,0520cm dan error rata-rata sudut sebesar 1, Hasil estimasi posisi dan sudut disini sudah termasuk sangat akurat karena error yang didapatkan sangat kecil sekitar 1-2cm atau derajat saja sehingga tidak berpengaruh besar pada hasilnya, dan ditambah lagi sebagian besar error yang terjadi dari pengambilan data diatas dikarenakan pada saat melakukan pengambilan data memang sulit untuk mendapatkan posisi dan sudut yang benar-benar tepat dengan hanya menggunakan pengaris dan busur. Sisanya rata-rata dapat mendeteksi marka jalan yang ada dengan baik, dan apabila dilihat dari error rata-rata yang didapatkan sebenarnya sudah sangat kecil. Sehingga tidak berpengaruh terhadap hasil yang didapatkan atau dapat dibilang sudah berhasil menemukan marka jalan dan mengestimasikan posisi dengan baik. Analisa Waktu Proses Yang Dibutuhkan Tabel 3 Hasil Perhitungan Waktu Yang Dibutuhkan Dalam Pemrosesan Posisi dan Sudut Posisi 0 cm, Sudut 0 O Posisi 0 cm, Sudut 20 O Posisi 24 cm, Sudut 0 O Posisi 24 cm, Sudut 10 O Rata-rata Waktu Proses s s s s
7 Posisi 24 cm, Sudut -10 O Posisi 30 cm, Sudut 0 O Posisi 30 cm, Sudut 10 O Posisi 30 cm, Sudut -10 O Posisi 48 cm, Sudut 0 O Posisi 48 cm, Sudut -20 O Rata-Rata s s s s s s s Dilihat pada tabel 3 diatas rata-rata waktu yang dibutuhkan sebesar 4-5 detik, kecuali pada posisi 48 cm sudut 0 0. Ini dikarenakan jumlah garis yang terdeteksi pada posisi ini sangat sedikit yaitu hanya 9 garis sedangkan pada posisi lain rata-rata garis yang terdeteksi diatas 20 garis sehingga waktu yang dibutuhkan untuk posisi iniuntuk menyelesaikan algoritma ini dua kali lipat lebih cepat dibandingkan dengan posisi lainnya. Untuk keseluruhannya waktu rata-rata pemrosesan yang dibutuhkan pada percobaan pengambilan data adalah s. Yang dimana termasuk cukup lambat dibandingkan dengan pemrosesan MHT yang sudah pernah ada, ini dikarenakan disini ditambahkan algoritma untuk mengestimasikan posisi dari kamera terhadap marka jalan sehingga tentunya computational cost jadi lebih besar. Analisa Perbandingan HT Dengan MHT Tabel 4 Hasil Pendeteksian Marka Jalan Dan Waktu Yang Dibutuhkan Dengan Menggunakan HT Posisi & Sudut Threshold waktu 0cm & 0 Tidak terdeteksi Tidak terdeteksi Tidak terdeteksi - 0cm & 20 Tidak terdeteksi Tidak terdeteksi Tidak terdeteksi - 24cm & 0 Tidak terdeteksi Terdeteksi Tidak terdeteksi 1.7s 24cm & 10 Tidak terdeteksi Tidak terdeteksi Tidak terdeteksi - 24cm & -10 Tidak terdeteksi Terdeteksi Tidak terdeteksi 1.8s 30cm & 0 Tidak terdeteksi Terdeteksi Tidak terdeteksi 1.6s 30cm & 10 Tidak terdeteksi Terdeteksi Tidak terdeteksi 2s 30cm & -10 Tidak terdeteksi Terdeteksi Tidak terdeteksi 1.8s 48cm & 0 Tidak terdeteksi Tidak terdeteksi Tidak terdeteksi - 48cm & -20 Tidak terdeteksi Tidak terdeteksi Tidak terdeteksi - Dilihat pada tabel 4 diatas dapat disimpulkan MHT tidak hanya lebih cepat computional cost nya melainkan juga ketelitian pendeteksiannya, di HT hanya dapat mendeteksi saat threshold nya sebesar 150 dan memang disini waktunya lebih cepat tapi hanya setengah dari seluruh sample yang bisa dideteksi, dan ketika diturunkan threshold nya untuk menambah ketelitiannya waktunya dibutuhkan sudah terlalu lama sampai matlab saja tidak sanggup untuk memprosesnya lagi.
8 KESIMPULAN DAN SARAN Pada hasil percobaan skripsi ini didapatkan tingkat keberhasilan pendeteksian marka jalan hampir rata-rata 100%, kecuali 2 posisi yang memang tidak dapat terdeteksi marka jalannya pada algoritma yang sudah dibuat ini serta tingkat akurasi dalam estimasi posisi juga sudah sangat bagus dengan rata-rata error posisi sebesar cm dan rata-rata error sudut sebesar Namun waktu rata-rata yang dibutuhkan untuk pendeteksian marka jalan dan estimasi posisi termasuk lama yaitu detik. Dan diharapkan kedepannya dapat ditambahkan algoritma lagi untuk menambah ketelitian pendeteksiannya namun tentunya dengan ditambahkan algoritma lagi waktu yang dibutuhkan akan semakin lama sehingga diharapkan juga bisa dioptimasikan lagi algoritma untuk mempersingkat waktu perhitungannya dengan cara mengimplemetasikan secara real-time, karena apabila secara real-time thresholdnya bisa dinaikin lagi agar garis yang kedeteksi semakin sedikit dan waktu prosesnya juga akan semakin cepat. DAFTAR PUSTAKA Azali Saudi, J. T. (2008). Fast Lane Detection with Randomized Hough Transform. Information Technology, ITSim International Symposium, (pp. 1-5). Kinabalu. Canny, J. F. (1986). A Computational Approach to Edge Detection. Pattern Analysis and Machine Intelligence, IEEE Transactions, (pp ). Massachusetts. Duda, R. O. (1972). USE OF THE HOUGH TRASFORMTION TO DETECT LINES AND CURVES IN PICTURES. Proc. Comm. ACM (pp ). California: Graphics and W.Image Processing. Duda, R. O., & Hart, P. E. (1972). USE OF THE HOUGH TRASFORMTION TO DETECT LINES. (pp ). New York: Communications of the ACM. HOUGH, P. V. (1962, December 18). Method and means for recognizing complex patterns. Jain, B. Y. (1996). A Robust And Fast Skew Detection Algorithm. Pattern Recognition, KOTA, D. P. (1990). PETUNJUK PERENCANAAN MARKA JALAN. Jakarta: DIREKTORAT JENDERAL BINA MARGA. Kurtul, M. C. (2000). ROAD LANE AND TRAFFIC SIGN DETECTION & TRACKING FOR. Istanbul: Bogazici University. Lijun Ding, A. G. (2001). On the Canny edge detector. Pattern Recognition, MathWorks. (2009, June 26). MathWorks COorporation. Retrieved November 10, 2012, from MathWorks: Morvan, Y. (n.d.). Epixea. Retrieved October 30, 2012, from Multi-view video coding: Qing Li, N. Z. (2004). Lane Boundary Detection Using an Adaptive. Intelligent Control and Automation, WCICA Fifth World Congress, 5, pp Shanghai. ROSENFELD, A. (1969). Picture Processing by Computer. Academic Press New York.
9 Yoanes Naftalianto, D. W. (2012). RancangBangun Sensor Jarak Dengan Korespondensi Citra Dengan Ekstraksi Fitur SURF Dan Konsep Stereo Vision Yu, B., & Jain, A. K. (1997). Lane Boundary Detection Using A Multiresolution Hough Transform. Image Processing, Proceedings., International Conference, (pp ). Michigan.
DETEKSI MARKA JALAN DAN ESTIMASI POSISI MENGGUNAKAN MULTIRESOLUTION HOUGH TRANSFORM
DETEKSI MARKA JALAN DAN ESTIMASI POSISI MENGGUNAKAN MULTIRESOLUTION HOUGH TRANSFORM Charles Edison Chandra; Herland Jufry; Sofyan Tan Computer Engineering Department, Faculty of Engineering, Binus University
Lebih terperinciBAB IV IMPLEMENTASI & EVALUASI
BAB IV IMPLEMENTASI & EVALUASI Pada bab ini membahas tentang bagaimana cara mengimplementasikan dan pengambilan data serta melakukan evaluasi terhadap data-data yang sudah didapatkan. Pertama disini digunakan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengenalan Marka Jalan Marka jalan merupakan suatu penanda bagi para pengguna jalan untuk membantu kelancaran jalan dan menghindari adanya kecelakaan. Pada umumnya marka jalan
Lebih terperinciDETEKSI PERSIMPANGAN DAN BELOKAN PADA LINTASAN DI DEPAN ROBOT LINE FOLLOWER DENGAN KAMERA
DETEKSI PERSIMPANGAN DAN BELOKAN PADA LINTASAN DI DEPAN ROBOT LINE FOLLOWER DENGAN KAMERA Angga Setiawan Universitas Bina Nusantara, Jalan Syahdan No. 9, Jakarta, 11480, 021-534 5830 rezabudan@yahoo.com,
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 terperinciPEMANFAATAN KAMERA CCTV SEBAGAI ALAT BANTU TRAFFIC SURVEY BIDANG : TRAFFIC ENGINEERING. Ressi Dyah Adriani NPP
PEMANFAATAN KAMERA CCTV SEBAGAI ALAT BANTU TRAFFIC SURVEY BIDANG : TRAFFIC ENGINEERING Ressi Dyah Adriani NPP 10529 ressi.adriani@jasamarga.co.id ABSTRAK Data kepadatan lalu-lintas merupakan kebutuhan
Lebih terperinciPENENTUAN POSISI KAMERA DENGAN GEODESIC DOME UNTUK PEMODELAN. M. Yoyok Ikhsan *
PENENTUAN POSISI KAMERA DENGAN GEODESIC DOME UNTUK PEMODELAN M. Yoyok Ikhsan * ABSTRAK PENENTUAN POSISI KAMERA DENGAN GEODESIC DOME UNTUK PEMODELAN. Makalah ini memaparkan metode untuk menentukan posisi
Lebih terperinciImplementasi OpenCV pada Robot Humanoid Pemain Bola Berbasis Single Board Computer
Implementasi OpenCV pada Robot Humanoid Pemain Bola Berbasis Single Board Computer Disusun Oleh: Nama : Edwin Nicholas Budiono NRP : 0922004 Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof.Drg.Suria
Lebih terperinciMENENTUKAN KEPADATAN LALU LINTAS DENGAN PENGHITUNGAN JUMLAH KENDARAAN BERBASIS VIDEO PROCESSING
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2009 MENENTUKAN KEPADATAN LALU LINTAS DENGAN PENGHITUNGAN JUMLAH KENDARAAN BERBASIS VIDEO PROCESSING Muahamd Syukur¹, Iwan Iwut Tritoasmoro², Koredianto Usman³
Lebih terperinciSIMULASI DAN ANALISIS SISTEM PENGENALAN WAJAH TAMPAK SAMPING MENGGUNAKAN METODE LOCAL BINARY PATTERN (LBP)
SIMULASI DAN ANALISIS SISTEM PENGENALAN WAJAH TAMPAK SAMPING MENGGUNAKAN METODE LOCAL BINARY PATTERN (LBP) Ardy Dwi Caesaryanto¹, Bambang Hidayat², Ratri Dwi Atmaja³ ¹Teknik Telekomunikasi,, Universitas
Lebih terperinciPEMODELAN DINAMIKA KENDARAAN DENGAN JARINGAN SYARAF TIRUAN
PEMODELAN DINAMIKA KENDARAAN DENGAN JARINGAN SYARAF TIRUAN Satrio Dewanto Computer Engineering Department, Faculty of Engineering, BINUS University Jln. K.H. Syahdan No. 9, Palmerah, Jakarta Barat 11480
Lebih terperinciIMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B
IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN ANALISIS DETEKSI TEPI PADA ARM 11 OK6410B Heri Setiawan, Iwan Setyawan, Saptadi Nugroho IMPLEMENTASI PENTERJEMAH KODE ISYARAT TANGAN MENGGUNAKAN
Lebih terperinciImplementasi Teori Graf Dalam Masalah Fingerprint Recognition (Pengenalan Sidik Jari)
Implementasi Teori Graf Dalam Masalah Fingerprint Recognition (Pengenalan Sidik Jari) Amalfi Yusri Darusman Jurusan Teknik Informatika Institut Teknologi Bandung, jalan Ganesha 10 Bandung, email : if17023@students.if.itb.a.c.id
Lebih terperinciAPLIKASI PENGENALAN RAMBU BERBENTUK BELAH KETUPAT
APLIKASI PENGENALAN RAMBU BERBENTUK BELAH KETUPAT Andhika Pratama, Izzati Muhimmah Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia
Lebih terperinciDETEKSI DAN REPRESENTASI FITUR MATA PADA SEBUAH CITRA WAJAH MENGGUNAKAN HAAR CASCADE DAN CHAIN CODE
DETEKSI DAN REPRESENTASI FITUR MATA PADA SEBUAH CITRA WAJAH MENGGUNAKAN HAAR CASCADE DAN CHAIN CODE Riandika Lumaris dan Endang Setyati Teknologi Informasi Sekolah Tinggi Teknik Surabaya riandika.lumaris@gmail.com
Lebih terperinciPENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA
PENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA Dina Indarti Pusat Studi Komputasi Matematika, Universitas Gunadarma Jl. Margonda Raya no. 100, Depok 16424, Jawa Barat
Lebih terperinciPERANCANGAN DAN REALISASI PENDETEKSI POSISI KEBERADAAN MANUSIA MENGGUNAKAN METODE DETEKSI GERAK DENGAN SENSOR WEBCAM
PERANCANGAN DAN REALISASI PENDETEKSI POSISI KEBERADAAN MANUSIA MENGGUNAKAN METODE DETEKSI GERAK DENGAN SENSOR WEBCAM Disusun oleh : Yockie Andika Mulyono (1022027) Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciPENERAPAN ALGORITMA EFFICIENT RANDOMIZED UNTUK MENGHITUNG JUMLAH KOIN DAN BOLA ABSTRAK
PENERAPAN ALGORITMA EFFICIENT RANDOMIZED UNTUK MENGHITUNG JUMLAH KOIN DAN BOLA Yuliana Melita Pranoto 1, Endang Setyati 2 1) Teknik Informatika, Sekolah Tinggi Teknik Surabaya Jl. Ngagel Jaya Tengah 73-77
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 terperinciMENGHITUNG KECEPATAN MENGGUNAKAN COMPUTER VISION
MENGHITUNG KECEPATAN MENGGUNAKAN COMPUTER VISION Danny Agus Wahyudi; Iman H. Kartowisastro Computer Engineering Department, Faculty of Engineering, Binus University Jln. K.H. Syahdan No. 9, Palmerah, Jakarta
Lebih terperinciREALISASI PENGUKUR TINGGI BADAN MANUSIA SECARA REALTIME BEBRBASIS WEBCAM
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2012 REALISASI PENGUKUR TINGGI BADAN MANUSIA SECARA REALTIME BEBRBASIS WEBCAM Dwi Asto Yuliardi¹, Iwan Iwut Tritoasmoro², Inung Wijayanto³ ¹Teknik Telekomunikasi,,
Lebih terperinciAplikasi Metoda Random Walks untuk Kontrol Gerak Robot Berbasis Citra
Abstrak Aplikasi Metoda Random Walks untuk Kontrol Gerak Robot Berbasis Citra R. Febriani, Suprijadi Kelompok Keahlian Fisika Teoritik Energi Tinggi dan Instrumentasi Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciESTIMASI POSISI OBJEK BERDASARKAN STEREO VISION SYSTEM
ESTIMASI POSISI OBJEK BERDASARKAN STEREO VISION SYSTEM Chandra Suharlim; Eka Putra; Tommy Budiman; Iman Herwidiana Kartowisastro Computer Engineering Department, Faculty of Engineering, Binus University
Lebih terperinciIDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS)
Powered by TCPDF (www.tcpdf.org) IDENTIFIKASI NOMOR POLISI KENDARAAN BERMOTOR MENGGUNAKAN JARINGAN SYARAF TIRUAN SELF ORGANIZING MAPS (SOMS) Inung Wijayanto¹, Iwan Iwut Tritoasmoro², Koredianto Usman³
Lebih terperinciRancang 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 terperinciANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX
ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX Mohammad imron (1), Yuliana Melita (2), Megister Teknologi Informasi Institusi
Lebih terperinciIMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2009 IMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL Bambang Hermanto¹, Koredianto Usman², Iwan Iwut Tirtoasmoro³
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER
BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER Dalam analisis dan perancangan sistem program aplikasi ini, disajikan mengenai analisis kebutuhan sistem yang digunakan, diagram
Lebih terperinciImplementasi Kalman Filter Pada Sensor Jarak Berbasis Ultrasonik
Implementasi Kalman Filter Pada Sensor Jarak Berbasis Ultrasonik Hendawan Soebhakti, Rifqi Amalya Fatekha Program Studi Teknik Mekatronika, Jurusan Teknik Elektro Politeknik Negeri Batam Email : hendawan@polibatam.ac.id
Lebih terperinciDESAIN DAN IMPLEMENTASI SISTEM OBJECT TRACKING PADA BALANCING ROBOT MENGGUNAKAN HOUGH TRANSFORM
DESAIN DAN IMPLEMENTASI SISTEM OBJECT TRACKING PADA BALANCING ROBOT MENGGUNAKAN HOUGH TRANSFORM DESIGN AND IMPLEMENTATION OBJECT TRACKING SYSTEM ON BALANCING ROBOT USING HOUGH TRANSFORM Tidar Haryo Sularso
Lebih terperinciBAB 1 PENDAHULUAN. Dewasa ini, lahan parkir menjadi kebutuhan utama pengguna kendaraan,
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dewasa ini, lahan parkir menjadi kebutuhan utama pengguna kendaraan, terutama di kota-kota besar. Pada tempat-tempat yang ramai dikunjungi, untuk memudahkan dokumentasi
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN SISTEM
BAB 3 ANALISA DAN PERANCANGAN SISTEM 3.1 Analisa Program Aplikasi Dalam proses identifikasi karakter pada plat nomor dan tipe kendaraan banyak menemui kendala. Masalah-masalah yang ditemui adalah proses
Lebih terperinciPERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI
PERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI Nadia R.W (0822084) Email: neko882neko@yahoo.co.id Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof. Drg.
Lebih terperinciDETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL
DETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL Ari Sutrisna Permana 1, Koredianto Usman 2, M. Ary Murti 3 Jurusan Teknik Elektro - Institut Teknologi Telkom - Bandung
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 terperinci2015 PENGGUNAAN ALGORITMA FAST CONNECTIVE HOUGH TRANSFORM DAN ANALISIS HISTOGRAM UNTUK MENENTUKAN LOKASI PLAT NOMOR
BAB I PENDAHULUAN Latar Belakang Sistem pengawasan menggunakan kamera merupakan salah satu aplikasi praktis dari perkembangan teknologi yang dapat membantu permasalahan seharihari. Dengan sistem pengawasan
Lebih terperinciANALISA DETEKSI KELOMPOK USIA DAN GENDER BERDASARKAN KONTUR WAJAH DENGAN PENGOLAHAN CITRA DIGITAL
Powered by TCPDF (www.tcpdf.org) WAJAH DENGAN PENGOLAHAN CITRA DIGITAL Marlina Novalinda Br Purba¹, Achmad Rizal², Suryo Adhi Wibowo³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak Teknologi pengolahan
Lebih terperinciSISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA
SISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA Dirvi Eko Juliando Sudirman 1) 1) Teknik Komputer Kontrol Politeknik Negeri Madiun Jl Serayu No. 84, Madiun,
Lebih terperinciSistem Inspeksi Kecacatan Gelas Plastik Secara Visual Menggunakan Neural Network
5 Jurnal Teknik Elektro dan Komputer, Vol., No., April 0, 5-6 Sistem Inspeksi Kecacatan Gelas Plastik Secara Visual Menggunakan Neural Network Nur Khamdi Program Studi Teknik Mekatronika, Politeknik Caltex
Lebih terperinciBAB 3 METODE PERANCANGAN
BAB 3 METODE PERANCANGAN 3.1 Konsep dan Pendekatan Tujuan utama yang ingin dicapai dalam pengenalan objek 3 dimensi adalah kemampuan untuk mengenali suatu objek dalam kondisi beragam. Salah satu faktor
Lebih terperinciPokok Bahasan PENDAHULUAN PERANCANGAN SISTEM HASIL PENGUJIAN PENUTUP
Pokok Bahasan PENDAHULUAN PERANCANGAN SISTEM HASIL PENGUJIAN PENUTUP PENDAHULUAN 1. Sistem navigasi robot banyak dipakai dimanfaatkan untuk berbagai kebutuhan misalnya untuk membantu departemen pemadam
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Kerangka Pikir Pengenalan wajah merupakan suatu teknologi dalam dunia kecerdasan buatan agar komputer dapat meniru kemampuan otak manusia dalam mendeteksi dan mengenali
Lebih terperinciCalyptra : Jurnal Ilmiah Mahasiswa Universitas Surabaya Vol.4 No.2 (2015)
Estimasi Parameter Model Height-Roll-Pitch-Yaw AR Drone dengan Least Square Method Steven Tanto Teknik Elektro / Fakultas Teknik steventanto@gmail.com Agung Prayitno Teknik Elektro / Fakultas Teknik prayitno_agung@staff.ubaya.ac.id
Lebih terperinciKLASIFIKASI GAMBAR FOTO BERDASARKAN TEMPAT PENGAMBILAN DENGAN MENGGUNAKAN TRANSFORMASI HOUGH
KLASIFIKASI GAMBAR FOTO BERDASARKAN TEMPAT PENGAMBILAN DENGAN MENGGUNAKAN TRANSFORMASI HOUGH 1) Moch. Ali Rokhib, 2) Endang Setyati 1) Akademi Komunitas Negeri Sidoarjo PDD Politeknik Negeri Jember Jl.
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 terperinciIDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH ABSTRAK
IDENTIFIKASI SESEORANG BERDASARKAN CITRA TELINGA DENGAN MENGGUNAKAN METODE TRANSFORMASI HOUGH Syafril Tua (0822088) Jurusan Teknik Elektro email: syafrilsitorus@gmail.com ABSTRAK Struktur telinga adalah
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 terperinciDeteksi Jenis Kendaraan di Jalan Menggunakan OpenCV
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) A-296 Deteksi Jenis di Jalan Menggunakan OpenCV Alvin Lazaro, Prof. Dr. Ir. Joko Lianto Buliali, M.Sc., Bilqis Amaliah S.Kom.,
Lebih terperinciANALISIS PELACAKAN OBJEK MOBIL DENGAN OPTICAL FLOW PADA KAMERA DIAM DAN BERGERAK
ANALISIS PELACAKAN OBJEK MOBIL DENGAN OPTICAL FLOW PADA KAMERA DIAM DAN BERGERAK Wahyu Supriyatin 1), Winda Widya Ariestya 2) 1, 2) Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Gunadarma
Lebih terperinciBAB 2 LANDASAN TEORI. metode yang digunakan sebagai pengawasan kendaraan yang menggunakan pengenalan
BAB 2 LANDASAN TEORI 2.1 Automatic Number Plate Recognition Automatic Number Plate Recognition atau yang disingkat dengan ANPR adalah metode yang digunakan sebagai pengawasan kendaraan yang menggunakan
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 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 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 terperinciIMPLEMENTASI PENGUKURAN JARAK DENGAN METODA DISPARITY MENGGUNAKAN STEREO VISION PADA ROBOT OTONOMUS PENGHINDAR RINTANGAN
IMPLEMENTASI PENGUKURAN JARAK DENGAN METODA DISPARITY MENGGUNAKAN STEREO VISION PADA ROBOT OTONOMUS PENGHINDAR RINTANGAN Disusun oleh : Hendra (1022021) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.
Lebih terperinciPembuatan Aplikasi Pengenalan Wajah Dengan Metode Discrete Cosine Transform Dengan Contoh Kasus Presensi Sederhana
Pembuatan Aplikasi Pengenalan Wajah Dengan Metode Discrete Cosine Transform Dengan Contoh Kasus Presensi Sederhana Rendy Yonathan Sofian Teknik Informatika rendyyonathan@gmail.com Abstrak - Bidang penelitian
Lebih terperinciBAB 4 HASIL DAN BAHASAN. Percobaan dilakukan dengan menggunakan dua buah objek berbeda, seperti
BAB 4 HASIL DAN BAHASAN 4.1 Kerangka Percobaan Percobaan dilakukan dengan menggunakan dua buah objek berbeda, seperti yang telah dijelaskan pada bab 3. Berikut ini adalah kerangka dari percobaan yang dilakukan
Lebih terperinci1. Pendahuluan Latar Belakang
1. Pendahuluan 1.1. Latar Belakang Meningkatnya kebutuhan manusia akan sistem keamanan berbasis tracking yang dapat bekerja secara otomatis membuat ilmuwan mulai menciptakan berbagai macam teknologi dan
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Ekstraksi ciri Citra yang digunakan dalam penelitian ini berukuran 150 x 150 pixel, sehingga jika divektorkan akan menghasilkan vektor berukuran 22500. Melalui tahap ekstraksi ciri
Lebih terperinciSistem Ar Drone Pengikut Garis Menggunakan Algoritma Progressive Probabilistic Hough Transform
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 9, September 2018, hlm. 2965-2971 http://j-ptiik.ub.ac.id Sistem Ar Drone Pengikut Garis enggunakan Algoritma Progressive
Lebih terperinciSistem Pendeteksi Gambar Termanipulasi Menggunakan Metode SIFT
Sistem Pendeteksi Gambar Termanipulasi Menggunakan Metode SIFT Regina Lionnie 1, Mudrik Alaydrus 2 Program Studi Magister Teknik Elektro, Universitas Mercu Buana, Jakarta 1 regina.lionnie.id@ieee.org,
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN
44 BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah. 3.1.1 Analisa Permasalahan Pengenalan uang kertas
Lebih terperinciPengembangan Prototype Sistem Untuk Manajemen Lahan Parkir Dengan Jaringan Sensor Kamera Nirkabel
Pengembangan Prototype Sistem Untuk Manajemen Lahan Parkir Dengan Jaringan Sensor Kamera Nirkabel ALDELLA PUTRA A. NRP 070006 Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro-FTI, Institut
Lebih terperinciPenggunaan Pohon Biner dalam Pemodelan Struktur Statistik Mata Manusia
Penggunaan Pohon Biner dalam Pemodelan Struktur Statistik Mata Manusia Aditya Rizkiadi Chernadi - 13506049 Jurusan Teknik Informatika ITB, Jalan Ganesha 10 Bandung, email: if16049@students.if.itb.ac.id
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 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 terperinciANALISA PERANCANGAN SISTEM
Gambar 2.16. Black Bo Pengujian black bo adalah pengujian aspek fundamental sistem tanpa memperhatikan struktur logika internal perangkat lunak. Metode ini digunakan untuk mengetahui apakah perangkat lunak
Lebih terperinciAnalisa Perbandingan Algoritma Histogram of Oriented Gradient (HOG) dan Gaussian Mixture Model (GMM) Dalam Mendeteksi Manusia
Analisa Perbandingan Algoritma Histogram of Oriented Gradient (HOG) dan Gaussian Mixture Model (GMM) Dalam Mendeteksi Manusia Yolinda Fatimah Munawaroh 1), Ciksadan 2), Irma Salamah 3) 1),2),3 ) Program
Lebih terperinciPENGARUH PENCAHAYAAN TERHADAP KINERJA SEGMENTASI
PENGARUH PENCAHAYAAN TERHADAP KINERJA SEGMENTASI Iman H. Kartowisatro Computer Engineering Department, Faculty of Engineering, BINUS University Jln. K.H. Syahdan No. 9, Palmerah, Jakarta Barat 11480 imanhk@binus.edu
Lebih terperinciBAB I PENDAHULUAN. (terlibat 8%) (Austroads, 2002). Salah satu faktor terbesar penyebab kecelakaan
BAB I PENDAHULUAN 1.1 Latar Belakang Tingkat kecelakaan lalu lintas diindonesia tergolong cukup tinggi. Menurut BPS (Badan Pusat Statistik) Indonesia, terdapat sebanyak 117.949 kecelakaan lalu lintas pada
Lebih terperinciPENGENALAN WAJAH DENGAN METODE TEMPLATE MATCHING SEBAGAI SISTEM STARTER SEPEDA MOTOR BERBASIS MIKROKONTROLER ATMEGA 16 Oleh : Margito Hermawan
PENGENALAN WAJAH DENGAN METODE TEMPLATE MATCHING SEBAGAI SISTEM STARTER SEPEDA MOTOR BERBASIS MIKROKONTROLER ATMEGA 16 Oleh : Margito Hermawan 6907040024 Fajar Indra 6907040026 ABSTRACT Face recognition
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 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 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Metode Perancangan Perancangan sistem didasarkan pada teknologi computer vision yang menjadi salah satu faktor penunjang dalam perkembangan dunia pengetahuan dan teknologi,
Lebih terperinciREALISASI SISTEM DETEKSI RASA KANTUK BERDASARKAN DURASI KEDIPAN MATA SECARA REAL TIME MENGGUNAKAN METODE VIOLA-JONES
REALISASI SISTEM DETEKSI RASA KANTUK BERDASARKAN DURASI KEDIPAN MATA SECARA REAL TIME MENGGUNAKAN METODE VIOLA-JONES Avrian Andreas Marjono NRP : 1222006 e-mail : avrianandreas@yahoo.co.id ABSTRAK Rasa
Lebih terperinciDr. Ir. Endra Pitowarno, M.Eng PENS-ITS. Seminar New Concept Robotics: Robot Vision 22 Februari 2007 Universitas Gunadarma - Jakarta.
Endra Pitowarno 27 Inside the Robotic Vision Dr. Ir. Endra Pitowarno, M.Eng PENS-ITS Seminar New Concept Robotics: Robot Vision 22 Februari 27 Universitas Gunadarma - Jakarta Endra Pitowarno 27 Vision
Lebih terperinciPengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah
Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter Roslyn Yuniar Amrullah 7406040026 Abstrak Computer Vision merupakan disiplin ilmu perpanjangan dari pengolahan citra digital dan kecerdasan buatan.
Lebih terperinciLatar Belakang 7/3/2014
DETEKSI FITUR DAN PENENTUAN POSISI HUMANOID SOCCER ROBOT DALAM LAPANGAN STANDAR ROBOCUP BEBASIS SENSOR ORIENTASI DAN PENANDA TIDAK UNIK OLEH : ACH HADI DAHLAN 2210100180 DOSEN PEMBIMBING : 1. PROF. DR.
Lebih terperinciPENERAPAN METODE HOUGH LINE TRANSFORM UNTUK MENDETEKSI PINTU RUANGAN MENGGUNAKAN KAMERA
PENERAPAN METODE HOUGH LINE TRANSFORM UNTUK MENDETEKSI PINTU RUANGAN MENGGUNAKAN KAMERA ABSTRACT Syahri Muharom Jurusan Teknik Elektro Institut Teknologi Adhi Tama Surabaya Jl. Arief Rachman Hakim, Klampis
Lebih terperinciDAFTAR ISI. BAB 3 PERANCANGAN PERANGKAT LUNAK 3.1 Diagram Alir Utama Kamera Web iii
Aplikasi Kamera Web Untuk Mengidentifikasi Plat Nomor Mobil Jemmy / 0322042 E-mail : kaiser_jemmy@yahoo.com Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jalan Prof. Drg. Suria
Lebih terperinciPemantauan Kondisi Kepadatan Jalan Kelurahan Sawojajar dengan menggunakan Image Processing Berbasis Visual Basic 6.0
Pemantauan Kondisi Kepadatan Jalan Kelurahan Sawojajar dengan menggunakan Image Processing Berbasis Visual Basic 6.0 Kholilatul Wardani, Aditya Kurniawan Politeknik Kota Malang Kompleks Pendidikan Internasional
Lebih terperinciPENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION
PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION Suhendry Effendy Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University
Lebih terperinciABSTRAK Robovision merupakan robot yang memiliki sensor berupa indera penglihatan seperti manusia. Untuk dapat menghasilkan suatu robovision, maka
ABSTRACT Robovision is a robot that has a sensor in the form of the human senses such as vision. To be able to produce a robovision, it is necessary to merge the technologies of robotics and computer vision
Lebih terperinciPENGENALAN POLA PENDETEKSI HURUF VOKAL MNGGUNAKAN METODE K-MEANS
LAPORAN S K R I P S I PENGENALAN POLA PENDETEKSI HURUF VOKAL MNGGUNAKAN METODE K-MEANS FITRIA DEVI RESTANTI NIM. 201251025 DOSEN PEMBIMBING Endang Supriyati, M.Kom Aditya Akbar Riadi, S.Kom, M.Kom PROGRAM
Lebih terperinciKLASIFIKASI POLA UKIR KAYU JEPARA BERDASARKAN DETEKSI TEPI BERBASIS JARINGAN SYARAF TIRUAN
LAPORAN SKRIPSI KLASIFIKASI POLA UKIR KAYU JEPARA BERDASARKAN DETEKSI TEPI BERBASIS JARINGAN SYARAF TIRUAN VAHRUL MEILANI NIM.2012-51-115 DOSEN PEMBIMBING Endang Supriyati, M.Kom Alif Catur Murti, S.Kom,
Lebih terperinciPenerapan Watermarking pada Citra berbasis Singular Value Decomposition
Penerapan Watermarking pada Citra berbasis Singular Value Decomposition David Leonard Hasian ( 0522049 ) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jln. Prof. Drg. Suria Sumantri
Lebih terperinciBAB 1 PENDAHULUAN. Dalam bahasa Inggris ada pepatah yang mengatakan a picture is worth a
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam bahasa Inggris ada pepatah yang mengatakan a picture is worth a thousand words yang memiliki arti sebuah gambar bernilai beribu kata yang secara tidak sengaja
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 terperinciBAB III METODE PENELITIAN. tracking obyek. Pada penelitian tugas akhir ini, terdapat obyek berupa bola. Gambar 3.1. Blok Diagram Penelitian
BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan dalam pengerjaan Tugas Akhir ini adalah studi literatur, pembuatan program serta melakukan deteksi dan tracking obyek. Pada
Lebih terperinciABSTRAK. v Universitas Kristen Maranatha
ABSTRAK Tanda tangan merupakan sesuatu yang unik yang dimiliki setiap orang sehingga seringkali dipakai untuk menentukan keabsahan dokumen ataupun transaksi. Akan tetapi tanda tangan menjadi rentan terhadap
Lebih terperinciKOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL
KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL Rudy Adipranata Universitas Kristen Petra Jl. Siwalankerto 121-131, Surabaya. Telp. (031) 8439040
Lebih terperinciDAFTAR ISI.. LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK.. ABSTRACT... DAFTAR TABEL.. DAFTAR PERSAMAAN..
ABSTRAK Perkembangan teknologi yang semakin pesat, membuat semakin sedikitnya suatu industri yang memakai operator dalam menjalankan suatu proses produksi. Pada saat ini, kontrol otomatis lebih banyak
Lebih terperinciPENERAPAN METODE DETEKSI TEPI CANNY UNTUK SISTEM PENGENALAN PLAT NOMOR KENDARAAN TUGAS AKHIR
PENERAPAN METODE DETEKSI TEPI CANNY UNTUK SISTEM PENGENALAN PLAT NOMOR KENDARAAN (STUDI KASUS PADA TEMPAT PARKIR NYI AGENG SERANG) TUGAS AKHIR Diajukan sebagai salah satu syarat untuk memperoleh gelar
Lebih terperinciAPLIKASI DRIVER S FATIGUE ESTIMATION AND DROWSINESS DETECTION SYSTEM MENGGUNAKAN METODE HAARCASCADE CLASSIFIER
APLIKASI DRIVER S FATIGUE ESTIMATION AND DROWSINESS DETECTION SYSTEM MENGGUNAKAN METODE HAARCASCADE CLASSIFIER Welly Dwi Putra Universitas Bina Nusantara, Jalan K.H. Syahdan Komplek Sandang F5a Jakarta
Lebih terperinciImplementasi Algoritma Speeded Up Robust Features (SURF) Pada Pengenalan Rambu Rambu Lalu Lintas
e-issn : 2443-2229 Implementasi Algoritma Speeded Up Robust Features (SURF) Pada Pengenalan Rambu Rambu Lalu Lintas Firma Firmansyah Adi #1, Muhammad Ichwan *2, Yusup Miftahuddin #3 # Jurusan Teknik Informatika,
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. Jones, kami membuat sebuah aplikasi sederhana, dengan spesifikasi perangkat lunak
BAB IV IMPLEMENTASI DAN EVALUASI 4.1 Aplikasi Pengujian Untuk menguji kecepatan dan keakuratan metode pendeteksian wajah Viola Jones, kami membuat sebuah aplikasi sederhana, dengan spesifikasi perangkat
Lebih terperinciBAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
Lebih terperinciROBUST BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK KUANTISASI KOEFISIEN DISCRETE WAVELET TRANSFORM
ROBUST BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN TEKNIK KUANTISASI KOEFISIEN DISCRETE WAVELET TRANSFORM Annissa Yanuvita Prabawaningtyas (1022053) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.
Lebih terperinciLeast Square Estimation
Least Square Estimation Untuk menyelesaikan koefisien proyeksi di posisi output, pendekatan Least-Squares pada fungsi aplikabel di ditulis dengan persamaan berikut: dimana sinyal kepastian c menetapkan
Lebih terperinciGambar 15 Contoh pembagian citra di dalam sistem segmentasi.
dalam contoh ini variance bernilai 2000 I p I t 2 = (200-150) 2 + (150-180) 2 + (250-120) I p I t 2 = 28400. D p (t) = exp(-28400/2*2000) D p (t) = 8.251 x 10-4. Untuk bobot t-link {p, t} dengan p merupakan
Lebih terperinci