TUGAS AKHIR KI1391. Penyusun Tugas Akhir : (NRP : ) Dosen Pembimbing :

Transkripsi

1 TUGAS AKHIR KI1391 Penyusun Tugas Akhir : (NRP : ) Dosen Pembimbing :

2 PENDAHULUAN DASAR TEORI PERANCANGAN PERANGKAT LUNAK IMPLEMENTASI PERANGKAT LUNAK UJI COBA DAN EVALUASI KESIMPULAN DAN SARAN

3 Seiring dengan berkembangnya kemajuan teknologi hampir semua game, animasi, dan iklan menggunakan teknologi berbasis 3D Oleh karena itu diperlukan suatu perangkat lunak yang mampu menghasilkan obyek 3D dengan cepat dan mudah

4 Bagaimana melakukan kalibrasi kamera tehadap beberapa gambar 2D Bagaimana melakukan rekonstruksi terhadap beberapa gambar 2D dengan menggunakan algoritma Generalized Voxel Coloring Layered Depth Image

5 Simulasi eksperimen dilakukan dengan menggunakan MS Visual Studio 2005 Library OpenCV Matlab Data Pelatihan yang digunakan adalah beberapa image terhadap sebuah obyek

6 Hasil dari pelatihan : jumlah voxel yang dihasilkan waktu yang dibutuhkan untuk melakukan rekonstruksi dengan menggunakan beberapa Threshold jumlah penyusun image

7 Untuk mengembangkan perangkat lunak yang dapat menghasilkan obyek 3D yang berasal dari kumpulan gambar 2D dengan menggunakan algoritma Generalized Voxel Coloring

8 Merupakan teknik penyusunan bentuk tiga dimensi berdasarkan informasi informasi yang telah didapatkan dari proses komputasi beberapa image

9 Reskonstruksi dibagi menjadi 2 macam, yaitu menggunakan : Kalibrasi Kamera Photometric Stereo

10 Rekonstruksi terjadi bila terdapat suatu obyek dengan beberapa posisi kamera yang berbeda dengan satu arah cahaya

11 Tujuan Kalibrasi Kamera : memperoleh matriks intrinsik dan ekstrinsik Yang digunakan untuk mentransformasikan gambar dari image coordinates world coordinates

12 Parameter Intrinsik Kamera : W K f x dan f y C x dan C y k 1 dan k 2 p 1 dan p 2 : matriks intrinsic kamera : koefisien distorsi kamera (koefisien tingkat kelengkungan lensa, radial dan tangensial distorsi) : nilai focus kamera (jarak lensa dan bidang gambar) : koordinat titik tengah (titik tengah gambar dalam pixel) : distorsi radial : merupakan distorsi tangensial

13 Menggambarkan orientasi posisi dari kamera terhadap sistem koordinat sebenarnya dalam world coordinate dengan : R : matriks Rotasi T : matriks Translasi

14 Rekonstruksi terjadi bila terdapat satu obyek dengan satu posisi kamera dengan lebih dari satu cahaya

15 Image Based Rendering menggunakan analisa warna dari gambar dua dimensi Image Based Modelling menggunakan perhitungan matematis

16 Keuntungan Image Based Rendering adalah kemudahan dalam melakukan rekonstruksi suatu obyek yang bersifat photorealistic Yaitu : obyek yang berasal dari obyek sebenarnya pada dunia nyata

17 Merupakan sebuah metode rekonstruksi gambar tiga dimensi dari beberapa gambar dua dimensi Menghasilkan bentuk 3D dengan menggunakan teori visibility yang tepat dan penempatan kamera yang beruabah ubah

18 mengasumsikan sebuah ruang padat 3 dimensi yang tersusun atas voxel yang masing masing voxel akan dievaluasi apakah voxel tersebut merupakan bagian obyek atau bukan, jika bukan bagian dari obyek maka akan dilakukan pemahatan terhadap voxel tersebut (dikemukakan oleh Slabaugh)

19

20 Terdapat 2 macam Metode GVC : GVC Item Buffer memori <<, proses >> GVC Layered Depth Image (pengembangan dari GVC IB) memori >>, proses <<

21 initialize SVL render SVL to LDIs for every voxel V carved(v) = false copy SVL to CVSVL while (CVSVL is not empty) { delete V from CVSVL compute vis(v) if(consist(vis(v)) = false) { Carved(V) = true remove V from SVL for every pixel P in projection of V into all images { if(v is head of LDI(P) add next voxel on LDI(P) (if any) to CVSVL

22 delete V from LDI(P) } for every voxel N adjacent to V with N SVL{ N_is_visible = false for every pixel P in projection of N to all images { add N to LDI(P) if(n is head of LDI(P)) N_is_visible = true } add N to SVL if(n_is_visible) add N to CVSVL } } }

23

24 True, if < Threshold Consist (vis(v)) = False, Otherwise

25 Gambaran proses secara umum : Camera Calibration 3D Projection 3D Reconstruction

26 Start Find Intrinsic and Ectrinsic Camera Parameters Using Calibration Pattern Find Position of Internal corners of the Chessboard Find Extrinsic Camera Parameters for Particular View Refines Corner Location End

27 Dengan menggunakan persamaan berikut maka didapat nilai X, Y, dan Z (world coordinates)

28 Struktur Data yang digunakan : Single Linklist SVL (Surface Voxel List) : Voxel yang berada di permukaan obyek (nampak) CVSVL (Change Visiblity Surface Voxel List) : SVL yang akan dianalisis visibilitynya IVL (Inner Voxel List) : Voxel yang berada di dalam obyek (tidak nampak) LDI (Layered Depth Image) : SVL yang terproyeksikan ke Pixel P di setiap Voxel

29 Start Generate IVL dan SVL Generate CVSVL Generate LDI End

30 Start IVL No Initialize (U, V) (X, Y, 3D)1 = (X, Y, 3D)2 and (Z, 3D) maximum End Yes Compute World Coordinates SVL

31 Start Copy SVL to CVSVL Initialize SVL End

32 Start Initialize SVL No LDI <= SVL Yes (U, V, 3D)1 = (U, V, 3D)2

33 LDI 1 1 ( Y ) LDI 1 2 ( XYZRGB ) LDI 1 3 ( XYZRGB ) LDI 1 4 ( XYZRGB ) LDI 2 1 ( Y ) LDI 2 2 ( XYZRGB ) LDI 3 1 ( Y ) LDI 3 2 ( XYZRGB ) LDI 3 3 ( XYZRGB ) LDI 3 4 ( XYZRGB ) LDI 3 5 ( XYZRGB ) LDI 4 1 ( Y ) LDI 4 2 ( XYZRGB ) LDI 4 3 ( XYZRGB )

34

35 No Start Initialize 2D Coordinate IVL <= 3D Projection Projected to Same 3D Coordinate and have Z Maximal No No Yes For every Voxel LDI <= SVL Yes Projected to same U,V then Sort SVL <= IVL Yes CVSL <= SVL CVSVL!= NULL Yes Delete Voxel V from CVSVL Compute Visibility Voxel V No End No Remove Voxel V from SVL Carving Voxel V Yes Less than Threshold For every Pixel P in Projection of Voxel V into All Images Yes Voxel V = Head LDI(V) Yes Insert (LDI(V).next) to CVSVL Delete LDI(V) from LDI No Visibible (N) = FALSE Yes For every Voxel N Adjacent to Voxel V, N SVL Yes Iteration is Finished No No For every Pixel P in Projection of Voxel V into All Images Yes Insert (N) to LDI Voxel N = Head LDI(N) Yes Visible (N) = TRUE No Insert (N) to CVSVL Visible (N) = TRUE Insert (N) to SVL Yes Iteration is Finished No

36

37

38

39

40

41

42

43

44

45

46 threshold Image = 6 Imag e= 5 Image = 4 Image = 3 Image =

47 Jumlah image = 6 σ Σ IVL Σ CVSVL Σ LDI Σ SVL Waktu : 33 : : 32 : : 32 : : 32 : 10 Jumlah image = 5 σ Σ IVL Σ CVSVL Σ LDI Σ SVL Waktu : 26 : : 25 : : 25 : : 25 : 24

48 Jumlah image = 4 σ Σ IVL Σ CVSVL Σ LDI Σ SVL Waktu : 21 : : 21 : : 21 : : 21 : 33 Jumlah image = 3 σ Σ IVL Σ CVSVL Σ LDI Σ SVL Waktu : 20 : : 18 : : 18 : : 18 : 32

49 Jumlah image = 2 σ Σ IVL Σ CVSVL Σ LDI Σ SVL Waktu : 13 : : 13 : : 13 : : 13 : 42

50 Metode generalized voxel coloring layered depth image dapat digunakan untuk melakukan rekonstruksi tiga dimensi terhadap beberapa image Rekonstruksi tiga dimensi dengan menggunakan GVC LDI hanya bisa dilakukan dengan jumlah image dua dimensi lebih dari tiga Semakin besar nilai threshold maka waktu yang dibutuhkan untuk melakukan rekonstruksi cenderung lebih cepat Semakin besar nilai threshold semakin kecil jumlah SVL yang dihasilkan Hasil rekonstruksi tidak mengalami perubahan pada saat nilai threshold lebih besar atau sama dengan 50.00

51 Penambahan fungsi opmtimasi untuk pemilihan threshold yang tepat terhadap setiap image yang akan direkonstruksi Penggunaan library opengl lebih tepat sehingga menghasilkan obyek yang lebih halus dan detail

52

53

54

55

56

57

58

59

60

61

62

63 Nilai maximum Y Nilai minimum Y Nilai maximum Z Nilai minimum Z Nilai minimum X Nilai maximum X

64 Merupakan library yang terdiri dari fungsi fungsi cmputer vision dan API ( Application Programming Interface ) untuk image procesing high level maupun low level Sebagai optimasi aplikasi realtime mampu menciptakan aplikasi yang handal, kuat di bidang digital vision dan mempunyai kemampuan yang mirip dengan cara pengolahan visual pada manusia

65 CvMatMulAdd mengimplementasikan operasi dot product pada matriks cvmatmuladd(intrinsic_matrix, ekstrinsic, 0, intrinsickaliekstrinsic_matrix);

66 cvsolve menyelesaikan persamaan matriks (invers matriks) B = A -1 C cvsolve(intrinsickaliekstrinsic_matrix, surface_matrix, surfacevoxel_matrix, CV_SVD);

67 cvfindchessboardcorners menemukan jumlah chessboard pada sebuah gambar cvfindcornersubpix mencari keakuratan lokasi titik subpixel (radial saddle points) yang berdasarkan pada vektor titik tersebut

68 cvcalibratecamera2 mencari parameter intrinsik kamera cvfindextrinsiccameraparams2 mencari parameter ekstrinsik kamera cvrodrigues2 mengubah matriks rotasi menjadi vektor rotasi