ESTIMASI JARAK DAN POSISI ORIENTASI OBJEK MENGGUNAKAN STEREO CAMERA DAN KALMAN FILTER
|
|
- Surya Budiaman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ESTIMASI JARAK DAN POSISI ORIENTASI OBJEK MENGGUNAKAN STEREO CAMERA DAN KALMAN FILTER Faikul Umam Program Studi Mekatronika, Fakultas Teknik,Universitas Trunojoyo Jl. Raya Telang, PO BOX 2 Kamal, Bangkalan faikul@yahoo.com ABSTRAK Dalam proses navigasi, robot memerlukan sebuah sensor untuk mengenali lingkungannya. Sensor menghasilkan sinyal dan menginformasikan sinyal tersebut ke sistem berikutnya. Dalam perkembangannya, untuk meningkatkan kemampuan adaptasi robot terhadap lingkungannya, sensor berbasis kamera (visual preception) mulai digunakan untuk mendeteksi objek. Kamera menghasilkan sebuah gambar statis atau citra sebagai fungsi kontinyu pada bidang dua dimensi. Agar dapat diolah, sebuah citra harus dipresentasikan secara numerik dengan nilai-nilai diskrit yang diwakili oleh sebuah matriks dua dimensi f(x,y). Pengukuran jarak dan posisi orientasi objek menggunakan satu kamera masih memiliki kesalahan yang cukup tinggi yakni mecapai 75 %. Untuk menangani hal ini, terinspirasi dari penglihatan manusia, dikembangan sebuah sensor menggunakan 2 buah kamera yang dipasang sejajar dan dipisahkan oleh jarak yang dikenal dengan sistem stereo camera. Dalam proses identifikasi objek, digunakan Hough Transform untuk identifikasi objek diam dan Haar Cascade untuk identifikasi objek bergerak. Untuk membantu menghilangkan noise dalam proses identifikasi objek digunakan Kalman Filter. Berdasarkan pengujian, error maksimum pengukuran hanya 3,6 % pada jarak 280 cm untuk objek diam dan 3,4% pada jarak 250 cm untuk objek bergerak. Kata kunci : Stereo Camera, Hough Transform, Haar Cascade, Kalman Filter. ABSTRACT robot navigation systems reuire sensors to recognize its environment. The sensor generates a signal and transmit it to the next system. To improve the robot adaptation to the environment, the camera-based sensor is used to detect objects, The camera produces a static image or image as a continuous function of the two-dimensional plane. In order to be processed, an image must be presented numerically by discrete values represented by a two-dimensional matrix. Angle and distance measurements using a single camera still has a high error is 75%. To resolve that, designing stereo camera sensor inspired by binocular vision. In the process of object identification, Hough Transform algorithm is used for static object identification and Haar Cascade Classifier for moving object identification, and then kalman filter is designing to eliminate some noise. Based on testing, the maximum measurement error 3.6% at a distance of 280 cm for static objects and 3.4% at a distance of 250 cm for moving objects. Keyword: Stereo Camera, Hough Transform, Haar Cascade, Kalman Filter.
2 PENDAHULUAN Pengolahan citra digital saat ini banyak digunakan sebagai objek penelitian. Disiplin ilmu tersebut telah banyak memberikan hal positif untuk kehidupan manusia. Hampir disegala bidang kehidupan, teknik ini memiliki peran yang cukup berarti. Misalnya saja dalam bidang pemerintahan, teknik ini digunakan untuk pengembangan e-ktp. Pengembangan salah satu teknik pengolahan citra digital dapat memberikan kontribusi terhadap disiplin ilmu yang lain. Misalnya dalam dunia robotika, pengolahan citra digital mulai digunakan untuk memperbaiki sistem navigasi. Saat ini, sensor berbasis kamera telah banyak diaplikasikan pada sistem navigasi robot. Hal ini juga telah menginspirasi pemerintah untuk mengembangkan ilmu pengetahuan dengan mengadakan kompetisi robot pemain sepak bola menggunakan sensor kamera. Pengembangan sensor berbasis kamera memang memiliki tantangan dan kesulitan yang sangat tinggi, selain memerlukan proses komputasi yang cepat, faktor dari luar juga mempengaruhi kinerja sensor tersebut, misalnya intensitas cahaya. Awalnya hanya digunakan satu kamera untuk identifikasi objek, tetapi hal ini masih dianggap memiliki banyak kelemahan atau belum cukup memenuhi kebutuhan sistem navigasi, karena error pengukuran jarak dan posisi orientasi objek masih sangat besar yakni mencapai 75% [1]. Kemudian dikembangkan sebuah sensor perpaduan antara kamera dan laser. Hasilnya cukup memuaskan, sensor jenis ini memiliki kehandalan dalam mendeteksi objek 2 dan 3 dimensi [2]. Bahkan pada penelitian terbaru, teknik stero vision dikembangkan berdasarkan kombinasi dari kamera Omni-directional dan kamera perspektif. Teknik ini menggabungkan bidang pandang 360 o dari kamera Omnidirectional dengan bidang pandang yang panjang dari kamera perspektif yang digunakan untuk mengetahui perkiraan posisi hambatan 3 dimensi. Penelitian ini menunjukkan hasil yang sangat baik, yakni halangan dapat dideteksi secara real time [3]. Berdasarkan hal tersebut, maka pada penelitian ini dikembangkan sebuah sensor menggunakan 2 buah kamera yang dipasang sejajar dan dipisahkan oleh jarak untuk estimasi pengukuran jarak dan posisi orientasi objek. Untuk mengetahui keakuratan dari sensor ini, digunakan dua objek yang berbeda, yakni identifikasi objek diam menggunakan Hough Transform dan identifikasi objek bergerak menggunakan Haar Cascade. METODE Stereo Camera Struktur biologis manusia sudah banyak mengilhami para peneliti untuk terus melakukan riset, misalnya Stereo Camera. Terbentuknya algoritma Stereo Camera diilhami oleh penglihatan kedua mata pada manusia (Binocular vision), dinama data atau objek yang dilihat oleh kedua mata kita sebenarnya letaknya berbeda dan tumpang tindih. Hasil penglihatan mata kanan memiliki nilai posisi sendiri (x, y) begitu juga dengan mata kiri, ini disebabkan karena kedua mata memiliki perdebaan sudut pandang dalam melihat sebuah objek. Gambar 1 menjelaskan bahwa mata kanan dan mata kiri mendeteksi sebuah objek, posisi objek yang ditangkap oleh mata kanan berbeda dengan posisi objek yang ditangkap oleh mata kiri. Semakin dekat sebuah objek dengan mata, maka perbedaan tersebut akan semakin jelas. Gambar 1. Struktur Penglihatan Manusia
3 Pada sistem Stereo Camera, dua buah kamera dipasang sejajar yang dipisahkan oleh jarak, kedua kamera mengambil gambar pada saat yang bersamaan, dengan menggunakan geometri kamera, maka geometri area tangkapan kamera dapat dihitung. Semakin dekat sebuah ojek dengan kedua kamera, maka semakin besar perbedaan posisi objek tersebut terhadap kedua kamera. Perbedaan ini kemudian dikenal dengan disparity. Seperti pada Gambar 2, Sumbu optik kedua kamera adalah sejajar dan dipisahkan oleh b, dalam hal ini b adalah baseline yaitu jarak antara titik tengah kamera kiri dan titik tengah kamera kanan. Sebuah sistem koordinat terpasang dimana sumbu x ( LC X, RC X dan X) sejajar dengan b dan sumbu z ( LC Z, RC Z dan Z) sejajar dengan sumbu optik. Titik adalah titik dalam sebuah ruang hasil tangkapan kamera. Titik memiliki koordinat (x, y, z) yang merupakan hasil proyeksi dari titik LI (x, y) dan RI (x, y) [4][5]. Sehingga titik (x, y, z) yang diproyeksikan dari titik LI (x, y) dan RI (x r, y r). dapat dicari dengan persamaan (3). LI x y [ LI RI x y [ RI f 0 ] = [ 0 f 0 0 = [ f 0 ] = [ 0 f 0 0 x y z ] = x a ] [ ] y z 0 1 [ 1 ] x a ] [ ] y z 0 1 [ 1 ] 1 2 RI LI [ x x RI a( 2 x RI a f a LI + x y (1) (2) ) ] (3) Haar Cascade Pada penelitian ini, pendeteksian objek bergerak menggunakan deteksi upper body. Pendeteksian upper body dianggap sebagai kasus tertentu dari kelas deteksi objek, dimana tugas utama dari deteksi objek adalah menemukan lokasi dan ukuran sebuah objek yang diinginkan dalam sebuah video atau image. Terdapat banyak metode yang dapat digunakan untuk melakukan pendeteksian upper body, salah satunya adalah metode viola-jones. Metode violajones cukup efektif dan cepat untuk diterapkan pada deteksi upper body, mengingat sensor yang digunakan adalah stereo vision [6]. Gambar 2. Geometri Stereo Camera Proyeksi dari stereo camera frame ke left image frame dan right image frame adalah urutan operasi translasi dan transformasi proyeksi dimana nilai focal length f adalah sama dengan f L dan f R. Proyeksi titik stereo camera frame ke left image frame seperti pada persamaan (1), sedangkan proyeksi titik stereo camera frame ke right image frame seperti pada persamaan (2). Gambar 3. Cascade Classifier Pendeteksian Upper Body diawali dengan capture oleh kamera yang menghasilkan image dalam bentuk RGB, image RGB kemudian dikonversi kedalam bentuk Gray. Image dalam bentuk gray akan dilatih oleh haar cascade classifier yang berisi sampel Upper Body hingga berates-ratus kali seperti pada Gambar 3. Jika Upper Body belum ditemukan, pelatihan akan terus dilakukan, jika Upper Body ditemukan,
4 maka dibuat sebuah penanda berupa kotak segi empat di area sekitar Upper Body. Hough Transform (HT) Deteksi objek diam pada penelitian ini menggunakan objek berupa lingkaran, dimana algoritma pendeteksian yang digunakan adalah Hough Transform (HT). HT merupakan suatu teknik untuk menentukan lokasi suatu bentuk dalam citra. Metode ini bisa dikatakan metode yang pintar, karena pada dasarnya setiap pixel yang ada pada citra akan men-vote pada setiap daerah yang dia perkirakan ada bentuk geometri yang dimaksud. Dalam implementasinya, HT melakukan pemetaan terhadap titik-titik pada citra ke dalam parameter space (HT space) berdasarkan suatu fungsi yang mendefinisikan bentuk yang ingin dideteksi. HT dapat dideskripsikan sebagai sebuah transformasi dari sebuah titik pada bidang xy terhadap ruang parameter, dimana ruang parameter ditentukan berdasarkan bentuk objek yang dicari. Sebuah garis lurus melewati titik (x1, y1) dan (x2, y2) terhadap bidang xy dapat dideskripsikan dalam persamaan (4) [7]. y = ax + b (4) ρ = x cos θ + y sin θ (5) Persamaan (4) merupakan persamaan garis lurus dalam koordinat kartesian, dimana a dan b merepresentasikan parameter dari garis. HT untuk garis tidak menggunakan representasi garis, karena garis yang tegak lurus terhadap sumbu x akan memiliki sebuah nilai tak terhingga. Hal ini memaksa ruang parameter a,b untuk memiliki ukuran yang tidak terbatas. Sebaliknya, sebuah garis direpresentasikan oleh garis normalnya yang dapat direpresentasikan sudut θ dan panjang ρ seperti pada persamaan (5). Ruang parameter sudah dapat direntang oleh θ dan ρ, dimana nilai θ tergantung pada resolusi yang digunakan untuk θ dan Jarak ke garis ρ akan memiliki ukuran maksimum dari dua kali panjang diagonal citra. Lingkaran sebenarnya lebih sederhana untuk direpresentasikan ke dalam ruang parameter dibandingkan dengan garis, karena lingkaran dapat langsung ditransfer ke ruang parameter. Hough Transform dapat mencari lingkaran dengan mengganti persamaan atas kurva dalam proses deteksi. Persamaan ini bisa dalam bentuk eksplisit seperti pada persamaan (6), ataupun parametrik. Persamaan (6) mendefinisikan kedudukan titik (x,y) dari titik pusat (a,b), dengan jari-jari R atau dapat dibuat persamaan parametric : R 2 = (x a) 2 + (y b) 2 (6) x = a + R cos (θ) (7) y = b + R sin (θ) (8) Pada pengerjaannya, HT akan mencari titik-titik yang diduga sebagai bagian tepi dari suatu lingkaran, kemudian dengan menggunakan persamaaan (7) dan (8) akan dicari nilai R, a, b. Hal ini bertujuan untuk menemukan titik pusat sebenarnya dari lingkaran yang mengandung titik-titik tersebut. Titik pusat sebenarnya baru akan diambil bila terdapat perpotongan antara lingkaran yang dibuat oleh HT. Sama halnya seperti deteksi upper body, proses awal untuk deteksi objek lingkaran adalah proses capture dari kedua kamera. Hasil yang didapat adalah sebuah image dalam bentuk RGB, image tersebut dikonversi menjadi image dalam bentuk grayscale. Setelah image dalam bentuk grayscale didapatkan, kemudian dicari sebuah lingkaran menggunakan metode hough transform. Kalman Filter Pada saat proses deteksi, setelah sebuah objek berhasil diidentifikasi, kadangkala kotak penanda (detector) tidak fixed di satu tempat, terjadi perpindahan kotak penanda secara terus menerus meskipun objek dalam keaadaan diam. Hal ini berakibat berubahnya titik tengah penanda sebagai acuan perhitungan jarak dan posisi orientasi
5 objek. Jika hal inidibiarkan maka hasil perhitungan akan selalu berubah-ubah meskipun objek tersebut dalam keadaan diam. Oleh karena itu, untuk mengatasi hal ini dilakukan pemfilteran menggunakan kalman filter terhadap deteksi yang dihasilkan. Kalman filter merupakan sebuah estimator yang mengestimasi state output sensor yang kotor akibat adanya noise. Kalman filter melakukan pendekatan teknis dengan cara megira-ngira fungsi parameter dalam sebuah peramalan timeseries. Kalman Filter merupakan suatu algoritma yang menggabungkan model dan pengukuran. Data pengukuran terbaru menjadi bagian penting dari algoritma filter Kalman karena data mutakhir akan mengoreksi hasil prediksi, sehingga hasil estimasi selalu mendekati kondisi yang sebenarnya [8]. dan posisi orientasi objek. Oleh karena itu, untuk meminimalisir bergersernya salah satu kamera yang menyebabkan perubahan baseline, kedua kamera dibuat fixed seperti pada Gambar 5. Penghitungan jarak dan posisi orientasi objek diawali dengan kamera mendeteksi sebuah objek baik itu objek bergerak maupun objek diam, kemudian sistem akan mengidentifikasi objek yang dimaksud dengan memberi penanda hasil capture objek pada masing-masing kamera. Setelah objek diidentifikasi, tentukan titik tengah masing-masing penanda (x center, y center), jadi ada empat parameter yang dihasilkan yaitu XL center, YL center, XR center, dan YR center. Kemudian dengan menggunakan persamaan 3, jarak dan posisi orientasi objek dapat dihitung. Perancangan Sistem Pada penelitian ini, sensor stereo camera dirancang menggunakan menggunakan 2 buah kamera web biasa. Untuk mempermudah pengoperasian dan mengurangi kesalahan pada saat proses pendeteksian dan proses perhitungan, digunakan 2 kamera web dengan tipe dan merk yang sama. Masing-masing kamera web memiliki resolusi 8MP dan angle view 50 derajat. Kedua kamera web tersebut dipasang sejajar, panjang baseline atau jarak titik tengah kamera kiri dengan kamera kanan 8 cm seperti pada Gambar 4. Baseline(b) Gambar 4. Rancangan Sistem Stereo Kamera Gambar 5. Objek Penelitian Dibuat Fixed Perubahan panjang baseline dapat mempengaruhi perhitungan jarak Gambar 6. Diagram Alir Proses Penghitungan Jarak dan Posisi Orientasi Objek Menggunakan Sensor Stereo Kamera
6 Piksel Pixel HASIL DAN PEMBAHASAN Deteksi Objek Seperti yang dikemukakan di awal, proses deteksi objek pada penelitian ini menggunakan Haar Cascade untuk objek bergerak dan Hough Transform untuk objek diam. Objek yang digunakan adalah pejalan kaki yang dikenali dengan deteksi upper body untuk objek bergerak dan digunakan lingkaran untuk deteksi objek diam. Kamera Kanan (a) Kamera Kiri Gambar 8 dan Gambar 9, Grafik warna merah merupakan osilasi atau perpindahan penanda sebelum dilakukan pemfilteran, sedangkan grafik warna biru adalah pemfilteran penanda menggunakan kalman filter Time Gambar 8. Pemfilteran pada Deteksi Upper Body (b) Gambar 7. (a) Deteksi Upper Body, (b) Deteksi Lingkaran Objek yang telah berhasil dideteksi akan diberi sebuah penanda seperti pada Gambar 7. Deteksi kamera kanan dan kamera kiri memiliki menghasilkan posisi yang berbeda, ini disebabkan oleh sudut pandang yang berbeda dari kedua kamera tersebut. Selama proses deteksi, penanda tidak fixed pada satu pixel meskipun objek dalam keadaan diam. Ini menyebabkan penghitungan jarak yang dihasilkan juga akan berubah-ubah, oleh karena itu setelah objek berhasil diidentifikasi dengan sebuah penanda, maka penanda akan dilakukan pemfilteran menggunakan kalman filter dengan tujuan agar penanda tidak bergerak atau berosilasi. Seperti pada Time Gambar 9. Pemfilteran pada Deteksi Lingkaran Estimasi Pengukuran Jarak Pengukuran jarak objek bergerak diuji dalam rentang cm, berdasarkan hasil pengujian, jarak objek halangan bisa diukur dengan jarak terdekat 130 dan jarak terjauh 270 cm, jika jarak objek terlalu dekat maka sensor tidak dapat mengenali objek, begitu juga jika terlalu jauh sensor juga tidak dapat mengenali objek, ini disebabkan pengaturan besar kecilnya detector, jika detector di buat sangat kecil maka saat jarak dekat objek tidak akan dikenali
7 begitu juga sebaliknya, dengan alasan tersebut dipilih ukuran detector 200 x 200 dengan jangkauan jarak minimum 130 cm dan jarak maksimum 270 cm. seperti pada Tabel 1, error minimum pengukuran jarak terjadi pada saat jarak halangan mencapai 190 cm dengan nilai error 0% dan error maksimum pada jarak 250 cm dengan error sebesar 3,4%. Tabel 1. Pengukuran Jarak pada Objek Bergerak Jarak Aktual (cm) Jarak Pengukuran (cm) Error (%) Pengukuran jarak pada objek diam diuji dalam rentang cm, berdasarkan hasil pengujian seperti pada Tabel 2, jarak objek target diukur antara rentang 80 sampai 300 cm, error minimum terjadi pada saat jarak target saat 80 cm dan 240 cm dengan nilai error 0% dan error maksimum pada jarak 280 cm dengan error sebesar 3.64 %. Tabel 2. Pengukuran Jarak pada Objek Diam Jarak Aktual (cm) Jarak Pengukuran (cm) Error (%) Estimasi Pengukuran Posisi Orientasi Selain jarak, parameter lain yang diperlukan untuk mengidentifikasi keberadaan sebuah objek adalah posisi orientasi halangan, dalam hal ini posisi orientasi yang dimaksud adalah sudut objek. Setiap kamera memiliki angle view yang berbeda-beda. Spesifikasi yang dikeluarkan oleh vendor menyatakan bahwa angle view pada kamera Prolink tipe PCC5020 adalah 70 derajat. Pada saat pengukuran kamera tipe ini hanya memiliki angle view sebesar 50 derajat, nilai ini didapatkan dari hasil pengukuran dengan cara menarik garis lurus dari batas pandang kiri dan batas pandang kanan kamera sampai ke titik tengah kamera. Setelah angle view kamera diketahui, maka dapat dicari sudut objek dengan cara memetakan kedua angle view kedua kamera dengan resolusi yang dipakai, jika resolusi yang dipakai adalah 640 x 320, maka dapat dipetakan seperti Tabel 3. Tabel 3. Pemetaan Sudut dengan Pixel Image Piksel Sudut Jika nilai piksel sama dengan 0, maka sudut sama dengan 25, jika nilai pikesl sama dengan 320, maka sudut bernilai 0, dan jika piksel bernilai 640, maka sudut bernilai -25. Dari pemetaan ini, maka dapat dicari fungsi liniernya menggunakan persamaan 9. y = x + 25 (9) dimana y adalah sudut, dan x adalah nilai piksel. Hasil Penghitungan ditunjukkan pada Tabel 4. Tabel 4. Pengukuran Sudut Berdasarkan Pixel No Pixel Sudut No. Pixel Sudut
8 SIMPULAN Berdasarkan hasil penelitian, proses penghitungan jarak pada stereo camera diawali dengan menghilangkan noise yang menyebabkan detector selalu bergerak menggunakan kalman filter. Error maksimal pada pengukuran objek bergerak hanya berkisar 3,4%, sedangkan error maksimal pada pengukuran objek diam hanya 3.6 %. Dari hasil ini, pengukuran jarak menggunakan stereo camera lebih presisi dibandingkan dengan pengukuran hanya menggunakan single camera. [8]. Mohinder S. G., Angus P. A., Kalman Filtering : Theory And Practice Using Matlab. Wiley, Canada.. DAFTAR PUSTAKA [1]. Pambudi. W.S., Salamah. I, Tompunu. A.N., Deteksi dan Estimasi Jarak Objek Menggunakan Single Camera Dengan Model Segmentasi HSV, Seminar Nasional Teknoin, D134-D137. [2]. Soumare. S, Ohya A., Yuta S., Real-Time Obstacle Avoidance By An Autonomous Mobile Robot Using An Active Vision Sensor And A Vertically Emitted Laser Slit, Intelligent Robot Laboratory, University of Tsukuba Japan. [3]. Lauer M, Schönbein M, Lange S, Welker Stefan, D- Objecttracking With a Mixed Omnidirectional Stereo Camera System, Sincedirect Mechatronics [4]. Purwanto D., Imaging Geometry, Dept.Of Electrical Engineering Institut Teknologi Sepuluh Nopember (ITS), Surabaya. [5]. Wöhler C., D Computer Vision Efficient Methods and Applications. Springer Dordrecht Heidelberg London, New York. [6]. Viola P., Jones M.J., Robust Real-Time Face Detection, International Journal Of Computer Vision 57 (2), [7]. Pedersen S., Circular Hough Transform, Aalborg University.
Implementasi 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 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 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 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 terperinciSistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC
Sistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC Hanjaya Mandala (1).EkoRudiawan,S.ST (2).HendawanSoebhakti,ST.,MT (3). (1) (2) (3) Politeknik Negeri Batam
Lebih terperinciDETEKSI 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 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 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 terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
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 terperinciOPTIMASI ALGORITMA IDENTIFIKASI STRABISMUS
OPTIMASI ALGORITMA IDENTIFIKASI STRABISMUS PADA MATA MANUSIA BERBASIS IMAGE PROCESSING DENGAN EUCLIDEAN DISTANCE PADA SISTEM MEKANIKAL AUTOMATED OPTICAL INSPECTION (AOI) AHMAD RIFA I RIF AN NRP. 2106 100
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
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 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 terperinciModel Sistem Akses Tempat Parkir Berdasarkan Pengenalan Plat Nomor Kendaraan. Andry Jonathan ( )
Model Sistem Akses Tempat Parkir Berdasarkan Pengenalan Plat Nomor Kendaraan Andry Jonathan (1122041) Email: andry.jonathan1234@gmail.com Jurusan Teknik Elektro, Fakultas Teknik Jl. Prof. Drg. Suria Sumantri
Lebih terperinciRancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection
JURNAL TEKNIK POMITS Vol., No., (22) -6 Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection Muji Tri Nurismu
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 terperinciKlasifikasi Warna Menggunakan Pengolahan Model Warna HSV
JURNAL ILMIAH ELITE ELEKTRO, VOL. 2, NO. 2, SEPTEMBER 2011: 83-87 Klasifikasi Warna Menggunakan Pengolahan Model Warna HSV R. D. Kusumanto 1*, Alan Novi Tompunu, dan Wahyu Setyo Pambudi 2 1. Jurusan Teknik
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 terperinciBAB 3 PENANGANAN JARINGAN KOMUNIKASI MULTIHOP TERKONFIGURASI SENDIRI UNTUK PAIRFORM-COMMUNICATION
BAB 3 PENANGANAN JARINGAN KOMUNIKASI MULTIHOP TERKONFIGURASI SENDIRI UNTUK PAIRFORM-COMMUNICATION Bab ini akan menjelaskan tentang penanganan jaringan untuk komunikasi antara dua sumber yang berpasangan.
Lebih terperinciAnalisis Kesalahan Pengukuran Kecepatan Akibat Distorsi Lensa
JURNAL TEKNIK ITS Vol. 5, No. 2, (21) ISSN: 2337-3539 (231-9271 Print) A9 Analisis Kesalahan Pengukuran Akibat Distorsi Lensa Yudha Hardhiyana Putra dan Yusuf Kaelani Jurusan Teknik Mesin, Fakultas Teknologi
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 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 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 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 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 terperinciAlgoritma Interpolasi Citra Berbasis Deteksi Tepi Dengan Directional Filtering dan Data Fusion
Algoritma Interpolasi Citra Berbasis Deteksi Tepi Dengan Directional Filtering dan Data Fusion Nama : Adrianus Ivan Hertanto Nrp : 0522058 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha,
Lebih terperinciMANIPULASIGAMBARUNTUK GAMBAR SEMUA ARAH (OMNIDIRECTIONAL IMAGE)
MANIPULASIGAMBARUNTUK GAMBAR SEMUA ARAH (OMNIDIRECTIONAL IMAGE) Sukma Meganova Effendi 1, Dadet Pramadihanto 2, Imam Dui Agusalim 3 1 Program Studi Mekatronika, Politeknik Mekatronika Sanata Dharma Kampus
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 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 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 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 terperinci1. Pendahuluan 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Salah satu cara untuk berkomunikasi adalah dengan cara melakukan interaksi langsung. Dengan interaksi maka setiap orang dapat mengerti maksud pernyataan ataupun perintah
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 terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan
Lebih terperinciAplikasi Kamera Web Untuk Mengukur Luas Permukaan Sebuah Obyek 3D
Aplikasi Kamera Web Untuk Mengukur Luas Permukaan Sebuah Obyek 3D Alexander Christian / 0322183 Jl. Ciumbuleuit 46-48 Bandung 40141 Telp 081933371468 Email: christiansthang@yahoo.com Jurusan Teknik Elektro,
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 terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. Spesifikasi minimum dari perangkat keras yang diperlukan agar dapat. Graphic Card dengan memory minimum 64 mb
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Driver 4.1.1 Spesifikasi Perangkat Keras Spesifikasi minimum dari perangkat keras yang diperlukan agar dapat menjalankan driver ini adalah: Prosesor Pentium
Lebih terperinciCopyright Tabratas Tharom 2003 IlmuKomputer.Com
Pengolahan Citra Pada Mobil Robot Tabratas Tharom tharom@yahoo.com Copyright Tabratas Tharom 2003 IlmuKomputer.Com BAB 1 PENDAHULUAN 1.1. PERANCANGAN PENGOLAHAN CITRA SEBUAH MOBIL ROBOT Perancangan pengolahan
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM Sistem vision yang akan diimplementasikan terdiri dari 2 bagian, yaitu sistem perangkat keras dan perangkat lunak. Perangkat lunak yang digunakan dalam sistem vision ini adalah
Lebih terperinciDETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL
DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL Muhammad Affandes* 1, Afdi Ramadani 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Kontak Person : Muhammad
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 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 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 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 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 terperinciPENDETEKSI DOCKING STATION MENGGUNAKAN ROTATION INVARIANT LOCAL BINARY PATTERN PADA VISUAL BASED SERVICE ROBOT
PENDETEKSI DOCKING STATION MENGGUNAKAN ROTATION INVARIANT LOCAL BINARY PATTERN PADA VISUAL BASED SERVICE ROBOT Riza Agung Firmansyah 1), Djoko Purwanto 2), Ronny Mardiyanto 3) 1), 2),3) Teknik Elektro
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 terperinciPENDETEKSI DOCKING STATION MENGGUNAKAN ROTATION INVARIANT LOCAL BINARY PATTERN PADA VISUAL BASED SERVICE ROBOT
PENDETEKSI DOCKING STATION MENGGUNAKAN ROTATION INVARIANT LOCAL BINARY PATTERN PADA VISUAL BASED SERVICE ROBOT Riza Agung Firmansyah1) Djoko Purwanto2) Ronny Mardiyanto3) 1) 2)3) Teknik Elektro Institut
Lebih terperinciINTEGRATION AND EVALUATION USING PATTERN RECOGNITION FOR MOBILE ROBOT NAVIGATION. Iman H. Kartowisastro.; Budiyanto Mulianto; Valentinus Rahardjo
INTEGRATION AND EVALUATION USING PATTERN RECOGNITION FOR MOBILE ROBOT NAVIGATION Iman H. Kartowisastro.; Budiyanto Mulianto; Valentinus Rahardjo Jurusan Sistem Komputer, Fakultas Ilmu Komputer, Universitas
Lebih terperinciBab II Teori Dasar 2.1 Representasi Citra
Bab II Teori Dasar 2.1 Representasi Citra Citra dapat direpresentasikan sebagai kumpulan picture element (pixel) pada sebuah fungsi analog dua dimensi f(x,y) yang menyatakan intensitas cahaya yang terpantul
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 terperinciAnalisa Perbandingan Metode Edge Detection Roberts Dan Prewitt
Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt Romindo Polikteknik Ganesha Medan Jl. Veteran No. 190 Pasar VI Manunggal romindo4@gmail.com Nurul Khairina Polikteknik Ganesha Medan Jl. Veteran
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Sistem pengenalan wajah adalah aplikasi dari pengolahan citra yang dapat mengidentifikasi seseorang melalui citra digital atau frame video. Sistem pengenalan wajah
Lebih terperinciPELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION
PELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION Adhadi Kurniawan 1), I Wayan Mustika 2), dan Sri Suning Kusumawardani 3) 1),2), 3) Laboratorium Sistem Elektronis, Jurusan
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 terperinciLANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital
LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Citra dapat didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y) dimana x dan y merupakan koordinat bidang datar, dan harga fungsi f disetiap
Lebih terperinciPENGENDALI POINTER DENGAN GAZE TRACKING MENGGUNAKAN METODE HAAR CLASSIFIER SEBAGAI ALAT BANTU PRESENTASI (EYE POINTER)
PENGENDALI POINTER DENGAN GAZE TRACKING MENGGUNAKAN METODE HAAR CLASSIFIER SEBAGAI ALAT BANTU PRESENTASI (EYE POINTER) Edi Satriyanto (edi@eepis-its.edu) Fernando Ardilla Risa Indah Agustriany Lubis Politeknik
Lebih terperinciPenerapan Algoritma Particle Filter pada Face Tracking
pp. 1~5 ISSN: 1978-1520 1 Penerapan Algoritma Particle Filter pada Face Tracking Very Rahmawan, David Oktavian, Derry Alamsyah STMIK GI MDP, Jalan Rajawali No.14 Palembang, 0711-376400 Jurusan Teknik Informatika,
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Manusia memiliki kemampuan visual dalam satu sistem yang utuh. Sistem visual manusiatersebut terdiri atas gabungan dari proses perekaman dan pendeteksian obyek. Oleh
Lebih terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
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 III METODE PENELITIAN. melacak badan manusia. Dimana hasil dari deteksi atau melacak manusia itu akan
BAB III METODE PENELITIAN 3.1. Model Pengembangan Tujuan dari tugas akhir ini adalah untuk membuat sebuah aplikasi untuk mengatur kontras pada gambar secara otomatis. Dan dapat meningkatkan kualitas citra
Lebih terperinciWatermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2014) 1-6 1 Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital Latifatul Machbubah, Drs. Soetrisno, MI.Komp Jurusan Matematika, Fakultas
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. menggunakan serial port (baudrate 4800bps, COM1). Menggunakan Sistem Operasi Windows XP.
BAB 4 IMPLEMENTASI DAN EVALUASI Bab ini menjelaskan tentang hasil penelitian yang berupa spesifikasi sistem, prosedur operasional penggunaan program, dan analisa sistem yang telah dibuat. 4.1 Spesifikasi
Lebih terperinciAplikasi Pembesaran Citra Menggunakan Metode Nearest Neighbour Interpolation
Aplikasi Pembesaran Citra Menggunakan Metode Nearest Neighbour Interpolation Daryanto 1) 1) Prodi Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Jember Email: 1) daryanto@unmuhjember.ac.id
Lebih terperincioleh: M BAHARUDIN GHANIY NRP
oleh: M BAHARUDIN GHANIY NRP. 1202 109 022 Teknologi fotografi pada era sekarang ini berkembang sangat pesat. Hal ini terbukti dengan adanya kamera digital. Bentuk dari kamera digital pada umumnya kecil,
Lebih terperinciKONTROL ROBOT MOBIL PENJEJAK GARIS BERWARNA DENGAN MEMANFAATKAN KAMERA SEBAGAI SENSOR
KONTROL ROBOT MOBIL PENJEJAK GARIS BERWARNA DENGAN MEMANFAATKAN KAMERA SEBAGAI SENSOR Thiang, Felix Pasila, Agus Widian Electrical Engineering Department, Petra Christian University 121-131 Siwalankerto,
Lebih terperinciSISTEM PENDETEKSI PENGHALANG DIAM MENGGUNAKAN METODE PYRAMIDAL LUCAS KANADE OPTICAL FLOW DENGAN PUSTAKA OPENCV
SISTEM PENDETEKSI PENGHALANG DIAM MENGGUNAKAN METODE PYRAMIDAL LUCAS KANADE OPTICAL FLOW DENGAN PUSTAKA OPENCV oleh Sukra Bambang Wahyu Tri Hatmaja NIM : 612008023 Skripsi Untuk melengkapi salah satu syarat
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 terperinciGERAKAN BERJALAN OMNIDIRECTIONAL UNTUK ROBOT HUMANOID PEMAIN BOLA
GERAKAN BERJALAN OMNIDIRECTIONAL UNTUK ROBOT HUMANOID PEMAIN BOLA Disusun oleh : Nama : Christian Hadinata NRP : 0822017 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.Prof.Drg.Suria Sumantri, MPH No. 65,
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 terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN A. DESKRIPSI ALAT Perhitungan benih ikan dengan image processing didasarkan pada luas citra benih ikan. Pengambilan citra menggunakan sebuah alat berupa wadah yang terdapat kamera
Lebih terperinciDAFTAR ISI ABSTRAK... 7 KATA PENGANTAR... 8 DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN...
DAFTAR ISI Penulis Halaman ABSTRAK..... 7 KATA PENGANTAR... 8 DAFTAR ISI.... 10 DAFTAR TABEL... 15 DAFTAR GAMBAR... 16 DAFTAR LAMPIRAN... 18 BAB I PENDAHULUAN... 2 1.1 Latar Belakang Masalah... 2 1.2 Perumusan
Lebih terperinciBAB II TEORI PENUNJANG
BAB II TEORI PENUNJANG 2.1 Computer Vision Komputerisasi memiliki ketelitian yang jauh lebih tinggi bila dibandingkan dengan cara manual yang dilakukan oleh mata manusia, komputer dapat melakukan berbagai
Lebih terperinciPERANCANGAN PENDETEKSIAN TARGET BERDASARKAN WARNA PAKAIAN PADA SISTEM ROBOT PENGIKUT MANUSIA
PERANCANGAN PENDETEKSIAN TARGET BERDASARKAN WARNA PAKAIAN PADA SISTEM ROBOT PENGIKUT MANUSIA M. Latif Jurusan Mekatronika Fakultas Teknik Universitas Trunojoyo Madura Jl. Raya Telang PO.BOX 2 Kamal Bangkalan
Lebih terperinci1.8 Jadwal Pelaksanaan
BAB I PENDAHULUAN 1.1 Latar Belakang Bangun geometri 2 dimensi adalah sebuah bidang datar yang dibatasi oleh garis-garis dan dimana titik ujung setiap garis terhubung dengan garis yang lain minimal tiga
Lebih terperinci3 METODE. Waktu dan Tempat Penelitian
18 Gambar 17 Pegujian sistem navigasi: (a) lintasan lurus tanpa simpangan, (b)lintasan lurus dengan penggunaan simpangan awal, (c) lintasan persegi panjang, (d) pengolahan tanah menggunakan rotary harrower
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN. Tahap & Hasil Langkah Penelitian Literatur & Referensi. Memahami konsep deteksi wajah
BAB 3 ANALISIS DAN PERANCANGAN Pada bab ini berisi tentang analisis dan perancangan terhadap permasalahan yang sedang diteliti seperti analisis kebutuhan data dan informasi serta teknik dan peralatan yang
Lebih terperinciSISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI ABSTRAK
SISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI Adhi Fajar Sakti Wahyudi (0722062) Jurusan Teknik Elektro Email: afsakti@gmail.com ABSTRAK Teknologi pengenalan
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 terperinciESTIMASI FUNGSI SPASIAL PADA IDENTIFIKASI FITUR WAJAH
ESTIMASI FUNGSI SPASIAL PADA IDENTIFIKASI FITUR WAJAH Akhyar 1*, Risanuri Hidayat 1, Bimo Sunarfri Hantono 1 1 Department of Electrical Engineering and Information Technology, Universitas Gadjah Mada *
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN Rudy Adipranata 1, Liliana 2, Gunawan Iteh Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas Kristen Petra Jl. Siwalankerto
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 terperinciPengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature
Pengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature Dosen Pembimbing : 1) Prof.Dr.Ir. Mauridhi Hery Purnomo M.Eng. 2) Dr. I Ketut Eddy Purnama ST., MT. Oleh : ATIK MARDIYANI (2207100529)
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 terperinciBab III Perangkat Pengujian
Bab III Perangkat Pengujian Persoalan utama dalam tugas akhir ini adalah bagaimana mengimplementasikan metode pengukuran jarak menggunakan pengolahan citra tunggal dengan bantuan laser pointer dalam suatu
Lebih terperinci5. IDENTIFIKASI JENIS TANAMAN. Pendahuluan
5. IDENTIFIKASI JENIS TANAMAN Pendahuluan Tujuan aplikasi berbasis sensor adalah melakukan penyemprotan dengan presisi tinggi berdasarkan pengamatan real time, menjaga mutu produk dari kontaminasi obat-obatan
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 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 4 HASIL DAN ANALISA
BAB 4 HASIL DAN ANALISA 4. Analisa Hasil Pengukuran Profil Permukaan Penelitian dilakukan terhadap (sepuluh) sampel uji berdiameter mm, panjang mm dan daerah yang dibubut sepanjang 5 mm. Parameter pemesinan
Lebih terperinciPengembangan Sistem Konversi Citra ke G-Code untuk Aplikasi Manufaktur
Pengembangan Sistem Konversi Citra ke G-Code untuk Aplikasi Manufaktur Retno Tri Wahyuni, Djoko Purwanto, Tri Arief Sardjono Program Studi Teknik Elektro, Program Pascasarjana ITS Kampus ITS, Sukolilo,
Lebih terperinciANALISIS PELACAKAN OBJEK MENGGUNAKAN BACKGROUND ESTIMATION PADA KAMERA DIAM DAN BERGERAK (Hasil Penelitian)
ANALISIS PELACAKAN OBJEK MENGGUNAKAN BACKGROUND ESTIMATION PADA KAMERA DIAM DAN BERGERAK ( Penelitian) Oleh : Wahyu Supriyatin 1, Yeniwarti Rafsyam 2, Jonifan 3 1,3 Universitas Gunadarma Jakarta, Jalan
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 terperinciBAB V PEMBAHASAN UMUM
BAB V PEMBAHASAN UMUM Penelitian ini pada prinsipnya bertujuan untuk menghasilkan sebuah metode dan algoritma yang dapat digunakan untuk menentukan posisi tiga dimensi dari obyek pertanian, yaitu jeruk
Lebih terperinciPENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING )
FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 1 Konsep Dasar Pengolahan Citra Pengertian Citra Citra atau Image merupakan istilah lain dari gambar, yang merupakan
Lebih terperinciBAB 1 PENDAHULUAN. menyebabkan pengolahan citra digital memiliki kegunaan yang sangat luas. geologi, kelautan, industri, dan lain sebagainya.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Mata merupakan salah satu panca indra yang digunakan manusia untuk melihat. Namun mata manusia memiliki keterbatasan dalam menangkap sinyal elektromagnetik.
Lebih terperinciCS3214 Pengolahan Citra - UAS. CHAPTER 1. Pengantar Pengolahan Citra
CS3214 Pengolahan Citra - UAS CHAPTER 1. Pengantar Pengolahan Citra Fakultas Informatika IT Telkom CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis) = fungsi
Lebih terperinci