COMPUTER 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 Vokasi, Universitas Gadjah Mada isnan_nur@yahoo.com *1 bs.jogja@gmail.com *2 Abstrak Modernisasi alat instrumentasi pengukur jarak suatu obyek makin berkembang dengan munculnya banyak metode dan jenis hardware yang dipakai. Dalam penelitian kali ini akan coba dirancang pengukur jarak obyek bola menggunakan computer vision, yaitu penghitungan jarak bola terhadap kamera dengan menggunakan pengenalan pola dan perbandingan besar obyek sebenarnya dengan besarnya obyek relatif yang ditangkap oleh kamera. Metode yang digunakan untuk menghitung jarak adalah dengan memanfaatkan citra kamera sebagai input sistem. Citra obyek digunakan untuk proses penentuan koordinat posisi target berdasarkan penghitungan bagian/area pada gambar. Sebelum penghitungan diperlukan adanya proses identifikasi untuk mengenali obyek yang dijadikan target. Proses identifikasi obyek ini akan menggunakan algoritma Haar. Setelah koordinat posisi target ditemukan, kemudian dihitung jari jari bola berdasarakan pixel yang digunakan. Besar jari jari inilah yang nantinya akan dibandingkan dengan jari jari sebenarnya untuk menghitung jarak bola. Sistem penghitungan jarak jarakobyekterhadapkamera yang telahdibuatmampumendeteksijarakobyekdengantingkatkesalahan 8.59 cm meskipun dalam rentang yang masih sangat terbatas yaitu pada 100-200 cm. Hasil tersebut belum sesuai yang diharapkan peneliti karena dengan rentang yang relatif kecil diharapkan mampu mendeteksi obyek dengan tingkat kesalahan kurang dari 5 cm. Kata kunci: Computer Vision, Algoritma Haar, Jarak Obyek. 1. PENDAHULUAN dikembangkan sehingga dapat digunakan sebagai Beberapa perusahaan besar di bidang otomasi sensor dalam mendeteksi sebuah benda melalui industri seperti Festo Didactic telah menciptakan beberapa tahap pengolahan citra. Webcam robot omni-directional drive yang dapatbergerak 360 dimanfaatkan sebagai indra penglihatan dalam robot derajat dan memiliki berbagai sensor yang dapat yang dapat digunakan untuk menangkap gambar diprogram sesuai kebutuhan yang diberi nama dan kemudian gambar tersebut akan diolah untuk Robotino. Robot ini terintegrasi dengan sebuah menentukan objek yang dideteksi. webcam dengan interface USB yang dapat Modernisasi alat instrumentasi pengukur jarak mendeteksi garis yang biasa digunakan sebagai line suatu obyek makin berkembang dengan munculnya tracer. Pemanfaatan webcam ini dapat banyak metode dan jenis hardware yang dipakai. Dalam penelitian kali ini akan coba dirancang 464

pengukur jarak obyek bola dengan memanfaatkan webcam computer vision, yaitu penghitungan jarak bola terhadap kamera dengan menggunakan pengenalan pola dan perbandingan besar obyek sebenarnya dengan besarnya obyek relatif yang ditangkap oleh kamera. 2. TINJAUAN PUSTAKA Literatur menunjukkan bahwa penelitian dibidang pemanfaatn computer vision sebagai pengenalan poladan telemetri sudah banyak dilakukan dengan metode yang berbeda-beda.salah satunya yang dilakukan oleh Yoanes N pada penelitianyang berjudul Rancangbangun sensor jarak dengan korespondensi citra dengan ekstraksi fitur surf dan konsep stereo vision, penelitian tersebut bertujuan untuk mendapatkan informasi jarak dalam rentang 20cm sampai 160cm. Sistem ini menggunakan dua buah kamera web (webcam) sebagai pencitra, dan komputer sebagai pemroses citra. Implementasi dari sistem ini menggunakan pustaka OpenCV 2.1 yang sudah terdapat fungsi untuk capturing, kalibrasi, rekstifikasi, dan pencarian fitur. Pencarian fitur dilakukan dengan algoritma SURF (Speeded Up Robust Feature). Penelitian yang dilakukan oleh Made B.I yang berjudul Robot pengikut bola menggunakan sensor kamera berbasis metoda opencv camshift. Pada penelitian ini metoda yang digunakan untuk mendeteksi bola pada lingkungan sekitarnya adalah metoda camshift. Subsistem perangkat keras yang digunakan adalah suatu mobile base robot yang telah dibuat pada penelitian sebelumnya. Dan subsistem pengendali menggunakan satu buah mikrokontroler ATMEGA8535 dan kamera dapat menagkap gambar pada jarak 50 sampai dengan 120 cm. Penelitian berikutnya oleh Hermawan yang berjudul Pelacakan beberapa objek menggunakan OpenCV Dalam analisanya, Hermawan menggunakan bahasa pemrograman Pascal dan library Open Source Computer Vision (OpenCV) sebagai piranti lunak. Dengan OpenCV dan metode image processing menggunakan webcam maka program JST dapat melakukan tracking beberapa objek. Proses image processing digunakan untuk mendeteksi objek bola, sehingga dari proses ini didapatkan data mengenai titik tengah objek dan luasan objek yang terdeteksi. Dari data yang didapatkan tersebut digunakan sebagai pendekatan lintasan objek dari proses tracking. Keberhasilan program JST ditentukan oleh kecermatan dalam melakukan image processing dan knowledge base dari pembelajaran yang diberikan. 3. METODOLOGI 3.1 Dasar Teori Citra atau image adalah representasi dua dimensi yang diciptakan dari sebuah gambar atau pandangan. Pengertian lain dari citra adalah gambar dua dimensi yang dihasilkan dari gambar analog dua dimensi yang kontinyu menjadi gambar diskrit melalui proses sampling. Citra digital dapat didefinisikan sebagai fungsid ua variable f(x,y), dimana x dan y adalah koordinat spasial sedangkan nilai f(x,y) adalah intensitas citra pada koordinat tersebut. Hal tersebut seperti ilustrasi pada Gambar 1.Teknologi dasar untuk menciptakan dan menampilkan warna pada citra digital berdasarkan pada penelitian bahwa sebuah warna merupakan kombinasi dari tiga warna dasar yakni warna merah, hijau, dan biru. (Simanjuntak,2009). Gambar 1. koordinat piksel pada citra digital 465

Citra digital adalah citra f(x,y) yang telah didigitalisasi baik koordinat area maupun brightness level. Nilai f di koordinat (x,y) menunjukkan brightness (kecerahan) atau grayness level dari citra pada titik tersebut. Satuan atau bagian terkecil dari citra digital disebut piksel (pixel ataupicture element).umumnya citra dibentuk dari kotak-kotak piksel yang teratur sehingga jarak horizontal dan vertical antara piksel adalah sama pada seluruh bagian citra. Dalam komputer setiap piksel diwakili oleh dua buah bilangan bulat integer untuk menunjukkan lokasinya dalam bidang citra dan untuk menunjukkan lokasi suatu piksel. Koordinat (0,0) digunakan untuk posisi kiri atas dalam bidang citra dan koordinat (m-1, n-1) digunakan untuk posisi kanan bawah dalam citra berukuran m x n piksel. Persamaan 3.1 merupakan koordinat piksel (x,y) pada citra berukuran m x n (Simanjuntak,2009). Segmentasi Citra Segmentasi citra merupakan proses mempartisi atau membagi citra menjadi beberapa daerah atau objek. Segmentasi merupakan proses yang penting dalam pengenalan objek yang tersaji secara visual. Proses ini bertujuan untuk memisahkan wilayah (region) objek dengan wilayah latar belakang. Selanjutnya wilayah objek yang telah tersegmentasi digunakan untuk proses berikutnya (Simanjuntak, 2009). Segmentasi objek pada citra dapat dilakukan dengan tiga metode yaitu ambang batas (thresholding), berbasis tepi (edge-based), dan berbasis wilayah atau region (region based). Thresholding (pengambangan) adalah proses mengubah citra berderajat keabuan menjadi citra biner atau hitam putih sehingga dapat diketahui daerah mana yang termasuk objek dan background dari citra secara jelas. Pada operasi ini mensegmentasikan citra menjadi dua wilayah yaitu wilayah objek dan wilayah latar belakang atau background. Wilayah objek diset berwarna putih sedangkan sisanya diset berwarna hitam (atau sebaliknya). Metode berbasis tepi (edge-based) adalah suatu metode yang mengidentifikasikan perubahan nilai intensitas derajat keabuan yang mendadak (besar) dalam suatu jarak yang singkat. Yang dimaksud dengan tepi (edge) adalah batas antara dua daerah dengan nilai gray level yang relative berbeda, dapat disebut sebagai daerah atau titik yang memiliki perubahan intensitas yang besar dalam jarak yang pendek. Penentuan Jarak. Citra obyek digunakan untuk proses penentuan koordinat posisi target berdasarkan penghitungan bagian/area pada gambar. Sebelum penghitungan, diperlukan adanya proses identifikasi untuk mengenali obyek yang dijadikan target. Proses identifikasi obyek ini akan menggunakan algoritma Haar. Setelah koordinat posisi target ditemukan, kemudian dihitung diameter bola berdasarakan pixel yang digunakan. Besar diameter inilah yang nantinya akan dibandingkan dengan jari jari sebenarnya untuk menghitung jarak bola. Metode yang digunakan dalam menentukan jarak obyek adalah dengan membandingkan ukuran pixel citra yang ditangkap pada jarak tertentu untuk menentukan parameter perbandingan ukuran. Dalam penelitian ini, yang digunakan sebagai perbandingan adalah diameter citra saat obyek berjarak 100cm dan 200cm. Koordinat posisi obyek pada citra juga menjadi hal yang perlu diperhatikan karena pada jarak yang sama, ukuran obyek pada posisi central (tengah) jauh berbeda dengan posisi obyek di pinggir atau di pojok seperti ditunjukkan pada gambar 2 berikut. 466

x 2 = Jarak ref 200 cm x 1 = Jarak ref 100 cm 4. HASIL DAN PEMBAHASAN Gambar 2. Perbandingan diameter obyek pada koordinat berbeda. Dengan adanya perubahan diameter terhadap posisi koordinat gambar maka perlu dicari perbandingan yang sesuai berdasarkan jarak obyek terhadap titik central. Citra yang digunakan mempunyai dimensi 640x480 pixel, sehingga jarak obyek terhadap titik central dapat dihitung menggunakan persamaan 2 berikut, R = (x 320) 2 + (y 240) 2 R = Jarak obyek terhadap titik central x = koordinat x obyek y = koordinat y obyek Perlu adanya referensi besar diameter sebagai perbandingan dengan obyek yang ditangkap. Pada penelitian ini dibuat dua referensi yaitu pada jarak 100 cm dan 200 cm. Pada setiap rentang jarak tersebut dicari terlebih dahulu fungsi linier perbandingan diameter dan jarak terhadap titk tengah. Setelah mendapat diameter perbandingan barulah dapat diketahui jarak terukur dengan persamaan 3 berikut: Pengambilan data pertama kali menggunakan jarak 100 cm dengan posisi obyek relatif terhadap titik tengah citra dipindah pindah. Hal ini dilakukan untuk menentukan fungsi linier diameter (d) terhadap jarak (r). Hasil pengambilan data pada jarak 100 meter ditunjukkan pada tabel 1 berikut: Tabel 1. Data diameter obyek pada jarak 100 cm Data perbandingan Posisi dan Diameter pada (x) Jarak 100 Centimeter (y) Rx Ry Posisi (R) D (Px) 1 324 238 4-2 4 116 2 312 242-8 2 8 118 3 317 287-3 47 47 120 4 322 290 2 50 50 122 5 162 283-158 43 164 127 6 146 288-174 48 180 128 7 314 434-6 194 194 131 8 302 438-18 198 199 131 9 70 425-250 185 311 137 10 66 428-254 188 316 139 Dari data diatas dibuat pemodelan grafiknya untuk menentukan fungsi linier seperti ditunjukkan pada gambar 3.Fungsi linier yang didapatkan adalah: d = 0, 07r + 117, 01 D = Diameter Terukur X = Jarak Terukur d 2 d 1 x 2 x 1 = D d 1 X x 1 d 2 = Diameter jarak 200 cm d 1 = Diameter jarak 100 cm 467

Gambar 3. Grafik perbadingan diameter obyek pada jarak 100cm Pengambilan data kedua menggunakan jarak 200 cm dengan posisi obyek relatif terhadap titik tengah citra dipindah pindah. Hasil pengambilan data pada jarak 200 meter ditunjukkan pada tabel 2 berikut: Tabel 2. Data diameter obyek pada jarak 200 cm 1 2 3 4 5 6 7 8 9 10 141 136 131 126 121 116 Data perbandingan Posisi dan Diameter pada (x) Jarak 200 Centimeter (y) Rx Ry Posisi (R) D (Px) 320 242 0 2 2 40 316 240-4 0 4 40 318 290-2 50 50 42 318 296-2 56 56 43 160 280-160 40 165 46 148 290-172 50 179 46 312 432-8 192 192 48 318 438-2 198 198 49 62 430-258 190 320 53 62 434-258 194 323 54 Dari data diatas dibuat pemodelan grafiknya untuk menentukan fungsi linier seperti ditunjukkan pada gambar 4.Fungsi linier yang didapatkan adalah: perbandingan posisi dan diameter obyek pada jarak 100 Centimeter d = 0, 04r + 39, 90 d = 0,07r + 117,01 0 100 200 300 400 55 53 51 49 47 45 43 41 39 perbandingan posisi dan diameter obyek pada jarak 200 Centimeter Gambar 4. Grafik perbadingan diameter obyek pada jarak 200cm Setelah mendapatkan dua fungsi acuan pada jarak 100 cm dan 200 cm, maka langkah selanjutnya tinggal perhitungan jarak obyek menggunakan persamaan 3 diatas. Hasil perhitungan yang didapatkan dari metode perbandingan ini ditunjukkan pada tabel 3 berikut: Tabel 3. Data hasil pengukuran obyek Data Hasil Pengukuran Jarak Obyek (x) (y) Pos (R) D (Px) Ukur (cm) Real (cm) error (cm) 1 164 246 156 120 109,71 100 9,71 2 112 266 210 116 118,81 110 8,81 3 224 120 154 105 127,86 120 7,86 4 124 186 203 102 135,14 130 5,14 5 318 308 68 83 148,98 140 8,98 6 320 238 2 71 159,80 150 9,80 7 320 244 4 66 166,41 160 6,41 8 186 267 137 62 179,52 170 9,52 9 212 266 111 53 189,24 180 9,24 10 298 318 81 43 200,18 190 10,18 11 342 166 77 36 208,80 200 8,80 Dari data diatas didapatkan rata rata kesalahan penghitungan adalah 8,59 cm dalam rentang jarak 100 cm sampai 200 cm. d = 0,04r + 39,90 0 100 200 300 400 468

Seminar Nasional Teknologi Terapan SNTT 2013 (26/10/2013) 5. KESIMPULAN DAN SARAN 5.1 Kesimpulan Sistem penghitungan jarak jarak obyek terhadap kamera yang telah dibuat mampu mendeteksi jarak obyek dengan tingkat kesalahan 8.59 cm meskipun dalam rentang yang masih sangat terbatas yaitu pada 100-200 cm. Hasil tersebut belum sesuai yang diharapkan peneliti karena dengan rentang yang relatif kecil diharapkan mampu mendeteksi obyek dengan tingkat kesalahan kurang dari 5 cm. 5.2 Saran Penulis berasumsi bahwa nilai akurasi yang masih rendah tersebut dikarenakan besarnya citra yang diolah cukup kecil, sehingga pada penelitian berikutnya diperlukan ukuran citra yang lebih besar, yang tentu saja membutuhkan pengolah sinyal yang lebih cepat juga. 6. DAFTAR PUSTAKA Simanjuntak, 2009. Pengolahan Citra Digital Digital Library, Telkom Institute of Technology. Yoanes N. 2012. Rancangbangun sensor jarak dengan korespondensi citra dengan ekstraksi fitur surf dan konsep stereo vision Jurnal Sarjana ITB bidang Teknik Elektro dan Informatika Volume 1, Number 1. Made B.I Robot pengikut bola menggunakan sensor kamera berbasis metoda opencv camshift. Hermawan Pelacakan beberapa objek menggunakan OpenCV 469