Dr. Ir. Endra Pitowarno, M.Eng PENS-ITS. Seminar New Concept Robotics: Robot Vision 22 Februari 2007 Universitas Gunadarma - Jakarta.

dokumen-dokumen yang mirip
GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP)

Robot Introduction. Robot technology for Indonesian Intelligent Robot Contest

COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA

Robotic Control: Introduction to Robotic Vision

CS3214 Pengolahan Citra - UAS. CHAPTER 1. Pengantar Pengolahan Citra

GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP)

GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP)

PROGRAM STUDI TEKNIK KOMPUTER

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

Copyright Tabratas Tharom 2003 IlmuKomputer.Com

Fitur bentuk merupakan fitur dasar dalam visual content

Sistem Ar Drone Pengikut Garis Menggunakan Algoritma Progressive Probabilistic Hough Transform

FACE TRACKING DAN DISTANCE ESTIMATION PADA REALTIME VIDEO MENGGUNAKAN 3D STEREO VISION CAMERA

ABSTRAK Robovision merupakan robot yang memiliki sensor berupa indera penglihatan seperti manusia. Untuk dapat menghasilkan suatu robovision, maka

TKC306 - Robotika. Eko Didik Widianto. Sistem Komputer - Universitas Diponegoro

Pengantar Robotika. Pertemuan 1 dan 2. Pengantar ROBOTIKA.

INTEGRATION AND EVALUATION USING PATTERN RECOGNITION FOR MOBILE ROBOT NAVIGATION. Iman H. Kartowisastro.; Budiyanto Mulianto; Valentinus Rahardjo

DETEKSI MARKA JALAN DAN ESTIMASI POSISI MENGGUNAKAN MULTIRESOLUTION HOUGH TRANSFORM

SIMULASI AUTONOMOUS VEHICLE DI UNIVERSITAS KRISTEN SATYA WACANA SALATIGA

Rancang Bangun Sistem Pelacakan Obyek Menggunakan CCTV dan Webcam. Kampus ITS, Surabaya

BAB 1 PENDAHULUAN. dalam kehidupan manusia. Perkembangan robot dari zaman ke zaman terus

Active Steering Assistane For Turned Road Based On Fuzzy Logic

BAB I PENDAHULUAN. berbagai proses pengendalian. Keterbatasan keterbatasan tersebut lambat laun

Kendali Logika Fuzzy Pada Robot Line Follower

PERANCANGAN SISTEM KONTROL LAMPU LALU LINTAS OTOMATIS BERBASIS LOGIKA FUZZY MENGGUNAKAN SENSOR KAMERA

OPTIMASI PENCAPAIAN TARGET PADA SIMULASI PERENCANAAN JALUR ROBOT BERGERAK DI LINGKUNGAN DINAMIS

Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016

BAB I PENDAHULUAN. Indonesia dengan sistem robot tanpa awak yang dapat dikendalikan secara otomatis

Media Informatika Vol. 15 No. 2 (2016) SIMULASI ROBOT LINE FOLLOWER DENGAN PROTEUS. Sudimanto

TKC306 - Robotika. Eko Didik Widianto. Sistem Komputer - Universitas Diponegoro

Aplikasi Metoda Random Walks untuk Kontrol Gerak Robot Berbasis Citra

Pengembangan Algoritma Pengolahan Citra untuk Menghindari Rintangan pada Traktor Tanpa Awak

Robot Bergerak Penjejak Jalur Bertenaga Sel Surya

Kesepakatan. Kuliah Sopan : Toleransi terlambat masuk kelas : 15 Menit Duduk terpisah : laki - perempuan

PERBAIKAN ALGORITMA Q-LEARNING DENGAN ANT COLONY DAN PREDIKSI JALUR PADA SIMULASI PERENCANAAN JALUR ROBOT BERGERAK DI LINGKUNGAN DINAMIS

Pengantar Kuliah. TKC306 - Robotika. Eko Didik Widianto. Teknik Sistem Komputer - Universitas Diponegoro. Pengantar Didik Widianto

ROBOT MOBIL DENGAN SENSOR KAMERA UNTUK MENELUSURI JALUR PADA MAZE

Pengantar PENGOLAHAN CITRA. Achmad Basuki PENS-ITS Surabaya 2007

BAB 5 EFEK PADA VIDEO

Elvin Nur Afian, Rancang Bangun Sistem Navigasi Kapal Laut berbasis pada Image Processing metode Color Detection

IMPLEMENTASI PENGUKURAN JARAK DENGAN METODA DISPARITY MENGGUNAKAN STEREO VISION PADA ROBOT OTONOMUS PENGHINDAR RINTANGAN

PENGENDALIAN MOBILE ROBOT VISION MENGGUNAKAN WEBCAM PADA OBJEK ARAH PANAH BERBASIS RASPBERRY PI

APLIKASI ROBOT PEMADAM API DENGAN MENGGUNAKAN SENSOR FLAME DETECTOR BERBASIS MIKROKONTROLLER ATMEGA8535 DAN DIDUKUNG BAHASA PEMROGRAMAN C

PENGENDALIAN MOBILE ROBOT VISION MENGGUNAKAN WEBCAM PADA OBJEK ARAH PANAH BERBASIS RASPBERRY PI

BAB IV PENGUJIAN DAN ANALISIS

Manusia pemroses informasi 1. Informasi diterima dan ditanggapi dengan proses masukankeluaran

Analisis Pemanfaatan Metode Markerless User Defined Target Pada Augmented Reality Sholat Shubuh

Implementasi Skeletal Tarcking dalam Sistem Navigasi Mobile Robot Menggunakan Sensor Kinect

BAB IV PENGUJIAN HASIL DAN ANALISA

4.1 Pengujian Tuning Pengontrol PD

Tracking Arah Gerakan Telunjuk Jari Berbasis Webcam Menggunakan Metode Optical Flow

Implementasi VB 6.0 pada Face Detection Berbasis Image Processing untuk Sistem Identifikasi

Pengantar Teknologi Informasi

TRACKING ARAH GERAKAN TELUNJUK JARI BERBASIS WEBCAM MENGGUNAKAN METODE OPTICAL FLOW

ANALISIS PELACAKAN OBJEK MENGGUNAKAN BACKGROUND ESTIMATION PADA KAMERA DIAM DAN BERGERAK (Hasil Penelitian)

MENU OSD CALION SONY Effio EA Series

Roadmap Kelompok Keahlian Robotika. Pusat P2M Politeknik Negeri Batam Maret 2015

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PERANCANGAN MOBILE ROBOT DENGAN SENSOR KAMERA MENGGUNAKAN SISTEM KENDALI FUZZY

IMPLEMENTASI BEHAVIOR BASED CONTROL DAN PID PADA ROBOT VACUUM CLEANER

OBJECT TRACKING. Gigih Samudera; Jirio; Okky; Iman H. Kartowisatro

BAB IV PENGUJIAN DAN ANALISA

PENGESAHAN PUBLIKASI HASIL PENELITIAN SKRIPSI JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA

BAB I PENDAHULUAN. Robot dapat didefenisikan sebagai mesin yang terlihat seperti manusia dan

DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL

PENGENDALI POINTER DENGAN GAZE TRACKING MENGGUNAKAN METODE HAAR CLASSIFIER SEBAGAI ALAT BANTU PRESENTASI (EYE POINTER)

Algoritma Rekursif Untuk Pemetaan Jalur Autonomous Line Follower

PTE Konsentrasi AV Adobe Flash CS3. Pipit Utami

Pengontrolan Kecepatan Mobile Robot Line Follower Dengan Sistem Kendali PID

BAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut

BAB I PENDAHULUAN. Universitas Internasional Batam

ROBOT CERDAS PEMADAM API MENGGUNAKAN PROYEKSI INTEGRAL

BAB I PENDAHULUAN. 1.1 Latar Belakang

Image Processing. Nana Ramadijanti Laboratorium Computer Vision Politeknik Elekltronika Negeri Surabaya PENS-ITS 2010

BAB 1 PENDAHULUAN. Banyak alat-alat berbasis teknologi modern yang telah berkembang seiring dengan

2. Tahapan Penelitian

BAB III PROSEDUR DAN METODOLOGI

DETEKSI PERSIMPANGAN DAN BELOKAN PADA LINTASAN DI DEPAN ROBOT LINE FOLLOWER DENGAN KAMERA

RENCANA PROGRAM KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) ROBOTIKA. Disusun Oleh: Mohammad Iqbal, ST, MT

Analisis Perbandingan Algoritma Optical Flow dan Background Estimation untuk Pendeteksian Objek pada Video

BAB 4 IMPLEMENTASI DAN EVALUASI. Atmel (

Korelasi Jarak Wajah Terhadap Nilai Akurasi Pada Sistem Pengenalan Wajah Menggunakan Stereo Vision Camera

KONTROL ROBOT MOBIL PENJEJAK GARIS BERWARNA DENGAN MEMANFAATKAN KAMERA SEBAGAI SENSOR

Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah

BAB IV PENGUJIAN DAN ANALISIS SISTEM. didapat suatu sistem yang dapat mengendalikan mobile robot dengan PID

INTERAKSI SCALING TERHADAP OBJECT AUGMENTED REALITY DENGAN TANGAN 3D ALAMI MENGGUNAKAN PENDEKATAN STEREO-VISION

BAB III PERANCANGAN SISTEM

2. Tahapan Penelitian pemahaman merupakan awal proses penelitian

STMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA. Akuisisi dan Model ABDUL AZIS, M.KOM

SISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA

PENERAPAN METODE HOUGH LINE TRANSFORM UNTUK MENDETEKSI PINTU RUANGAN MENGGUNAKAN KAMERA

LAPORAN PENELITIAN DOSEN MUDA. Sistem Identifikasi Teroris Dengan Pelacakan Dan Pengenalan Wajah

BAB I PENDAHULUAN. Inggris, Jepang, Perancis) berlomba-lomba untuk menciptakan robot-robot

Realisasi Perangkat Color Object Tracking Menggunakan Raspberry Pi

Pengolahan Citra Digital FAJAR ASTUTI H, S.KOM., M.KOM

PERANGKAT LUNAK PENGENDALI POINTER MENGGUNAKAN PELACAKAN MATA (EYE TRACKING) DENGAN ALGORITMA LUCAS- KANADE

BAB I PENDAHULUAN. berbagai macam aplikasi seperti digunakan untuk sistem pengawasan (monitoring

BAB II KAJIAN PUSTAKA

PERANCANGAN DAN IMPLEMENTASI SISTEM KENDALI PID SEBAGAI PENGONTROL KECEPATAN ROBOT MOBIL PADA LINTASAN DATAR, TANJAKAN, DAN TURUNAN TUGAS AKHIR

METODOLOGI PENELITIAN

Transkripsi:

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 System Vision (penglihatan): referensi terbaik adalah sistem mata manusia: how the brain controls the eyes and organizes the images. Capturing/generating image: Melihat & Menangkap Image > adalah tugas utama kamera/mata. Low-level Image : menelisik fitur dan membedakan gambar obyek (yg dicermati) dengan latar belakang (yg tidak dicermati) > proses iconic

Endra Pitowarno 27 Vision System Intermediate-level Image : Proses berbasis algorithma/metoda pada image yg telah ditelisik fitur-fiturnya > proses iconic to symbolic High-level Image : Penerapan untuk keperluan apa image yg telah terdeskripsi ini (identifikasi/pembandingan, pengambilan keputusan berbasis image, diskritisasi/konversi data image ke satuan parameter siap hitung, dll.) Endra Pitowarno 27 Current Issues Speech Recognition Robotic Vision Stereo Vision Visual Servoing Visual-based Tracking (gesture motion tracking, etc.) 2

Endra Pitowarno 27 Image Applications Industrial Inspection: Printed Circuit Board (PCB) inspection, VLSI circuit mask checking, etc. Robot Vision: Autonomous mobile robot system, coordinating/swarm robot, humanrobot interaction (AIBO, ASIMO, etc) Interactive Biomedical Equip. System Etc. Endra Pitowarno 27 Image levels application scene Low-level Image (Iconic) Intermediate-level Image (Iconic to Symbolic) High-level Image Domain knowledge, thresholds, parameters, methods, etc. 3

Endra Pitowarno 27 (High Speed) Image (Vision Sensor) for Robotics application scene Low-level Image (Iconic) Intermediate-level Image (Iconic to Symbolic) High-level Image Domain knowledge, thresholds, parameters, methods, etc. Idealnya: <. detik Endra Pitowarno 27 Low-level Image Mengubah sebuah image menjadi image yg lain Frame selection (image quality): size/resize (memory based) Filtering/converting: color mode conversion (color or B/W & mode), color balancing, brightness, contrast, hue, sharp, blur, etc. Edge Detection: <feature seeking> Semua langkah ditempuh dalam soft programming Etc. 4

Endra Pitowarno 27 Contoh : Low-level Image Endra Pitowarno 27 Contoh 2: Low-level Image 5

Endra Pitowarno 27 Contoh 3: Low-level Image Endra Pitowarno 27 Contoh 4: Low-level Image 6

Endra Pitowarno 27 Intermediate-level Image Mendeskripsikan data image menjadi symbol yg kemudian dapat digunakan dalam high-level image processing sebagai komponen dasar untuk menyelesaikan tugas tertentu. Proses menggunakan berbagai metoda (matematik): perspektif, trigonometri, 2D-3D system, etc. Contoh: penggunaan algorithma A* atau Dijkstra untuk path planning berbasis image dari robot environment Semua langkah ditempuh dalam soft programming Endra Pitowarno 27 High-level Image Pemrosesan output simbol dari proses intermediate menjadi suatu keputusan : contoh, image marka jalan diproses menjadi nilai sensor posisi robot terhadap jalan. Output proses high-level image processing siap diumpankan ke (high-level) control pada sistem robot. Semua langkah ditempuh dalam soft programming 7

Endra Pitowarno 27 Contoh Kasus: Camera-based Line Tracer Perspective scene Jalur PUTIH di lantai GELAP Keterangan : PA dan PA adalah motor Kiri & Kanan Motor Kiri PA kamera Motor Kanan PA Camera-based Line Tracer Robot Endra Pitowarno 27 Contoh: Line Identification (Low-level process) 8

Endra Pitowarno 27 Contoh: Line Identification (Low-level process) 4 ref. frame 4 Endra Pitowarno 27 Contoh: Line Identification (Low-level process) 4 4 9

Endra Pitowarno 27 Contoh: Line Identification (intermediate-level process) 2 9 4 rescale Tabulasi & Deskripsi Aplikasi Endra Pitowarno 27 Contoh: Line Identification (high-level process) Klasifikasi Nilai Sensor Aksi ke Motor Kiri-Kanan D 9 D 8 D 7 D 6 D 5 D 4 D 3 D 2 D D Implementasi Fuzzy Rule Banting stir ke kiri Belok kiri banyak Belok kiri agak banyak Belok kiri sedikit Lurus Lurus Belok kanan sedikit Belok kanan agak banyak Belok kanan banyak Banting stir ke kanan

Endra Pitowarno 27 Contoh: High Speed Vision System for Robotic Color Tracking: Object Obstacle Avoidance Road mapping etc. Endra Pitowarno 27 END