Sistem Orientasi Objek Dengan Metode Stereo Vision Berbasis Raspberry Pi

Rajali Ginting; Raditiana Patmasari; Suci Aulia

doi:10.25299/itjrd.2019.vol4(1).3562

Authors

Rajali Ginting Telkom University
Raditiana Patmasari Telkom University
Suci Aulia Telkom University

DOI:

https://doi.org/10.25299/itjrd.2019.vol4(1).3562

Keywords:

Disparitas citra, Hough line transform, Harris Corner, Canny edge detection, Stereo vision

Abstract

Pengukuran estimasi jarak sebuah objek dapat dilakukan dengan berbagai cara, antara lain dengan memanfaatkan sensor pengukur jarak seperti sensor ultrasonik, sensor infra merah dan laser. Tetapi cara tersebut memiliki kekurangan seperti memiliki batasan-batasan karakteristik bahan yang digunakan dan memiliki kesulitan tersendiri jika dikaitkan dengan orientasi dimana objek tersebut berada. Berdasarkan kelebihan tersebut maka pada penelitian ini akan dirancang suatu sistem pengukuran orientasi objek menggunakan metode Stereo vision yang berbasis Raspberry pi. Sistem orientasi objek ini mengacu pada estimasi jarak dan dimensi objek. Metode Stereo vision melakukan pengukuran jarak dan dimensi secara visual dengan menggunakan dua buah kamera webcam. Akusisi citra dilakukan dalam interval waktu yang bersamaan, sehingga akan terdapat dua citra yang memiliki objek yang sama tetapi dari sudut pandang yang berbeda. Kedua citra akan digunakan untuk menghitung nilai disparitas yang akan digunakan sebagai salah satu parameter dalam melakukan pengukuran jarak. Menghitung nilai disparitas citra dilakukan menggunakan beberapa metode image processing yaitu menggunakan deteksi tepi Canny edge, deteksi garis Hough line transform dan deteksi sudut Harris corner. Penelitian ini dapat digunakan sebagai alat pengukuran jarak dan dimensi objek yang bergerak secara real time dengan tingkat akurasi diatas 95% dengan tingkat presisi 100%.

Downloads

Download data is not yet available.

References

P. Tripicchio, “Autonomous navigation of mobile robots: from basic sensing to problem solving,” Research on Electric and Electronic Measurement for the Economic Upturn, pp. 1-6, September 2014.

R. Vairavan, s. Kumar dan l. Ashiff, “Obtacle Avoidance Robotic Vehicle Using Ultrasonic Sensor, Arduino Controller,” International Research Journal of Engineering and Technology, vol. II, no. 5, pp. 2140-2143, Februari 2018.

R. Ismail, Z. Omar dan S.Suaibun, “Obstacle-avoiding robot with IR and PIR motion sensors,” Innovation in Aerospace Engineering and technology, no. 152, pp. 1-6, 2016.

C. Suharlim, E. Putra, T. Budiman dan I. H. Kartowisastro, “Estimasi Posisi Objek Berdasarkan Stereo Vision,” Jurnal Teknik Komputer, vol. I, no. 21, pp. 36-47, Februari 2013.

Y. D. Salman, K. R. Ku-Mahamud dan E. Kamioka, “Distance Measurement for Self-Driving Cars Using Stereo Camera,” International Conference on Computing and Informatics, vol. I, no. 105, pp. 235-242, 2017.

T.-S. Hsu dan T.-C. Wang, “An Improvement Stereo Vision Images Processing for Object Distance Measurement,” International Journal of Automation and Smart Technology, vol. II, no. 5, pp. 85-90, 2015.

I. Marzuqi, G. P. Arinata dan Z. Putra, “Segmentasi dan Estimasi Jarak Bola dengan Robot Menggunakan Stereo Vision,” Symposium on Robotic Systems and Control, pp. 140-144, 2017.

Y. M. Mustafah, R. Noor, H. Hasbi dan A. W. Azma, “Stereo Vision Images Processing for Real-time Object Distance and Size Measurements,” International Conference on Computer and Communication Engineering, pp. 659-663, 2012.

N. Rajajan, M.Ramkumar dan B.Monisha, “Disparity Estimation from Stereo Image,” Science Direct, pp. 462-472, 2012.

D. A. Prabowo, D. Abdullah dan A. Manik, “Deteksi dan Perhitungan Objek Berdasarkan Warna Menggunakan Color Object Tracking,” Jurnal Pseudocode, vol. V, no. 2, pp. 85-91, September 2018.

J. Marot dan S. Bourennane, “Raspberry Pi for Image Processing Education,” European Signal Processing Conference, pp. 2428-2432, 2017.

J. Canny, “A Computational Approach to Edge Detection,” ieee transactions on pattern analysis and machine intelligence, vol. 6, no. 8, pp. 679-698, 1986.

Z. Stosic dan P. Rutesic, “An Improved Canny Edge Detection Algorithm for Detecting Brain Tumors in MRI Images,” International Journal of Signal Processing, no. 3, pp. 11-15, 2018.

H. Sa’diyah, R. Isnanto dan A. Hidayatno, “Aplikasi Transformasi Hough Untuk Deteksi Garis Lurus,” Jurnal Undip, pp. 1-5, 2015.

J. S´anchez, N. Monz´on dan A. Salgado, “An Analysis and Implementation of the Harris Corner Detector,” Image Processing On Line, pp. 305-328, 2018.