DASAR TEORI
3
x − x0 X − X c
y − y = kM Y − Y c
0
− c Z − Z c
Pada persamaan tersebut, jika baris ke-1 dan baris ke-2 dibagi dengan
baris ke-3 maka akan diperoleh persamaan kesegarisan (collinear equation).
Persamaan kesegarisan menunjukan bahwa posisi sebuah titik di permukaan bumi,
di foto, dan di pusat proyeksi kamera terletak pada satu garis lurus. Persamaan
kesegarisan tersebut mengandung 6 parameter yang belum diketahui (ω, φ, κ, Xo,
Yo, Zo) dan merupakan persamaan non linear, sehingga perlu dilenearkan dengan
menggunakan deret Taylor.
2.2. Centroid
2.2.1 Stiker (Retro reflectif Target)
Prinsip Australis menggunakan warna sasaran dalam bentuk
grayscale untuk mengenal pasti ukur lilit sasaran dalam pixsel. Grayscale
menggunakan nilai dari 0 hingga 256 yaitu warna kelabu. Setiap pixel
yang berada dalam bentuk ini mempunyai nilai kecerahan bermula dari
nilai 0 (hitam) ke 255 (putih). prinsip ini untuk mengenalpasti sasaran
4
adalah berdasarkan perbesaran nilai grayscale antara sasaran dengan
warna latarbelakangnya. Bahan retro-reflektif selalu digunakan dalam
kerjakerja fotogrametri kerana bahan ini dapat memantulkan cahaya lebih
terang dari latarbelakangnya. Secara teorinya bahan ini boleh
memantulkan cahaya 2000 kali lebih terang dari bahan putih yang
bernyala (Clarke & Wang, 1998). Gambar 1.a menunjukkan sasaran yang
menggunakan bahan retro-reflektif dimana Gambar 1.b menunjukkan
sasaran yang menggunakan kertas putih biasa
Gambar 2.1a. Sasaran dari retro-reflektif Gambar 2.1b Sasaran dari kertas
2. Penentuan Centroid
5
Untuk mempermudah menentukan titik centroid, cara yang bisa
digunakan yaitu dengan mengambil bentuk persegi dari gambar yang
mencakup suatu target yang terlihat sangat dekat. (Trinder, 1989). Pada
gambar dibawah memperlihatkan perpotongan persegii yang diambil pada
gambar dimana pada gambar tersebut terdapat data-data yaitu koordinat
pixsel, kordinat lokal (x0, y0) dan nilai intensitas cahaya (dapat dilihat
menggunakan software tertentu).
y
Pixel (I,j)
l
y0 i,j
n
(X.Y)
x
0
(0,0)
Gambar 2.3 Potongan gambar pada x
Keterangan : system kartesian
(i,j) = Koordinat pixel
(xo,yo) = Koordinat lokal
(X,Y) = Koordinat Pendekatan
m = Garis yang mewakili jumlah pixel pada sumbu x
n = Garis yang mewakili jumlah pixel pada sumbu y
6
3. Metode perhitungan yang digunakan tidak tepat.
7
saling berpotongan membentuk model 3D fiktif. Pada instrumen restitusi
analog yang dilakukan adalah menghilangkan paralaks y di 6 titik standard
(minimal 5 titik + 1 titik untuk checking).
Hasil model 3D yang terbentuk masih mempunyai kedudukan relatif
dengan sistem koordinat sebarang. Oleh sebab itu proses ini disebut sebagai
orientasi relatif. Dengan cara digital, orientasi relatif dapat menggunakan
syarat kesegarisan antara titik pada foto, titik pusat proyeksi dan titik tersebut
di tanah (colinearity condition) atau syarat kesebidangan (coplanarity)
Orientasi Relatif adalah merupakan proses mencari hubungan posisi
relatif antara perpotogan sinar yang diperoleh foto kiri dan dan foto kanan
yang biasanya disebut model stereo, proses ini dapat diperoleh secara analitis
dengan mentransformasikan sistem koordinat foto ke sistem koordinat model.
Sistem koordinat model adalah sistem koordinat tiga dimensi yang
diperoleh jika sebuah foto (foto kiri) diorientasikan relatif terhadap foto
lainnya (foto kanan) yang mempunyai pertampalan. Orientasi ini disebut
sebagai orientasi relatif (Gambar 2.4). Pada tahap ini foto sudah terbentuk
bidang epipolar atau model stereo tetapi belum terikat pada satu sistem
koordinat tanah. Model matematis yang umum digunakan untuk melakukan
orientasi relatif adalah persamaan koplanar, dengan determinan sama dengan
nol (Koneckny, 2003):
8
b b b bx by bz x y z
u v w=x y −f
' ' '' '
i i ii i
u v w x y −f
' ' '' '
iiiii i
Persamaan 2.1. Persamaan Koplanar
Dimana:
9
u x x u x
' ' ' " "
i i i i i
vi = R' yi = yi d vi = R"a yi n
' ' ' " "
' "
wi − f − f wi − f
10
dalam hal ini:
bx, by, bz : Translasi posisi pusat proyeksi foto sepanjang sumbu x, y, z foto kanan terhadap
foto kiri
R’ : Matrik rotasi untuk foto kiri
R” : Matrik rotasi untuk foto kanan
F : Panjang fokus kamera
Z Y 3”
3’ y’ y”
k
p’ x’ x”
p”
02
f bx bz
01 by X
p(x,y,z)
Gambar 2.4. Orientasi relatif foto kanan terhadap foto kiri
11
bx by bz
'
1 0 0 vii +
u ' v ' '
wii
ii ii
bx by bz
' ''
x
i y '
i − f v yi
0 1 0
bx by
12
bz
2.4. Resection
Resection adalah penentuan posisi gambar dan orientasi parameter yang
berkaitan dengan sistem koordinat objek. Dalam kasus sederhana koordinat
parameter untuk objek pusat dapat dilihat secara tiga dimensi yang
menggambarakan orientasi sistem koordinat objek yang berkaitan dengan
sistem koordinat gambar. Resection juga termasuk determinasi posisi dan
orientasi parameter secara tidak langsung, sebagai contoh, penentuan koefisien
dari penggabungan gambar polynomial untuk menentukan posisi dan orientasi
waktu yang berkaitan dengan bermacam-macam sensor atau bentuk parameter
proyeksi.
Satu persoalan yang mendasar dalam fotogrametri ialah teknik
resection, ini merupakan obyek yang pertama harus dipelajari dalam
fotogrametri. Ada banyak persamaan untuk menyelesaikan permasalahan
resection, untuk mengoptimalkan keadaan gambar yang berbeda berlaku
aturan syarat perhitungan dan spesifikasi ketelitian. sebagai contoh, solusi
untuk mengatasi kedua bagian bentuk yang telah dibuat. Sebagaian bentuk
biasanya lebih cepat, karena memiliki syarat perhitungan yang lebih sedikit,
dan keuntungannya dapat diperkirakan lebih awal untuk parameter bagian
luar. Oleh karena itu biasa digunakan untuk aplikasi komputer dan harus
dijalankan dengan bantuan operator untuk proses input dan editing. Akan
tetapi, solusi yang paling akurat memerlukan pengamatan dan teknik least
squares, untuk obyek yang tidak bisa menerapkan metode penutup.
Meskipun ini tampak ganjil, pada umumnya parameter gambar ini
tidak digunakan. Karena produk akhir koordinat titik objek, dan parameter
gambar dapat diubah secara sederhana. Hitungan posisi gambar mungkin tidak
mendekati posisi sebenarnya, terkait dengan pergantian yang bersifat proyeksi,
sebagai pengganti untuk kesalahan sistematik dengan merubah orientsi
parameter. Sebagai contoh, sebelum distorsi lensa radial dikoreksi atau
pembiasan sinar pada foto vertikal, tiap persil diganti atau berubah karena
dihitung dengan tinggi terbang. Biasanya ini tidak penting, kecuali bila GPS
13
atau informasi yang berhubungan dengan pelayaran dapat digunakan secara
bebas untuk memperkirakan posisi dari gambar. Sedikitnya tiga titik kendali
noncoliniear dibutuhkan untuk recection bagian kerangka gambar, asumsi
bahwa interior orentasi dikenal, akan tetapi, sekalipun cukup informasi yang
tersedia, ada penataan geometris yang dapat mengakibatkan unsolvable atau
bagian yang tidak stabil. Jika titik kendali dan semua sudut pandang terletak
dengan permukaan silinder, bagian resection akan menjadi tidak stabil atau
bahkan tidak jelas.
Dengan mengetahui orientasi, informasi geometris dapat di lihat
seperti garis lurus atau lingkaran, juga termasuk bagian resection. persamaan
gambar geometri ditambahkan dalam persamaan collinearity dan menentuka
jumlah persamaan least square. jumlah minimum titik kendali atau informasi
geografis kadang-kadang di perlukan.
Metode standar resection untuk fotogrametri aplikasinya didasarkan
pada persamaan collinearity dan dapat dilihat sebagai objek khusus yang
menghalangi penyesuaian, dengan hanya satu gambar dan tidak mempunyai
titik kontrol. Ada enam titik yang tidak dikenal, yang tiga merupakan posisi
koordinat pusat, dan yang tiga lagi adalah parameter orientasi, dan berada
pada sudut lainnya. pengamatan ukuran gambar titik koordinat, dua persamaan
collinieary dipakai pada setiap titik gambar dengan titik kendali yang
menghasilkan enam persamaan dengan mempertimbangkan bagian parameter
yang bebeda, yang tidak di kenal. Jika titik tambahan tersedia, bagian least
square dapat memperoleh hasil yang lebih baik dan pemeriksaan ukuran titik.
Persamaam collinearity harus lineare dan perkiraan awal harus melengkapi
parameter.
Meskipun resection adalah prosedur fotogrametri yang mendasar, ini
jarang di gunakan kecuali langkah pertama untuk perkiraan penyesuaian
berkas. Aplikasi fotogrametri mayoritas meliputi foto wilayah yang lebih luas
dan menyediakan ukuran streo, orientasi diantara foto-foto sangat teliti dan
memetakan banyak objek tetap diantara streomodel. bagian resection peka
14
terhadap keselahan informasi, dan dapat mengontrol bagian-bagian yang tidak
tetap diantara foto-foto.
2.5. Intersection
Mikahail et al. (2001) mengkaji bahwa intersection mengacu kepada
determinasi titik pada object space, dengan perpotongan garis dari dua foto
atau lebih. Metode yang digunakan adalah persamaan garis lurus tidak linier
(Persamaan 2.3) dengan dua persamaan untuk setiap foto. Jika terdapat dua
foto maka akan ada empat persamaan yang terdiri dari tiga persamaan yang
tidak diketahui dan titik koordinat object space yang diperoleh. Terdapat satu
derajat kebebasan dan satu persamaan garis lurus dimana persamaan tersebut
dapat dipecahkan dengan menggunakan metode least square. Dengan
menambahkan beberapa foto maka akan meningkatkan jumlah dari derajat
kebebasan dan meningkatkan penyelesaian persamaan tersebut.
m11 ( X A − YL ) + m12 (YA − YL ) + m13 ( Z A − Z L )
xa = xo – f m ( X − Y ) + m (Y − Y ) + m ( Z − Z )
31 A L 32 A L 33 A L
15
XL, YL, ZL) dari fotografi. Metode ini membutuhkan minimal tiga titik kontrol,
yang dikenal dengan koordinat object space X Y Z, yang diambil gambarnya
lewat pemotretan sehingga dapat dihitung koordinat tanahnya (Gambar 2.5).
Intersection untuk dua gambar yang posisi dan sikapnya diketahui,
digunakan untuk menentukan koordinat (Xi, Yi, Zi) dari titik-titik yang
ditemukan pada kedua gambar secara simultan dengan menggunakan modal
stereovision (Gambar 2.6) Oleh karena itu, kombinasi yang tepat antara kedua
masalah ini menghasilkan navigasi dan pemetaan secara bersamaan. Chaplin,
1999.
zL Object space
X
Gambar 2.6 Teknik Intersection
17
y Sistem Koordinat Berkas
x
(x0, y0) y
a(xa, ya) c
x
Pusat Kamera A ( XA, YA ZA)
(X0, Y0, Z0) z
Z
Y
X
18
n1 11
a b c . n . A . L v
1 111 1 1
. . . . . . . . . .
. . . . . . . . . .
a b c . n . N . L v
m mmmm m m m m
19
Saat mempelajari representasi matrik berikut ini, akan ditekankan
bahwa persamaan normal diperoleh sebagai berikut :
( AT A) X = AT L
Persamaan 2.5. Persamaan Normal Least Square
IX = ( AT A) −1 ( AT L)
X = ( AT A) −1 ( AT L)
w1 0 0 0 . . .0
w w 0 0 . . .0
1 2
w1 0 w3 0 . . .0
W=
w 1 0 0 w4 . . .0
. . . . . . . . . . . . .
w1 0 0 0 . . .wn
20
Pada matriks W semua elemen diagonal bernilai 0. hal ini sesuai saat
observasi individu bersifat independent dan tak berkorelasi. Ini sering terjadi
pada kasus aplikasi fotogrametri.
Intersection mengacu kepada determinasi posisi titik pada ruang objek,
dengan silang bias gambar dari dua gambar atau lebih. Metode standar
aplikasi collinearity untuk (Persamaan 2.6), dengan dua persamaan untuk
setiap titik gambar. Jika terdapat dua gambar, total ada empat persamaan yang
terdiri dari tiga persamaan yang tidak dikenal, titik koordinat ruang objek yang
diperoleh. Ada satu derajat yang bebas, dan satuan persamaan linier dimana
dapat dipecahkan dengan metode least square, dengan menambahkan
beberapa foto, maka banyak derajat yang bebas dan dengan demikian akan
memperbaiki bagian yang rusak (Mikhail et al, 2001).
m11 ( x − x0 ) + m21 ( y − y 0 ) + m31 ( − f )
x − xl = ( Z − Z l )
m13 ( x − x0 ) + m23 ( y − y 0 ) + m33 ( − f )
m12 ( x − x0 ) +m22 ( y − y 0 ) + m32 ( − f )
y − yl = ( Z − Z l )
m13 ( x − x0 ) + m23 ( y − y 0 ) + m33 ( − f )
Persamaan 2.7. Persamaa Derajat kebebasan
21
α xi − x0
T
β = Mi yi − y0
γ − f
i i
Persamaan 2.8. Persamaan Vektor Satuan
Persamaan baris melalui sudut pandang pusat foto dan titik objek, oleh
karena itu (Mikhail et al, 2001) :
X − X L1 Y −Y Z −Z
= =
L1 L1
αi βi γi
Persamaan 2.9. Persamaan Baris Pusat Gambar
22
Untuk keperluan fotogrametri teliti, posisi tanda tepi, bersama-sama
dengan titik tengah foto, panjang fokus, dan distorsi lensa harus ditentukan
dengan cara kalibrasi kamera. Ada 2 jenis distorsi lensa, yaitu distorsi yang
bersifat radial dan tangensial. Umumnya distorsi yang cukup signifikan
pengaruhnya adalah distorsi radial (Δr) dan dimodelkan dengan persamaan
polinomial orde ganjil sebagai berikut (Cooper dan Robson, 1996)
Δr = k0r3 + k1r5 + k2r7
Persamaan 2.10 Persamaan Distorsi Radial
23
a1
a2
000 a
x 1 vu 3
=
y 1000 vu a4
a 5
a
6
Persamaan 2.11. Persamaan Orientasi Dalam
dalam hal ini:
x, y : Sistem koordinat foto
u, v : Sistem koordinat pixel
a1, …, a6 : Parameter transformasi
24
lebih tanda tepi, maka dengan persamaan (2.10) dapat dilakukan estimasi
kuadrat terkecil untuk menentukan parameter transformasi.
Distorsi radial untuk lensa wide angle seperti lensa yang digunakan
pada DMC yang kecil tetapi nyata. Bagaimanapun efek distorsi adalah sekitar
1 sampai 2 pixel di perbatasan CCD sensor. Dalam kaitannya dengan definisi
distorsi radial, ada korelasi besar antara koefisien distorsi itu sendiri k1 k2 k3
dan antara principle distance, k1c. Hubungan antara distorsi radial dengan
25
principle distance adalah yang diharapkan. Dalam kaitannya sesuai principle
distance dengan deviasi rata-rata akan dihitung menjadi minimum.
26
2.8.2. Konsep pemrograman orientasi-objek menekankan
a. Kelas
Kelas adalah kumpulan atas definisi data dan fungsi-fungsi dalam
suatu unit untuk suatu tujuan tertentu. Sebagai contoh 'class of dog' adalah
suatu unit yang terdiri atas definisi-definisi data dan fungsi-fungsi yang
menunjuk pada berbagai macam perilaku/turunan dari anjing. Sebuah class
adalah dasar dari modularitas dan struktur dalam pemrograman berorientasi
object.
Sebuah class secara tipikal sebaiknya dapat dikenali oleh seorang non-
programmer sekalipun terkait dengan domain permasalahan yang ada, dan
kode yang terdapat dalam sebuah class (relatif) bersifat mandiri dan
independen (sebagaimana kode tersebut digunakan jika tidak menggunakan
OOP).
b. Objek
Objek adalah berfungsi merangkum data dan fungsi bersama menjadi
suatu unit dalam sebuah program komputer; objek merupakan dasar dari
modularitas dan struktur dalam sebuah program komputer berorientasi objek.
c. Abstraksi
Abstraksi adalah merupakan kemampuan sebuah program untuk
melewati aspek informasi yang diproses olehnya, yaitu kemampuan untuk
memfokus pada inti. Setiap objek dalam sistem berlaku sebagai model dari
"pelaku" abstrak yang dapat melakukan kerja, laporan dan perubahan
keadaannya, dan berkomunikasi dengan objek lainnya dalam sistem, tanpa
mengungkapkan bagaimana kelebihan ini diterapkan. Proses, fungsi atau
metode dapat juga dibuat abstrak, dan beberapa teknik digunakan untuk
mengembangkan sebuah pengabstrakan.
d. Enkapsulasi
Enkapsulasi berfungsi untuk memastikan pengguna sebuah objek
tidak dapat mengganti keadaan dalam dari sebuah objek dengan cara yang
27
tidak layak, hanya metode dalam objek tersebut yang diberi ijin untuk
mengakses keadaannya. Setiap objek mengakses interface yang menyebutkan
bagaimana objek lainnya dapat berinteraksi dengannya. Objek lainnya tidak
akan mengetahui dan tergantung kepada representasi dalam objek tersebut.
e. Polimorfisme
Polimorfisme melalui pengiriman pesan. Tidak bergantung kepada
pemanggilan subrutin, bahasa orientasi objek dapat mengirim pesan. Metode
tertentu yang berhubungan dengan sebuah pengiriman pesan tergantung
kepada objek tertentu di mana pesa tersebut dikirim. Contohnya, bila sebuah
burung menerima pesan "gerak cepat", dia akan menggerakan sayapnya dan
terbang. Bila seekor singa menerima pesan yang sama, dia akan
menggerakkan kakinya dan berlari. Keduanya menjawab sebuah pesan yang
sama, namun yang sesuai dengan kemampuan hewan tersebut. Ini disebut
polimorfisme karena sebuah variabel tungal dalam program dapat memegang
berbagai jenis objek yang berbeda selagi program berjalan, dan teks program
yang sama dapat memanggil beberapa metode yang berbeda di saat yang
berbeda dalam pemanggilan yang sama. Hal ini berlawanan dengan bahasa
fungsional yang mencapai polimorfisme melalui penggunaan fungsi kelas-
pertama.
f. Inheritas
Inheritas adalah pengatur polimorfisme dan enkapsulasi dengan
mengijinkan objek didefinisikan dan diciptakan dengan jenis khusus dari
objek yang sudah ada objek-objek ini dapat membagi (dan memperluas)
perilaku mereka tanpa haru mengimplementasi ulang perilaku tersebut (bahasa
berbasis-objek tidak selalu memiliki inheritas.)
Dengan menggunakan OOP maka dalam melakukan pemecahan suatu
masalah kita tidak melihat bagaimana cara menyelesaikan suatu masalah
tersebut (terstruktur) tetapi objek-objek apa yang dapat melakukan pemecahan
masalah tersebut.
28