SENSOR WARNA

By.
Guna M.W

By: Guna M.W

 BAB I
PENDAHULUAN

Pengertian Sensor
Sensor adalah alat untuk mendeteksi/mengukur sesuatu, yang digunakan untuk
mengubah variasi mekanis, magnetis, panas, sinar dan kimia menjadi tegangan dan arus
listrik. Dalam lingkungan sistem pengendali dan robotika, sensor memberikan kesamaan
yang menyerupai mata, pendengaran, hidung, lidah yang kemudian akan diolah oleh
kontroler sebagai otaknya (Petruzella, 2001).
Sensor dalam teknik pengukuran dan pengaturan secara elektronik berfungsi
mengubah besaran fisik (misalnya : temperatur, cahaya, gaya, kecepatan putaran) menjadi
besaran listrik yang proposional. Sensor dalam teknik pengukuran dan pengaturan ini harus
memenuhi persyaratan- persyaratan kualitas yakni :
1.Linieritas
Konversi harus benar-benar proposional, jadi karakteristik konversi harus linier.
2.Tidak tergantung temperatur
Keluaran konverter tidak boleh tergantung pada temperatur di sekelilingnya,
kecuali sensor suhu.
3.Kepekaan
Kepekaan sensor harus dipilih sedemikian, sehingga pada nilai-nilai masukan yang
ada dapat diperoleh tegangan listrik keluaran yang cukup besar.
4.Waktu tanggapan
Waktu tanggapan adalah waktu yang diperlukan keluaran sensor untuk mencapai
nilai akhirnya pada nilai masukan yang berubah secara mendadak. Sensor harus
dapat berubah cepat bila nilai masukan pada sistem tempat sensor tersebut berubah.
5.Batas frekuensi terendah dan tertinggi
Batas-batas tersebut adalah nilai frekuensi masukan periodik terendah dan tertinggi
yang masih dapat dikonversi oleh sensor secara benar. Pada kebanyakan aplikasi
disyaratkan bahwa frekuensi terendah adalah 0 Hz.
6.Stabilitas waktu
Untuk nilai masukan (input) tertentu sensor harus dapat memberikan keluaran
(output) yang tetap nilainya dalam waktu yang lama.
7.Histerisis
Gejala histerisis yang ada pada magnetisasi besi dapat pula dijumpai pada sensor.
Misalnya, pada suatu temperatur tertentu sebuah sensor dapat memberikan
keluaran yang berlainan.
Empat sifat diantara syarat-syarat dia atas, yaitu linieritas, ketergantungan pada
temperatur, stabilitas waktu dan histerisis menentukan ketelitian sensor (Link,
1993).

By: Guna M.W

 BAB II
JENIS SENSOR

2. Jenis Sensor Warna

Berdasarkan penggunaan / penangkapan suatu objek warna, sensor warna ini dapat di
kategorikan menjadi 2 yaitu:
a. Sensor Warna dengan pemanfaatan resistansi cahaya.
b. Sensor Warna dengan pemanfaatan cam.

2.1 Sensor Warna dengan pemanfaatan resistansi cahaya

Pada sensor jenis ini yang umumnya di gunakan dalam suatu aplikasi biasanya
menggunakan suatu komponen jenis LDR. Memang pada umunya LDR ini di
gunakan sebagai sensor cahaya, namun dari sini kita dapat memanfaatkan prinsipnya
sebagai sensor warna.

2.1.1 Sensor Cahaya LDR (Light Dependent Resistor)

adalah salah satu jenis resistor yang dapat mengalami perubahan resistansinya
apabila mengalami perubahan penerimaan cahaya. Besarnya nilai hambatan pada
Sensor Cahaya LDR (Light Dependent Resistor) tergantung pada besar kecilnya
cahaya yang diterima oleh LDR itu sendiri. LDR sering disebut dengan alat atau
sensor yang berupa resistor yang peka terhadap cahaya. Biasanya LDR terbuat dari
cadmium sulfida yaitu merupakan bahan semikonduktor yang resistansnya berupah-
ubah menurut banyaknya cahaya (sinar) yang mengenainya. Resistansi LDR pada
tempat yang gelap biasanya mencapai sekitar 10 M, dan ditempat terang LDR
mempunyai resistansi yang turun menjadi sekitar 150 . Seperti halnya resistor
konvensional, pemasangan LDR dalam suatu rangkaian sama persis seperti
pemasangan resistor biasa. Simbol LDR dapat dilihat seperti pada gambar berikut.
Simbol Dan Fisik Sensor Cahaya LDR (Light Dependent Resistor

Karakteristik Sensor Cahaya LDR (Light Dependent Resistor)

Sensor Cahaya LDR (Light Dependent Resistor) adalah suatu bentuk
komponen yang mempunyai perubahan resistansi yang besarnya tergantung pada
cahaya. Karakteristik LDR terdiri dari dua macam yaitu Laju Recovery dan Respon
Spektral sebagai berikut :
Laju Recovery Sensor Cahaya LDR (Light Dependent Resistor)
Bila sebuah Sensor Cahaya LDR (Light Dependent Resistor) dibawa dari
suatu ruangan dengan level kekuatan cahaya tertentu ke dalam suatu ruangan

By: Guna M.W

 yang gelap, maka bisa kita amati bahwa nilai resistansi dari LDR tidak akan
segera berubah resistansinya pada keadaan ruangan gelap tersebut. Na-mun
LDR tersebut hanya akan bisa menca-pai harga di kegelapan setelah
mengalami selang waktu tertentu. Laju recovery meru-pakan suatu ukuran
praktis dan suatu ke-naikan nilai resistansi dalam waktu tertentu. Harga ini
ditulis dalam K/detik, untuk LDR tipe arus harganya lebih besar dari
200K/detik(selama 20 menit pertama mulai dari level cahaya 100 lux),
kecepatan tersebut akan lebih tinggi pada arah sebaliknya, yaitu pindah dari
tempat gelap ke tempat terang yang memerlukan waktu kurang dari 10 ms
untuk mencapai resistansi yang sesuai den-gan level cahaya 400 lux.
Respon Spektral Sensor Cahaya LDR (Light Dependent Resistor)
Sensor Cahaya LDR (Light Dependent Resistor) tidak mempunyai sensitivitas
yang sama untuk setiap panjang gelombang cahaya yang jatuh padanya (yaitu
warna). Bahan yang biasa digunakan sebagai penghantar arus listrik yaitu
tembaga, aluminium, baja, emas dan perak. Dari kelima bahan tersebut
tembaga merupakan penghantar yang paling banyak, digunakan karena
mempunyai daya hantaryang baik (TEDC,1998)
Prinsip Kerja Sensor Cahaya LDR (Light Dependent Resistor)
Resistansi Sensor Cahaya LDR (Light Dependent Resistor) akan berubah
seiring den-gan perubahan intensitas cahaya yang mengenainya atau yang ada
disekitarnya. Dalam keadaan gelap resistansi LDR seki-tar 10M dan dalam
keadaan terang sebe-sar 1K atau kurang. LDR terbuat dari ba-han
semikonduktor seperti kadmium sul-fida. Dengan bahan ini energi dari cahaya
yang jatuh menyebabkan lebih banyak mua-tan yang dilepas atau arus listrik
meningkat. Artinya resistansi bahan telah men-galami penurunan.

2.1.2 Sensor warna TCS230

adalah sensor warna yang sering digunakan pada aplikasi mikrokontroler
untuk pendeteksian suatu object benda atau warna dari objet yang di monitor. Sensor
warna TCS230 juga dapat digunakan sebagi sensor gerak, dimana sensor mendeteksi
gerakan suatu object berdasarkan perubahan warna yang diterima oleh sensor. Pada
dasarnya sensor warna TCS230 adalah rangkaian photo dioda yang disusun secara
matrik array 88 dengan 16 buah konfigurasi photodioda yang berfungsi sebagai filter
warna merah, 16 photodiode sebagai filter warna biru dan 16 photo dioda lagi tanpa
filter warna. Sensor warna TCS230 merupakan sensor yang dikemas dalam chip DIP
8 pin dengan bagian muka transparan sebagai tempat menerima intensitas cahaya
yang berwarna. Kontruksi sensor warna TCS230 dapat dilihat pada gambar berikut.
Konstruksi Sensor Warna TCS230

By: Guna M.W

 Pada sensor warna TCS230 terdapat selektor S2 dan S3 yang berfungsi untuk
memilih kelompok konfigurasi photodiode yang akan digunakan atau dipakai.
Kombinasi fungsi S2 dan S3 dalam pemilihan kelompok photodiode adalah sebagai
berikut.
Konfigurasi S2 Dan S3 Sensor Warna TCS230

Photodiode akan mengeluarkan arus yang besarnya sebanding dengan kadar

warna dasar cahaya yang menimpanya. Arus ini kemudian dikonversikan menjadi
sinyal kotak atau pulsa digital dengan frekuensi sebanding dengan besarnya arus.
Frekuensi Output ini bisa diskala dengan mengatur kaki selektor S0 dan S1.
Penskalaan Output bisa dilihat pada tabel dibawah.
Tabel Penskalaan Output Sensor Warna TCS230

Dengan demikian, program yang kita perlukan untuk mendapatkan komposisi

RGB adalah program penghitung frekuensi. Ada dua cara yang biasa dilakukan untuk
menghitung frekuensi. Cara pertama: Kita buat sebuah timer berperiode 1 detik, dan
selama periode itu kita hitung berapa kali terjadi gelombang kotak atau berapa jumlah
pulsa yang diterima.

By: Guna M.W

 2.1.3 Sensor warna TCS230
Modul sensor warna RGB yang berkerja dengan cara mengkonversi cahaya ke
frekuensi.
Spesifikasi Teknis:
- Tegangan Kerja : 2.7 - 5.5 V
- Sensor Array : 8 x 8 photo dioda, 16 photodioda filter merah, 16 photodioda filter
hijau, 16 photodioda tanpa filter.
- Lensa : 5.3 mm (dalam jarak 25 mm mampu melihat area bujur sangkar dengan sisi
4 mm).
- Fitur Lain : Power Down
- Programable Oscillator Divide Rate (Output Freq)

2.1.4 Sensor warna QTI Sensor

Sensor warna hitam dan putih yang di dalamnya terdapat pemancar IR dan
penerima IR.
Spesifikasi:
- Supply voltage 5V
- Emitter: Continuous Forward current (If)= 50mA, Reverse Voltage (Vr)=5V, Power
Dissipation (Pd)=100mW
- Sensor: Collector-Emiter Voltage (Vceo)=30V, Power Dissipation (Pd)=100mW
- Phototransistor output.

2.1.5 Sensor warna DT-Sense Color Sensor

DT-SENSE Color Sensor merupakan modul sensor warna berbasis sensor
TAOS TCS3200 yang dapat digunakan untuk pengukuran komponen RGB sebuah
obyek. DT-SENSE Color Sensor dilengkapi kemampuan untuk menyimpan 25 data
warna serta 2 pilihan antarmuka yaitu UART TTL dan I2C. Modul ini dapat
digunakan untuk aplikasi sistem sortir warna atau color recognition.

By: Guna M.W

 Spesifikasi :
- Berbasis sensor TAOS TCS3200D.
- Mampu mengukur komponen warna RGB dari sebuah obyek berwarna.
- Dilengkapi dengan spacer 3 cm sehingga mencakup area pandang (field of
view) 2 cm x 2 cm.
- Tersedia 2 LED putih untuk membantu pembacaan data warna pada obyek.
- Tersedia fitur penyimpanan 25 buah data warna.
- Pin input/output kompatibel dengan level TTL/CMOS.
- Dilengkapi dengan antarmuka UART TTL dan I2C.
- Konfigurasi komunikasi serial adalah : baudrate 9600 bps, 8 data bit, 1 stop
bit, tanpa parity, dan tanpa flow control.
- Antarmuka I2C mendukung bit rate data hingga 50 kHz.
- Pada antamuka I2C modul ini dapat di-cascade hingga 8 modul tanpa
hardware tambahan.
- Pengaturan alamat hardware I2C melalui pengaturan jumper.
- Tersedia perintah white balance untuk membaca referensi warna putih dan
black balance untuk membaca nilai referensi warna hitam melalui command
set.
- Kebutuhan catu daya 4,8 - 5,4 VDC.
- Tersedia deskripsi dan penjelasan command set yang didukung oleh modul
ini.

2.2 Sensor Warna dengan pemanfaatan Cam

Pada sensor jenis ini yang pada umumnya di gunakan dalam suatu aplikasi
biasanya menggunakan suatu Camera. Dalam pengambilan gambar atau foto udara
sistem ini menggunakan kamera , karena kamera ini dapat diprogram untuk
menyimpan data gambar atau foto.

2.2.1 Sensor Warna >>Modul Kamera (CMUCam3)

Modul kamera CMUcam3 merupakan modul kamera yang dapat
diprogram. Pemrograman dilakukan dengan menggunakan bahasa C.
Modul kamera CMUcam3 telah terintegrasi oleh beragai macam
komponen penting, diantaraya adalah mikrokotroler ARM7TDMI.
Mikrokontroller ARM7TDMI tersebut memiliki berbasiskan prosesor
Philips LPC216. Didalam Mikrokontroller ARM7TDMI telah terintegrasi
IC MAX232 yang berfungsi sebagai converter. CMUcam3 dapat
diaplikasikan pada berbagai macam keperluan.

By: Guna M.W

 Spesifikasi:
Modul embedded vision sensor berbasis Omnivision CMOS camera dan
mikrokontroler ARM7TDMI (Philips NXP LPC2106).
- Programmable dan open source.
- RGB, resolusi CIF (352288).
- Slot untuk MMC/SD card dengan FAT16 driver.
- 4 port servo controller.
- Kecepatan image processing 26 fps (frame/second).
- Kompresi JPEG software.
- Lua light-weight language interpreter.
- Raw images dumps melalui port serial.
- Mampu membuat histogram.
- Tersedia keluaran video analog B/W (PAL or NTSC).
- FIFO image buffer untuk image processing dengan resolusi tinggi.
- Antarmuka serial UART TTL & RS-232.
- Mendukung Teleos 802.15.4, antarmuka jaringan Wireless Mote.

By: Guna M.W

 BAB III
PRINSIP KERJA

3.2 Prinsip Dasar Sensor Warna

Cahaya sebenarnya adalah sebuah
gelombang elektromagnetik yang datang
dengan panjang gelombang yang berbeda
beda. Panjang gelombang ini memasuki mata
anda dan energinya diserap oleh sel sel pada
bagian belakang mata anda. Energi cahaya ini
kemudian dirubah menjadi energi kimia yang
kemudian diproses oleh beberapa ratus juta
neuron khusus dan setelah satu per beberapa
detik ajaib, otak kita mengatakan kepada kita
bahwa panjang gelombang 450nm adalah
biru dan panjang gelombang 520 adalah
hijau.
Dan pada tingkat sadar kita tidak pernah
benar benar melihat panjang gelombang tersebut, namun hanya hasil dari apa yang otak
kita proses yang kita tahu. Melalui proses ini juga, banyak panjang gelombang lain yang
ditolak oleh otak, seperti halnya inframerah dan ultraviolet. Panjang gelombang ini juga
ada namun kita tidak dapat melihatnya.

Bayangkan kita memiliki sebuah sensor yang bisa melihat banyak warna yang
berbeda, seperti photoresistor. Bagaimana kita menggunakan sensor ini untuk mendeteksi
apel merah dan apel hijau? Benar dengan meninjau perbedaan keduanya
Apel merah akan memantulkan cahaya merah tetapi menyerap cahaya hijau.
Begitupula apel hijau akan memantulkan cahaya hijau dan menyerap cahaya merah.
Jika kita menyinari cahaya merah ( seperti dari LED) pada kedua apel, apel merah
akan memantulkan lebih banyak cahaya daripada apel hijau . Sehingga apel hijau akan
kelihatan lebih cerah dibandingkan dengan apel hijau. Begitupula ketika kita menyinari
cahaya cahaya hijau dari LED hijau pada kedua apel, maka apel hijau akan kelihatan lebih
cerah

By: Guna M.W

 Pencocokan Kemiripan dan Thresholding
Pada kenyataannya kita harus mengkalibrasi sebelum sensor tersebut bekerja. Ini
berarti kita harus menggunakan sensor tersebut untuk mengindera benda dan mencatat
pembacaanya dan kemudian membuat grafik dari data ini. Sehingga ketika robot kita
melakukan hal ini dan mengindera benda yang sama, dapat dibandingkan kemiripan
antara pembacaan baru dengan pembacaan yang dikalibrasi
Sebagai contoh bayangkan robot kita harus mengikuti garis putih pada lantai
berwarna abu abu. Robot dapat menggunakan mikrokontroler untuk mengindera nilai
analog dari sensor. Berdasarkan pada fase kalibrasi, robot tersebut diukur pada nilai pada
nilai analog 95 untuk lantai abu abu, 112 untuk garis putih dan kemudian menyimpan
nilai ini pada memori. Sekarang ketika robot berada pada garis putih dan kemudian
sensor membaca 108. Lalu apa maksudnya? Apakah berada pada garis atau tidak?
Menggunakan metode thresholding, kita bisa menambahkan nilai terkalibrasi dan
dibagi dengan dua untuk mencari nilai tengah. Sebagai contoh (95+112)/2 = threshold.
Apapun yang berada diatas threshold adalah putih dan apapun dibawahnya adalah lantai
abu abu
Tetapi bagaimana jika kita memiliki tiga atau empat warna? Bagaimana cara
memberikan nilai ambang? Daripada memberikan nilai ambang, kita bisa menggunakan
pencocokan kemiripan alias bahasa sononya similarity matching. Apa yang anda lakukan
untuk menentukan seberapa mirip tiap warna benda dikalibrasi nilainya. Sebagai contoh
ketika robot berada pada garis putih menggunakan similarity matching, kita akan
menggunakan sedikit rumus matematika sebagai berikut

Persamaan :
abs(new_reading calibrating_reading)/calibrated_reading * 100 = similarity

sekarang menggunakan bilangan tersebut:

lantai abu abu = (108 95)/95 * 100 = 13.7% different
garis putih = (108 112)/112 * 100= 3.6% different

perbandingan: white line < grey floor

sehingga sensor melihat garis putih

kita dapat menggunakan metode ini untuk pembacaan warna apapun dan sejumlah
warna yang ditentukan dengan pengkalibrasian terlebih dahulu. Dengan ini kita telah
meninjau kalibrasi sebagai jalan untuk mengajari robot kita membedakan diantara warna
warna

3.2 Prinsip CMUCam

3.2.1 Pengambilan Gambar Objek
Pada umumnya proses pengambilan gambar, komputer melalui kamera akan
menerima dan mengolah sebuah informasi visual berupa gambar. Proses penerimaan
dan pengolahan gambar atau citra biasa disebut dengan Image Processing dan
Recognition. Pada perancangan robot, proses pengambilan gambar objek terjadi pada
awal ketika program dijalankan. Mobile robot melalui CMUcam3 sebagai fungsi
penglihatan akan mengambil gambar objek beserta keadaan lingkungan di sekitar
objek. Gambar keadaan sekitar objek dan objek itu sendiri yang telah diambil melalui
CMUcam3 akan melalui proses recognition. Dari proses recognition , akan diperoleh
data data yang diproses oleh AVR sebagai otak robot dan acuan untuk menentukan
dimana posisi objek sehingga robot dapat bergerak untuk mendekati objek.

By: Guna M.W

 Gambar objek yang telah diambil akan diproses melalui tahapan recognition
guna mendapatkan data berupa centroid, koordinat objek, resolusi, nilai confidence.
Keadaan lingkungan dari sekitar objek digunakan sebagai acuan bagi CMUcam3
dalam mencari objek. Proses pengambilan gambar pertama kali dilakukan pada
tempat dengan intensitas cahaya yang besar, dan proses pencarian objek dilakukan
ditempat yang sama, dengan intensitas cahaya yang sama, kerja sistem akan berjalan
dengan baik. Tetapi ketika proses pengambilan gambar pertama kali dilakukan pada
tempat dengan intensitas cahaya yang besar, kemudian proses pencarian dilakukan
pada tempat berbeda dengan intensitas cahaya yang berbeda, kemungkinan
keberhasilan sistem akan semakin mengecil.

3.2.2 Recognition
Setelah melakukan proses pengambilan gambar objek, gambar objek akan
melalui proses recognition. Proses recognition merupakan proses dimana robot
akan dapat mengenali warn a dari objek yang telah ditentukan sebagai objek utama.
Warna yang telah robot kenali akan menjadi acuan bagi algoritma yang ada pada
sistem dan pergerakan robot.
Proses recognition sendiri terdiri da ri beberapa tahapan yang dilakukan oleh
prosesor CMUcam3. Langkah awal yang terjadi didalam prosesor CMUcam3 adalah
adanya perintah untuk melakukan Track window . Proses Track window dilakukan
hanya sekali ketika robot dan kamera pertama kali dinyalakan. Saat robot dan kamera
dinyalakan, terdapat program yang memperintahkan kepada robot untuk melakukan
Track window . Prinsip dasar perintah Track window adalah prosesor dalam
CMUcam3 melalui kamera akan melakukan grabe frame atau mengambil gambar
sesuai dengan apa yang ada didepan lensa kamera. Perintah yang diberikan, proses
grabe frame dilakukan selama 5 detik, dan objek yang akan didete ksi harus berada
tepat di depan kamera, sehingga kamera dapat mengambil gambar objek. Setelah
proses grabe frame selesai dilakukan, hasil gambar akan diolah guna mendapatkan
centroid atau titik tengah dari objek yang memiliki intesitas warna paling baik, dan
juga luas area sekitar yang memiliki warna yang sama dengan centroid. Warna yang
dikenali hanya berdasarkan nilai RGB yang terbentuk, prosesor tidak mengena li nilai
RGB tersebut merupakan warna merah, hijau, biru, atau warna lainya.
Centroid dari objek yang diambil gambarnya, didapatkan dari titik tengah
objek yang memiliki nilai RGB paling besar dibandingkan dengan nilai RGB yang
ada disekitarnya. Setiap warna dikenal di dalam prosesor atau komputer manapun,
memiliki nila i RGB yang merupakan percampuran dari warna merah, hijau, dan biru,
dengan intensitas antara merah, hijau, dan biru yang berbeda-beda setiap jenis
warnanya.
Setelah prosesor melalui kamera mendapatkan centroid dari objek yang
sedang dicari, prosesor akan menentukan luas area dari objek yang memiliki warna
kurang lebih menyerupai warna dari centroid. Luas area warna berdasarkan pixel yang
ada disekitar centroid yang memiliki nilai RGB tidak berbeda jauh dengan nilai RGB
yang ada pada centroid nya. Luas area ini menentukan seberapa besar bentuk obj ek
yang dideteksi oleh prosesor melalui kamera. Penentuan luas area ini memiliki
batasan yaitu warna dari objek dengan latar belakang memiliki perbedaan yang besar,
seperti contoh objek dengan warna merah dengan latar belakang berwarna putih.
Dari data hasil centroid dan luas area yang dimiliki oleh objek, maka prosesor
akan menyimpulkan berapa besar pixel yang dimiliki oleh objek ang terlihat oleh
kamera. Penentua n pixel ini dapat dikembangkan untuk menentukan apakah objek

By: Guna M.W

 yang terlihat ol eh kamera sudah berada dekat dari kamera atau masih terletak jauh
dari kamera.
Ketika prosesor didalam CMUcam3 telah memiliki data berupa letak centroid
dari objek, luas area yang dimiliki oleh objek, dan seberapa besar pixel yang dimiliki
oleh objek, proses or akan melakukan identifikasi untuk menentukan nilai confidence
sebagai acuan prosesor untuk memberikan data kepada robot. Nilai confidence yang
dimaksud adalah perbandingan antara jumlah pixel pada range tertentu yang sudah
ditentukan dan jumlah pixel dari hasil capture dalam batas kotak pengindraan
(boundary box). Confidence bertujuan untuk memberikan acuan pada prosesor yang
ada didalam CMUcam3 bahwa objek yang dilihat melalui kamera merupakan objek
yang dicari. Confeidence memiliki nilai antara 0 sampai 255, dalam penelitian yang
dilakukan, sebagai contoh diberikan nilai 80 sebagai acuan prosesor memiliki
confidence atau tidak. Nilai dari confidence berdasarkan nilai RGB yang didapat
ketika robot mendeteksi objek. Ketika prosesor melakukan identifikasi dan
menghasilkan nilai confidence di atas 80, maka prosesor akan mengirimkan data si
gnal kepada IC L293 yang merupakan driver dari motor DC untuk bergerak maju
mendekati objek. Tetapi ketika setelah melakukan identifikasi, dan mendapatkan nilai
dibawah 80, maka prosesor akan melakukan identifikasi terh adap objek lain yang
ditangkap oleh lensa kamera.
Pengaplikasian kamera terletak pada robot di bagian atas, sehingga luas ruang
lingkup gambar yang akan diambil oleh kamera akan lebih besar. Kamera terletak
dalam posisi statis atau tidak dapat bergerak. Perlu diingat bahwa kamera sejenis
CMUcam3 ini te rdapat prosesor jenis ARM yang dipergunakan untuk mengolah data
yang diambil ole kamera, sehingga dapat dipergunakan oleh mikrokontroler.

3.2.3 Output CMUcam3

Setelah melakukan proses Recognition dan menghasilkan sebuah data dari
koordinat centroid hingga nilai confidence, CMUcam3 akan mengirimkan data ini
kedalam otak dari robot yaitu AVR. Di dalam AVR terdapat coding yang akan
mengolah data da ri CMUcam3, sehingga melalui data tersebut, robot dapat bergerak
mendekati objek.
Proses pergerakan robot mengacu pada nilai confidence dari CMUcam3.
Ketika nilai confidence yang diterima oleh AVR memiliki nilai diatas 80, maka
AVR akan menjadikan robot bergerak maju mendekati objek.

By: Guna M.W

 BAB IV
DAVTAR PUSTAKA

http://www.google.com
http://www.Societyofrobots.com
http://cmucam.org/wiki/Downloads
http://blog.hobbycoding.web.id/2011/11/04/step-step-tracking-color-dengan-cmucam-3/

http://cmucam.org

http://www.cmucam.org/discussion/message/1343

http://digi-ware.com

http://en.wikipedia.org/wiki/Orange_%28colour%29

By: Guna M.W