GRAHAILMU

ROBOT
rRDII'YRII
\/tsr
Ir l\ll
M.'RYUTI
#
t
t
t
* }

PUSTAKAAN
ARSIPAN
TAWATTN4UR
,29.8
FAD il
r.3
t
,@
@cnaHArLMU

ROBOT
VISI
ROBOT VISI
,,1,i ':. {
Oleh : FadlisYah '.ro 4
I
M. SaYuti . !:::? ,, ,'.
il
KATA PENGANTAR
,. - 'i.i':t' .:) |
,.,,,.-*-",.".".*".,.
EdisiPertama 2 0> ' t?T
Cetakan Pertama,2009
lBfr(?1zorz
Hak Cipta O 2009 Pada Penulis,
Hak Cipta dilindungi undang-undang. Dilarang memperbanyak atau
memindahkan sebagian atau seluruh isi buku ini dalam bentuk apa engan mengucapkan puji dan syukur kehadirat
pun, secara elektronis maupun mekanis, termasuk memfotokopi,
merekam, atau dengan teknik perekaman lainnya, Allah SWT, di mana atas rahmat dan karunia-
tanpa izin tertulis dari penerbit. Nya Penulis telah dapat menyelesaikan huku
yang berjudul "ROBOT VlSf'.

Rasa terima kasih penulis ucapkan juga untuk

GRAHA ILMU Bapak Drs. A. Hadi Arifin, M.Si, selaku rektor Universitas
Candi Gebang Permai Blok R/6
Malikussaleh, yang telah memotivasi penulis untuk terus
Yogyakarta 5551 I
Telp. :0274-4462135;0274-882262 menyelesaikan karya ini, istriku Nurlaila, M.Pd dan pihak-
Fax. :0274-4462136 pihak yang telah memberi bantuan dan bimbingan
E-mail : info@gnhailmu.co.id
sehingga penulis dapat menyelesaikan naskah Robot Visi
ini, yang tidak dapat disebutkan satu per satu.

Adapun materi-materi yang dibahas di dalam buku

Fadlisyah; M. SaYuti ini mencakup: Kehidupan awal robot, Robot interaktif,
ROBOT VISI/FadlisYah; M. Salruti Sensor komputasi, Persepsi, VH construction, Pendeteksi-
- edisi Pertama - Yogyakarta; Graha
Ilmu, 2009 an gerakan tubuh, Visual Servoing Estimasi gerakan 3D
x + 150 hlm, 1 Jil. : 2l- cm. dari citra stereo, dan Sistem Catadioptric.

Penulis hanya mengucapkan selamat membaca.

ISBN: 978-979-756-459-8
Penulis
1. Komputer I- Judul

/'"'
 DAFTAR ISI

KATA PENCANTAR v
DAFIAR lsl
vii
BAB 1 "KEHIDUPAN"AWAT ROBOT I
BAB 2 STUDIAWAI INTERAKSIMANUSIA
ROBOT PEER.TGPEER 11
2.1 Pengenalan t1
2.1.1 proyek HRI peer-topeer 11
2.1.2 Sistem operasi HRI 12
2.2 Evaluasiawal 't5

BAB 3 ROBOT INTERAKTIF SECARA SOSIAI 21

3.1 Pengenalan
21
3.1.1 Sejarah robot sosial 21
3.1.2 Robot sosial dan penanaman
nilai-nilai sosial: konsep
dan definisi 24
3.I.3 Robot interaktif secara sosiat 26
3.1.4 Robot interaktif secara sosial,
kenapa ? 26
3.2 Metode 28
3.2.1 pendekatandesain
28
 3.2.2 Berbagai isu desain 34 6.4.2 Algoritma fast visual
3.2.3 Embodiment 35 hull construction berbasis voxel
3.2.4 Emosi 44 menggunakan Sparse Pixel

BAB 4 SENSOR KOMPUTASI UNTUK

(SPOT)
Occupancy Iest 84

"TRACKING" OBIEK 53 BABT PENDEKTESIAN GERAKAN TUBUH 87

4.1 Pendahuluan 53 7.1 Pendahuluan 87
4.2 lmplementasi 56 7.2 Pemodelan probabilitas single-frame BB

BAB 5 ROBOT: PERSEPSI 59 7.2.1 Pemodelan jaringan Markov Bg

59
7.2.2 Pembelajaran model
Pendahuluan
5.1
62
jaringan Markov 91
5.2 Melihat segalanYa
7.2.3 Melibatkan pose dalam model
5.2.1 Sensorjangkauan right-stripe 62
jaringan Markov 93
5.2.2 Omnikamera aliran oPtis 64
7.3 Pemodelanprobabilitas multiple-frame 95
5.3 Mendeteksi pergerakan dan pergerakan
66
7.3.1 Batasan temporal gS
lanjutan objek
7.3.2 lnferensi 96
VISUAL HULL CONSTRUCTION 71
BAB 6 BAB B PENCANTAR PENGOLAHAN
Pendahuluan 71
6.1 CITRA VIDEO (V!P) SUATU
6.2 Latar belakang 74
PENDEKATAN DATAM ROBOTVISION 101
6.2.1 Skenario SFS 74
8.1 Pendahuluan 1OZ
6.2.2 Visual Hull 75
8.2 Pengolahan citra pada robot mobile 102
6.3 Visual hull construction 76
8.2.1 Komputer visi dan pengolahan
6.3.1 Komputasi visual hull dengan
citra 103
irisan batas kerucut 76
8.2.2 Robot visi 104
6.3.2 Konstruksi dari pengaproksi-
masian visual hull dengan BAB 9 VISUAL SERVOING 107
pengklasifikasian voxel 77 9.1 Pendahuluan 107
6.4 Visual hull construction dari si/houette 9.2 Pemodelan formasi citra catad ioptric
"noise" pada waktu nYata 7B sentral 109
6.4.1 KecePatan dan keakuratan 9.3 Tracking dan kontrol 114
metode visual hull construction 9.4 Matri ks Jacobian catad ioptr i c 116
berbasis voxel 7B

wfi Robot Visi Daftar lsi tx

BAB 10 ESTIMASI PERGERAKAN 3D DARI

10.1
CITRA STEREO
DAN DIFERENSIAL
Pendahuluan
- FORMULASI DISKRIT
119
119
1Salo, /
1O.2 Estimasi pergerakan 120 .KEHIDUPAN"
10.3 Pendekatan diferensial 121 AWAL ROBOT
1O.4 Formulasidiskrit 124
BAB 11 ESTIMASI POSE UNTUK SISTEM
CATADIOPTRIC SENTRAL:
PENDEKATAN ANALITIS 127
11.1 Pendahuluan 127
11 "2 Formasi citra catadioptric 128
11.3 Estimasi pose 131
11.3.1 Estimasi rotasi 132 One machine can do the work of a hundred ordinary
11.3.2 Estimasi translasi 134 men, but no machine con do the workof one
'11.4 Eksperimen 137 extroordinory mon
1 1.5 Kesimpulan 139 (Elbert Hubbard)

DAFTAR PUSTAKA 141

TENTANG PENUTIS 149
ata robot berasal dari bahasa Czech, robota,
yang dapat diartikan sebagai kerja. Kamus
cass1) Webster mendefinisikan robot sebagai ,,an
automatic device that performs functions ordinarily
ascribed to human beings," yang dapat kita artikan
sebagai suatu perangkat atau alat yang bekerja secara
otomatis yang mampu melakukan aktifitas-aktifitas
menyerupai manusia. Berdasarkan definisi di atas maka
peralatan mesin cuci biasa dapat kita kategorikan sebagai
sebuah robo! maka definisi ini tidak dapat mengkateris-
tikkan.apa-apa yang termasuk dalam kategori robot. Jadi
kita perlukan suatu definisi yang lebih tepat dalam
mendeskripsikan robot sebagai sebuah mesin industri,

Robot Visi

dan untuk itu, definisi diberikan oleh Robot lnstitute of
America, "A robot is a reprogrammable multi-functional
manipulator designed to move materials, parts, tools, or
specialized devices, through variable programmed
motions for the pertormance of a variety of tasks."
Definisi yang lain adalah, "A robot is reprogram-mable
general-purpose manipulator with external sensors that
can perform various assembly tasks." Berdasarkan definisi
terakhir ini, sebuah robot harus memiliki syarat
"intelligence," yang mana secara normal dapat kita
katakan syarat "inte/Iigence" tersebut sangat berkaitan erat
dengan algoritma pemrograman komputer untuk aplikasi
kontrol dan sistem sensor.
Kata robot sendiri dikenalkan di dalam bahasa
lnggris pada ahun 1921 oleh seorang aftis, Karel Capek
dalam perannya pada drama satire, R.U.R. (Rossum's
Universal Robots). Di dalam drama tersebut, robot+obot
berperan sebagai suatu mesin yang menyerupai fisik
rnanusia, dan memiliki kemampuan bekerja yang tidak
kenal lelah. Pada awalnya, robot dipabrikasi untuk
nreningkatkan produksi perusahaan dengan mengganti-
persepsi baku di kalangan manusia pada umumnya,
setelah film robot Jerman, Metropolis, pada tahun 1926
dibuat, dan dipertontonkan di New York World's Fair
pada tahun 1939, yang ceritanya diperankan oleh robot
Electro yang dapat berjalan sebagaimana manusia dan
ditemani anjingnya Sparko. Dan mungkin juga kita masih
ingat sebuah film ruang angkasa Star Wars dengan
robotnya C3PO, yang dirilis tahun 1977.feieipi jika kita
bandingkan robot-iobot imajinatif yang hadir di beberapa
film tersebut, dengan robot-robot industri yang
sebenarnya, maka akan timbul pertanyaan pada diri kita,
"Apakah sudah secanggih itukah robot-robot yang telah
dikeluarkan oleh industri dunia?." Di dalam lilm "Artificial
lntelligence," yan1 dirilis beberapa tahun yang lalu,
menceritakan bagaimana robot "anak kecil" yang
dilengkapi emosional seperti manusia, merindukan peran
ibu yang dapat menyayangi dan memperlakukan dirinya
(robot "anak kecil") sebagaimana anak manusia lainnya
yang normal. Apakah telah sejauh inikah kontribusi yang
telah diberikan oleh ilmuwan-ilmuwan robot dunia
terhadap robot ciptaannya, dan seberapa mungkinkah ini
dapat direalisasikan ?.

kan peran rnanusia pekerja, tetapi pada selang waktu

yang tidak lama kemudian, robot berbalik arah melawan Sejarah robot secara industrial
penciptanya, dan menghancurkan ras kehidupan ma-
Peker.iaan awal yang telah membuka pintu industri
nusia. Terlepas dari kekuatiran yang disampaikan di
robot hari ini dijejaki oleh suatu periode pada saat sedang
dalam drama tersebut melalui sindiran peran, permainan
berlangsungnya perang dunia ke{l. Dimulai oleh suatu
drama yang dilakukan Capek telah membuat kesatuan
program riset pada akhir tahun 1940 di Oak Ridge dan
persepsi di kalangan umum manusia, bahwa, robot
Argonne National Laboratories, mengenai pengembang-
merupakan mesin yang menyerupai manusia yang
an beberapa manipulator mekanis terkontrol untuk pe'
dilengkapi suatu kecerdasan dan personalitas individual.
nanganan materi-materi radioaktif. Sistem ini merupakan
Pandangan umum ini, makin mengakar dan menjadi

Robot Visi
"Kehidupn" Awol Robot
jenis "master-slave" yang dirancang untuk menghasilkan
suatu pergerakan tangan dan lengan yang dapat dipercaya
yang dilakukan oleh seorang operator, dalam hal ini
manusia. Manipulator omaster" tersebut dikendali-kan
oleh seorang user melalui sederetan pergerakkan,
sementara manipulator "slave" menduplikasi unit
umastef' sedekat mungkin. Kemudian, manipulator
mekanis terkontrol tersebut diberikan suatu timbal balik
gaya, untuk mengkopling secara mekanis pergerakan dari
unit "master" dan "slave" dengan tujuan operator dapat
merasakan suatu gaya seakan-akan mereka bekerja
mengembangkan di antara manipulator "slave" dan
lingkungannya. Di pertengahan tahun'1950 kopling
mekanis telah tergantikan oleh tenaga hidrolik dan
elektris, yang penerapannya pada beberapa manipulator
sepefti, Ceneral Electric's Handyman dan, Minotaur I
yang diciptakan oleh Ceneral Mills.
Proyek manipulator master-slave secara cepat
diikuti oleh perkembangan sistem-sistem berkaitan yang
lebih mampu bekerja secara otomatis, dan beroperasi
secara repetitif. Dalam pertengahan tahun 1950, Ceorge
C. Devol merancang suatu perangkat yang dia sebut
" program med articul ated transfer device," sebagai sebuah
manipulator yang memiliki operasi yang dapat diprogram
(dirubah) dan diikuti oleh sebarisan pergerakan yang
dapat ditr:ntukan dengan memberikan beberapa instruksi
di dalam program pada sistem tersebut. Pengembangan
lebih jauh dari konsep tersebut, dilakukan oleh Devol dan
Joseph F. Engelberger, yang telah berjasa membuka
sejarah awal robot industri, yang diperkenalkan oleh
Unimation lnc. pada tahun 1959. Kuncidari perangkat ini
Robot Visi
adalah peran sebuah komputer yang melakukan sharing
dengan manipulator untuk menghasilkan suatu mesin
yang dapat berpikir atau mengambil beberapa keputusan
secara otomatis menghadapi berbagai tugas atau kerja
yang variatif. Tidak seperti mesin automasi biasa, robot
tersebut dapat diprogram dan dirancang ulang dengan
biaya yang relatif rendah, untuk melakukan tugas-tugas
sesuai kebutuhan manufaktur.
Pada tahun 1960-an, kefleksibelan mesin (robot)
mampu ditingkatkan secara signifikan dengan menginte.
grasikan suatu sistem sensor pada mesin (robot). Awal dari
dekadeini, H. A. Ernst (1962) mengumumkan suatu
proyek pengembangan sebuah computer-controlled
mechanical hand dengan sebuah sensor tactile, yang
disebut MH-l, suatu perangkat yang dapat "merasakan,,
beban, dan memanfaatkan informasi tersebut untuk
mengontrol tangan (han&machine) supaya beban dapat
ditumpuk tanpa bantuan dari operator. Dan proyek ini
merupakan contoh peftama dari sebuah robot yang dapat
mengadaptasikan sifat-sifat atau prilakunya di dalam suatu
lingkungan yang tidak terstruktur. Sistem manipulasinya,
terdiri dari sebuah manipulator ANL modelS dengan 6
denjat kebebasan yang dikendalikan oleh sebuah kom-
puter TX-O melalui suatu perangkat antarmuka (interface).
Program riset ini kemudian menjadi bagian dari proyek
MAC, dengan penambahan sebuah kamera televisi
terhadap manipulator sebagai awal dari riset "machine
perception." Di dalam periode yang sama pula, Tomovic
dan Boni ('1962) telah mengembangkan suatu prototipe
tangan manusia yang dilengkapi sebuah sensor tekanan
yang berfungsi menyeleksi keputusan pada berbagai
"Kehidupan" Awol Robot
objek dan mensuplai sinyal-sinyal input sebagai timbal
baliknya terhadap sebuah motor untuk peng-initialisasi
satu dari dua pola-pola pegangannya. Pefturtatama
tangan melakukan kontak dengan objek, informasi
sepadan mengenai berat dan ukuran ot:jek yang di-
perolehnya selanjutnya dikirirn ke komputer oleh bebe.
rapa elemen yang sensitif terhadap tekanan. Pada tahun
1963, American Machine and Fundry Conrpany (AMF)
memperkenalkan robot komersilnya, VERSATRAN.
Dimulai pada tahun yang bersamaan pula, berbagai
rancangan lengdn sebagai manipulator telah dikembang-
kan, sepefti lengan Roehampton dan, lengan Edinburgh.
Di akhir tahun 196Gan, McCarthy (1968) dan be.
berapa temannya di Stanford Artificial lntelligence La-
boratory telah memberitahukan tentang pengembangan
komputer dengan tangan, mata, dan telinga. Mereka
mendemonstrasikan sebuah sistem yang mengenal pesan-
pesan suara, "melihat" balok-balok yang disebarkan di
atas meja, dan mampu memanipulasi kesemuanya sesuai
dengan instruksi-instruksi yang telah diinputkan. Selama
pericrie ini, Pieper (1968) telah nrengkaji permasalahan
kirrematis terhadap computertantrolled manipulator,
sementara Kahn dan Roth (1971) melakukan penganalisa-
an terhadap aspek dinamis dan kontrol dari suatu robot
lengan men ggunak an' bangban g control."
Pada saat bersamaan, negara Jepang mulai tertarik
untuk rnemanfaatkan kepotensialan robot, dan ini
dibuktikan pada awal tahun 1968, perusahaan Kawasaki
yang bergerak dalam bidang indlfstri alat-alat berat me'
lakukan negoisasi untuk rnemperoleh lisensi dani
Unimation untuk pengembangan robotnya. Sesuatu yang
Robot Visi
spektakuler di dalam perkembangan industri robot,
adalah dengan diciptakannya sebuah "walking trul(
untuk kebutuhan tentara U.S oleh Ceneral Electric
Company pada tahun 1969. Pada tahun yarrg sama, robot
lengan Boston diciptakan, dan tahun berikutnya robot
lengan Stanford dikembangkan, dimana robot tersebut
dilengkapi dengan sebuah kamera dan komputer
kontroler. Selalu saja, proyek pengembangan robot yang
serius mengawali proyeknya dengan pengembagan robot
lengan yang biasanya digunakan sebagai manipulator
robot. Robot lengan Stanford juga memiliki kemampr"lan
yang lebih otornatif, dan ini dibuktikan oleh kemampuan
robot tersebut yang mampu membentuk suatu tumpukan
balok secara otomatis dengan strategi yang lebih variatif.
Pada tahun 1974, Cincinnati Milacron mengenalkan
robot industri peftamanya (berbasis computer<ontrottd)
yang disebut "The Tomorraw T@1,' 23, yang mampu
mengangkat lebih dari 100 lb dan memindahkan objek-
objek tersebut tepat pada jalur-jalur yang telah disediakan.
Selama era 197G.an, riset-riset yang dilakukan ter-
fokus hanya pada sistem sensor eksternal untuk mem-
fasilitasi operasi-operasi yang bersifat maniputatif.
Di Stanford, Bolles dan Paul (1973) memanfaatkan visual
dan force feedback, untuk mendemonstrasikan robot
lengan Stanford yang dikoneksikan dengan komputer
PDP-10 untuk kegunaan perakitan pompa air otomatis.
"Kehidupn" Awol Robot
 Pada waktu yang bersamaan, Will dan Crossm
an (1975)
pada perusahaan IBM mengembangkan suatu mani_
pulator berbasis computer<ontrolled dengan sentuhan
dan sensor untuk melakukan perakitan mekanis
20 bagian
dari mesin ketik biasa. Di laboratorium Draper, Nevins
Atm
dan tim kerjanya (1974) memperkenalkan suatu teknik
sr.ccp pensensoran berbasis compliance. pekerjaan ini
selanjutnya dikembangkan menjadi instrumentasi sebuah
perangkat compliance pasif yang disebut juga
RCC,
Remote Cenrer Compliance. Bejczy (1974) di
Jet
Propulsion Laboratory mengimplementasikan sebuah
komputer berbasis teknik torquontro/ untuk proyek
eksplorasi ruang angkasa. Semenjak itu, berbagai variasi
metode kontrol telah diajukan untuk pemanfaatan
Waist rr:trti.ro 3!Oo
manipulator mekanis.
ffi Snmldcr rrxrtirm 3(Xlo

-V Elbow rotatirn 2700

17.0 in fta
\\-Kr -.

Wriit h('d :(flo

.otrtiiln 27Oo

Gri0f*r mountrnr

Gambar 1.1 (a) Robot lengan T3 Milacron Cincinnati,

Gambar 1.2 Robot astrobiologis, Zod, digunakan dalam
(b) robot lengan PUMA 560 series
proyek Atacama

mSce

Robot Visi "Kehidupn" Awal Robot

 TSdb 2
SruDI AWAL INTERAKSI
MANUSIA-ROBOT
PEERJO-PEER

2.1 Pengenalan
2.7.1 Proyek HRI peer-topeer

emenjak februari 2004, NASA telah merencana-

S kan "Vision for Space Exploration," VSE, dengan

tujuan utamanya untuk mengimplementasikan
sebuah program jangka panjang yang serius untuk
penjelajahan luar angkasa dan solar sistem. Misi awalnya
adalah mendaratkan robot penjelajah pada tahun 2008 ke
bulan dan membuka kemungkinan bagi manusia
mengeksplorasi planet Mars. Untuk meraih tujuan ter-
sebut, maka diperlukan suatu kolaborasi antara manusia
dan robot agar tugas-tugas misi dasar tercapai (perakitan
struktur, inspeksi, dan perawatan).

Sasaran dari proyek "interaki manusia dan robot

secara peer-tGpeer," (P2P HRI), adalah untuk mem-
bangun suatu teknik atau pendekatan HRI yang me-
mungkinkan robot dan manusia bekerja bersama secara
efektif. Adalah tidak mungkin kemampuan robot akan
setara dengan manusia, jadi istilah peer-tcpeer di sini
lebih menekankan suatu ide tentang manusia dan robot maupun manusia, harus mampu berkoordinasi mengenai
untuk bekerja sebagai partner, dengan kata lain, peran keseluruhan kemampuan, tujuan, dan hal-hal yang akan
keduanya harus seimbang mungkin di dalam menjalan- dicapainya. HRI/OS merupakan suatu sistem agen yang
kan suatu misi yang telah diprogramkan. memberikan koordinasi dan pelayanan interaksi untuk
kelompok kerja yang terdiri dari manusia dan robot. Fitur
Pada bab ini kita akan memfokuskan pada peran- utama dari HRI/OS adalah untuk rnemungkinkan robot
cangan tim manusia-robot yang efektif dalam melaksana-
menanyakan pertanyaan kepada manusia, supaya robot
kan eksplorasi ruang angkasa dengan membangun suatu
dapat memperoleh dukungan untuk penyelesaian tugas-
mekanisme interaksi secara alami, mengurangi beban
tugas kognisi dan persepsi.
kerja yang berkaitan dengan kontrol robot, dan memak-
simalkan kerja dimana robot dan manusia mampu me
nyelesaikan pekerjaan secara bersama-sama. Penambah-
an lain, kia akan membahas suatu pendekatan yang S,l'r.:.5
memungkinkan tim manusia- robot mengoperasikan ,1;,,":'.js
uground
control" secara tidak terikat.
Ada tiga komponen utama di dalam pendekatan
yang kita bahas di sini, pertama, kita akan membentuk
suatu framework interaksi yang disebut juga "Human-
Robot lnteraction Operating System" (HR|/OS). HRI/OS
dirancang untuk memungkinkan manusia dan robot
mengkombinasikan dialog dan pemecahan masalah.
l-:-:;;;.l
Kedua, kita memanfaatkan arsitektur kognitif kompu- 1.........*l
tasional untuk memodelkan sifat atau perilaku manusia lmiff"*l
l- |

dan membuat hubungan "saling memahami" satu sama

lain antara robot dan manusia. Terakhir, kita akan
membuat suatu prosedur evaluasi menggunakan tim Gambar 2.1 HRIIOS sebagai suatu sistem berbasis agen
manusia- robot lingkungan analog, dan beberapa metrik
Tujuan perancangan HRI/OS tiada lain adalah
HRI secara kuantitatif.
untuk mendukung performance dari tugas-tugas ops
2.1.2 Sistem operasi HRI rasional. Tugartugas operasional untuk eksplorasi ruang
angkasa meliputi antara lain: konstruksi, inspeksi dan
Dalam menata robot dan manusia agar bekerja
perawatan struktur, dan transportasi dan pengumpulan
secara efektif bersama, maka antara keduanya, baik robot

12 Robot Visi Studi Awal I nteroki lvlanusia-Robot 13

sumber daya in-situ. Versi HRI/OS yang aktual diimple-
mentasikan dengan memanfaatkan OAA (Open Agent
Architecture) dan mesin komunikasi internet.
Komponen-komponen utama dari HRI/OS (lihat
gambar 2.1)adalah:
1) Task Manager: Task Manager (TM) merupakan unit
yang bertangung jawab terhadap pengkoordinasian
dan manajemen eksekusi tugas-tugas operasional.
2) Resource Manager: Resource Manager (RM) merupa-
kan unit yang bertanggung jawab terhadap penjejak-
an secara kontinu, jadi ketika suatu agen menanya-
kan hal-hal yang berkenaan dengan tugas-tugas yang
akan dilakukan, maka RM akan mengeluarkan skala
prioritas dari berbagai pertanyaan yang dilontarkan
oleh agen-agen tersebut.
3) lnteraction Agent: lnteraction Agent (lM) merupakan
bagian yang bertugas mengkoordinasikan dialog yang
terjadi diantara berbagai agen.
Context Manager: Context Manager (CM) merupakan
bagian yang bertanggung jawab dalam memfasilitasi
"kesadaran" yang situasional. Kongkritnya CM men-
jaga alur pemrosesan dari suatu sistem yang sedang
bekerja, seperti, status tugas dan pengeksekusian,
aktivitas agen, dialog agen, dan lain-lain.
Spatial Reasoning Agent: Spatial Reasoning Agent
(SRA) merupakan unit yang menangani keambigui-
tasan dialog antara manusia dan robot. lmplementasi
aktual dari SRA harus mampu menangSulangi frame
of reference dari ambiguitas yang meliputi berbagai
referensi: ego, addresse-, obiect-, dan exocentric
14 Robot Visi
menggunakan suatu pemodelan kognitif kompu-
tational.
2.2 Evaluasiawal
Fong dan kawan-kawan pada bulan November
2005 melakukan simulasi pengembangan proyek (seam
wealding dan inspeksi) dengan melibatkan tim robot-
manusia. Seam wealding merupakan tugas-tugas yang
dibutuhkan untuk pembangunan dan perawatan berbagai
variasi struktur dari permukaan planet.
Tim manusia-robot yang dibentuk terdiri dari 5
anggota yang bekerja secara paralel (lihat gambar 2.2).
Pada setiap percobaan, tim bekerja mendapatkan
panel-panel yang disediakan pada depot penyimpanan,
menempatkan panel-panel tersebut ke dalam bingkai,
mengelas panel-panel yang berdekatan, dan memeriksa
hasil pengelasan. Dua orang yang memakai seragam
ruang angkasa yang berperan sebagai astronot pada EVA
(Extravehicular Activity, "EVA" is work performed by
an astronaut outside of a spacecraft) juga membantu
melakukan tugas pengambilan dan pemasangan
panel-panel, yang diperlihatkan pada gambar 2.2.
Robot Robonaut Humanoid yang dibuat oleh Johnson
Space Centre bertugas sebagai pengelas mengguna-
kan proses simulasi seam weld. Robot penjelajah Kl0
yang dibuat oleh Ames Research Centre bertanggung
jawab terhadap pemeriksaan hasil dari lapisan-lapisan
yang dilas. Dan personil tambahan, IVA (lntravehi-
cular Activity, "lVA" is work performed inside a
pressurized module-spacecraft, habitat, etc) men-
dukung proyek konstruksi dari dalam maket habitat.
Studi Awal lnteraksi lvlanusio-Robot 15
 pengelasan (astronot dan robonaut), pemeriksaan hasil
pengelasan (Kl0). Adapun rincian waktu yang diperlukan
oleh masing-masing agen yang disajikan di dalam bentuk
tabel dapat dilihat pada tabel berikur

BespLtNg oere

Agcnt Primitile task Nlean time (sec)

rnove between plnels 3.9

EVA astronauts rveld seam 16.5
tetrieve panel 13.5
assemble prnel 7,7
tllsl)dct seatn 11.3
Kr0
'iE, rnove berrveen panels 12.6
ffY'1 weld seam
t 7* Robonaul 66.1
move lxtween panels 27.4

Untuk mendukung studi ini, Fong melakukan se_

deretan tes yang meliputi 7 (tujuh) pengujian, penempat_
an 6 (enam) panel, pengelasan, dan pemeriksaan yang
dilakukan oleh suatu tim yang terdiri dari robot dan
manusia. Hasil pengujian yang diperoleh cukup memuas_
kan, dimana pengujian 2 hingga Z berhasil mencapai
target. Cambar 2.3 menunjukan deretan waktu dari peng_
ujian 6, yang diklasifikasikan menjadi 4 (empat) kategori
Gambar 2.2 Tim robot+nanusia yang bekeria pada
aktifitas yang meliputi, waktu luang, waktu pelaksanaan
simulasi proyek konstrulcsi. Dua drtronot menempatkan
kerja, waktu pelaksanaan kerja dengan bantuan, dan
panelpanel pada bingkainya, dan robot m&il Kl O
intervensi.
mel akukan pemeril<saan hasi I dari pengel asan

Untuk kebutuhan baseline, Fong mengumpulkan

keseluruhan data rincian waktu yang dihabiskan oleh
masing-masing agen untuk melaksanakan tugartugas
primitif, mengambil dan memasang panel (astronot),
pemindahan antara masing-masing panel (keseluruhan),

16 RtutVist Studi Awal lnteroki lAanusia-Robot 1:

li
 1OO"/o

80"/"

60%

400/o

2Oo/o

(B) oo/"
12'rro",567

O free E rnleryentlon tr task with help I task (na help)

Gambar 2.5 Prosentase waktu yang digunakan untuk
melakukan berbagai aktifitas (astronot tVA)
Cambar 2.3 Deretan waktu Yang merepresentasikan
aktifitas pengelasan (welding) yang dilakukan oleh tim NmnCrm(rMlqidk
humFmH ayilffir b rddm T.* ,
manusia-robot

waktu yang digunakan untuk me"

Prosentase
lakukan berbagai kategori aktifitas dapat dilihat pada inb06hqdd
gambar 2.4.

100%
,Lt nmr@bbo

80% hd]dilMm$*d

60%
o
E
- 40o/o

20Yo Cambar 2.6 Pengaruh (efek) intervensi pada deretwaktu

EVA, (A) tidak ada intervensi, (B) interuensi pada saat
oo/,
1234567 robot dan manusia sedang melakukan keria, dan (C)
trial intervensi sesudah manusia melakukan kerja selaniutnya
Gambar 2.4 Prosentase waktu yang digunakan untuk
melakukan berbagai aktifitas (astronot IVA) ca@F)

18 RotutVisi Studi Awal lnteroki lianusia-Robot 19

 TSah 3
ROBOT INTERAKTIF
SECARA SOSIAL

"Jika meros kecewa, xya akon bernyonyi. Jika meros

sedih, nya okan tertowa, jiko merankon nkit, nya akan
menggondokan kerja"

(Og. tttondtrr/

3.1 Pengenalan
3.1.1 Seiarah robot sosial
erkembangan sebuah robot setalu diinspirasikan

P oleh keadaan biologis dari manusia, dan pada

saat ini, para ilmuwan mulai menaruh perhatian
terhadap berbagai kemungkinan penginteraksian robot
dengan robot lainnya maupun penginteraksian robot
dengan manusia. Cambar 3.1 memperlihatkan beberapa
robot tortoise yang diciptakan oleh Walter pada akhir
tahun 'l94Gan. Maksud dari berbagai lampu yang
terpasang di depan tubuh robot yang memancarkan

photoaxis positif, adalah sebagai indikasi bahwa robot-
robot telah melakukan interaksi dengan cara<ara sosial
yang umum, walaupun tanpa komunikasi eksplisit atau
rekognisi mutual.
Gambar 3.1 Pelopor robotsosial, tortoise Walter, Elmer,
dan Ersie melakukan suatu tarian disekitar robot
yang lainnya
Para peneliti telah memulai mengaplikasikan
prinsipprinsip komunikasi tidak langsung diantara
masing-masing individu melalui suatu pemodifikasian
yang dirancang pada lingkungan bersam4 diistilahkan
stigmery, untuk memperoleh berbagai ciri, sifat, atau
tingkah laku robot secara kolektif. Stigmergy pertama
sekali digunakan oleh Crass6 untuk menjelaskan bagai-
22 R&otVisi
I
mana komunitas semut sosial mampu menghasilkan ber-
bagai pola tingkah laku dan struktur fisik yang kompleks
secara kolektif, walaupun masing-masing individu sering
muncul sebagai "pekerja tunggal."
Deneubourg dan tim kerjanya merintis uji coba
pertamanya yang berkaitan dengan stigmergr dengan
memanfaatkan simulasi robot sernut, pada awal tahun
199Gan. Semenjak itu, muncullah beberapa ilmuwan
yang mengembangkan berbagai robot kolektif sebagai
suatu model untuk mempelajari tingkah laku serangga
secara sosial.
Apakah definisi robot sosial tersebut ?, Dautenhahn
dan Billard memberi definisi sebagai berikut,
"Social robos are embodied agents that are patt o{
a heterogeneous group: a society of robos or
humans. They are able to rrcognize each other and
engage in social interactions, they possess histories
(perceive and interpret the world in terms of their
own experience), and they explicitly communicate
with and learn from each other"
Untuk mengembangkan sebuah robot sosial yang
bersifat individual dibutuhkan suatu teknik atau model
khusus yang berbeda dengan pengembangan robot sosial
yang bersifat kolektif. Faktor-faktor yang kita perhatikan di
dalam pengembangan robot tersebut antara lain: peniruan
dan pembelajaran secara sosial, komunikasi dengan
menggunakan bahasa alami ataupun berupa gerak dan
isyarat emosi, dan rekognisi interaksi.
Rofut lnteroktif *cara Sosial 23
 Social interface. Robors that provide a ,,natural,,
intterface by employing human-like social cues ancl
develo pmenta I
communication modalities. Socla/ behavior is only
collective robots
social robots
psychology
modeled at the interface, which usually results in
sociable robots
robot societies primatology shal low model s of social cognition.
sociallY
swarms
interac{ve robots Socially receptive. Robots that are socially passive
arts / design
artificial life
but that can benefit from interaction (e.g. learning
human-computer skills by imitation). Deeper models of human social
distributed AI inteadioo (HCl)
rcbotic competencies are required than with socialinterface
sgineertng
comouter science
robots.
Sociable. Robots that proaaively engage with
Gambar 3.2 Berbagai bidangyang memberikan humans in order to satisfy internal social aims
kontribusi terhadap pengembangan robot baik kolektif (drives, emotions, etc). Ihese robots require de.ep
maupun robot sosial models of social cognition.

3.1.2 Robot sosial dan penanaman nilai-nilai Untuk melengkapi keempat poin di atas, di sini
sosial: konsep dan definisi dapat kita tambahkan tiga kelas sebagai berikut:

Robot pada masyarakat terindividual telah me
nunjukkan jangkauan sifat dan tingkah laku yang luas, hal
ini dapat kia simpulkan dengan
keberadaan robot-robot lainnya, manusia, atau keduanya
pada lingkungan tersebut. Breazeal mendefinisikan empat
kelas dari robot sosial berdasa*an keadaan (1) sebagai-
mana kemampuan robot dapat mendukung model sosial
yang dikaitkan terhadap robot sosial tersebut, dan (2)
kompleksitas skenario interaksi yang dapat didukung.
Srcially evocative. Robots that rely on the human
Socially situated. Robots that are surrounded by a
sxial environment that they perceive and react to.
mengabaikan Socially situated robots must be able to distinguish
between other sxial agents and various obieds in
the environment.
Socially embedded. Robots that are: (a) situated in a
social environment and interact with other agents
and humans; (b) strudurally coupled with their social
environment; and (c) at least partially aware of
h u m an i nte rac. i o n al stru ctu re s (e. g., tu r ntaki n g).

tendenqr to anthropomorphize and capitalize on - Socially intelligent. Robots that show aspects of
felings evoked when humans nurttJre, care, or human style social intelligence, based on deep
involved with their "creation". models of human cognition and socialcompetence.

24 Robot Visi Robot lnteraktif xcara Sosial 25

 3.1.3 Robot interaktif secara sosial manrpu menunjukkan kemampuannya (sklO
untuk me
Di sini fokus kita dibatasi hanya pada konsep pcr_ nyelesaikan berbagai tugas teftentu,
atau rancangan awal
tlpeer, interaksi antara robot dan manusia. Secara spe- robot tersebut sebagai mesin dengan
fungsi .i"rrry,
sifik kita mendeskripsikan robot yang mampu melakukan untuk berinteraksi secara sosial. B. -Fogg,
pada publikasi
berbagai karakteristik sosial manusia, sepefti: ilmiahnya yang berjudul,,lntroduiion:
persu4ssive
technologies, Communications of
Ekspresi atau emosi persepsi the ACM 42,
memaparkan tentang berbagai robot
Berkomunikasi menggunakan dialog high-level yang marnpu
mempengaruhi tingkah laku, perasaan,
Mempelajari atau mengenal berbagai model dari bahkan sikap dari
manusia. Untuk contoh kasus yang
agen-agen yang lain lain dimana robot
berperan sebagai mediator terhadafproses
Membangun atau memelihara hubungan sosial interaksi dari
manusia dengan manusia, sebagai
Memanfaatkan petunjuk atau isyarat alam (tatapan, autism therapy,
dipaparkan di dalam karya ilmialnya
isyarat gerak, dan lain-lain) t. Werry, dan
kawan-kawan yang berjudur "Can
Menunjukkan personalitas dan karakteristik yang sociar interaction
skills be taught by a sociar agent?
berbeda The rore of a robotic
mediator in auilsm therapy,, (proceedings
Dapat mempelajari atau mengembangkan kom- Fourth lnternational Conference on
;;"rjr;
petensi sosial Cognitive
Technology, 2001). E. paulos dan
J. Canny, dalam
Robot interaktif secara sosial dapat dimanfaatkan "Designing personal teleembodime:nt,
Autonomous
untuk berbagai kegunaan, yang antara lain: sebagai Robots," (2OO1), memperkenalkan sebuah
robot
platform risef permainan, alat bantu pendidikan di sebagai avatar, dimana fungsi robot
sebagai represen_
sekolah atau universitas, atau juga sebagai pertolongan tasi dari, atau representatif untuk,
manusia, sebagai
terapi. Robot interaktif secara sosial beroperasi sebagai contoh jika sebuah robot digunakan
di dalam k-o_
teman, pembantu atau asisten, yang berarti berbagai robot munikasi jarak jauh, maka robot akan
membutuhkan
harus rnampu menunjukkan tingkatan tertentu atau sikap-sikap (act) sos.ial- untuk menyampaikan
berbagai
derajat keadaptasian atau fleksibel itas untuk mengendal i- informasi secara efektif.
kan berbagai interaksi pada jangkauan manusia yang
Untuk berbagai skenario saat ini, maka
lebih tersebar. peran_
cangan ditekankan p"g, pengembangan
robot yang
3.1.4 Robot interaktif secara sosial, kenapa ?
mampu meningkatkan kemampuan penginteraksiannyl
setiap saat secara efektif dengan manusia,
Robot interaktif sosial sangat dibutuhkan atau agar tercapai_
nya suatu sasaran yang diharapkan
penting pada wilayah-wilayah dimana robot harus dengan tepat. Sebagai
contoh, robot pet yang menemani
seorang anak kecil

26 Robot Visi Robot lnteroktif secara Sosiat

27
dengan dibekali sifat-sifat kekanak-kanakannya (robot)
yang harus selal u ditingkatkan (sifat kekanak-kanakannya)
agar anak yang dijaga dapat selalu tertarik (berinteraksi)
terhadap robot tersebut. Pengembangan pembelajaran
kemampuan-kemampuan sosial inilah yang menjadi
fokus atau perhatian utama untuk robot epigenetik.
Beberapa peneliti mengadopsi dan menyeder-
hanakan berbagai model tingkah laku sosial dalam
mewujudkan perancangan robot sosial yang interaktif.
Dan untuk kegunaan tersebut, maka pengembangan
robot-robot yang mempunyai berbagai karakteristik, ide,
pikiran, skill, dan tujuan secara sosial, mampu menun-
jukkan empati dan memberikan pengertian yang benar
telah menjadi suatu prototipe baku bagi perancangannya.
Berbagai disiplin keilmuan seperti kehidupan buatan,
psikologi,' dan lain-lain telah sangat mempengaruhi
pengembangan robot sosial.
Walaupun robot-robot interaktif secara sosial telah
sukses dikembangkan dan banyak digunakan dalam
berbagai aplikasi, permasalahan yang terkait dengan
keefektifitasannya masih tetap menjadi suatu hal yang
terus dikaj i (ditingkatkan).
3.2 tUletode
3.2.1 Pendekatan desain
Manusia selalu dijadikan pedoman di dalam suatu
interaksi, oleh karena itu, jika teknologi mengikuti
pedoman interaksi sosial tersebut, maka akan dihasilkan
suatu interaksi yang dapat dinikmati, menyenangkan, dan
hadirnya nilai-nilai perasaan yang mampu memaknai
28 Robot Visi
interaksi tersebut. Dikarenakan hal-hal atau maksuri_
maksud yang telah disebutkan di atas, maka banyak
peneliti melakukan eksplorasi pada wilayah perancangan
untuk robot-robot "anthropomorphic,, atau,zoomor_
phic.' Untuk berbagai alasan tersebu! maka idealnya
sebuah robot wajib atau harus memiliki faces, speech
recognition, lipreading skills, dan berbagai fitur_fitur
dengan kapasitas tertentu yang dapat mendukung
terjadinya suatu interaksi sosial yang menyerupai interaksi
sosial antara manusia dengan manusia layaknya.
Berdasarkan perspektif perancangan, kita dapat
mengklasifikasikan bagaimanakah robot interaktif sosial
dibentuk dengan dua cara utama. Dengan pendekatan
peftama,'biologically inspired,,, perancang mencoba
untuk menciptakan sebuah robot yang dapat men_
simulasikan secara internal, berbagai bentuk kecerdasan
sosial yang ditemukan pada makluk hidup (manusia).
Pendekatan kedua, "functionally designed;, tujuannya
adalah untuk membangun sebuah robot yang seakan_
akan muncul sebagai sesuatu yang dapat dikatakan cerdas
secara sosial, walaupun perancangan internalnya tidak
memiliki basis pada sains.
Bagaimanapun robot memiliki keterbatasan per_
septual, kognitif, dan berbagai kemampuan sifat,
dibandingkan dengan apa-apa yang ada pada manusia.
Oleh karena itu, ketidakseimbangan interaksi diantara
robot dengan manusia akan selalu terjadi pada masa-masa
mendatang. Pada akhir dari sub bab materi ini, kita dapat
simpulkan bahwa perbedaan metode perancangan
mengindikasikan perbedaan kriteria evaluasi dan
keberhasilan untuk berbagai robot yang berbeda pula.
Robot lnteraktif secara Sosiat 29

3.2.1.1 Biologically inspired
The "biologically inspired" approach, designers try
to create robots that internally simulate, or mimic, the
social behavior or intelligence found in living creatures.
Perancangan'biologically inspired" didasari oleh
berbagai teori yang diambil dari sains sosial dan alam,
termasuk anthropology, sains kognitif, psikologi perkem-
bangan, ethology, sosiologi, struktur interaksi, dan teori
pikiran. Teori speaking, teori ini digunakan untuk meng-
arahkan perancangan robot kognitif, tingkah laku,
rnotivasional (pengendalian dan emosi), sistem motor dan
sistem perseptual.
Ada dua pendapat utama untuk memaparkan
inspirasi yang diperoleh dari sistem biologis tersebut'
Feftama, beberapa peneliti menyatakan bahwa alamiah
rnerupakan model yang paling baik untuk berbagai
aktivitas yang menyerupai kehidupan sebenarnya. Secara
si:esifik, mereka menghipotesakan bahwa agar robot
dapat clipahami oleh manusia, maka robot harus memiliki
perwujudan kealamiahan, mampu berinteraksi sebagai-
mana manusia atau makluk hidup beinteraksi dengan
sesamanya atau alam sebagai lingkungannya, dan juga
mampu mempersepsikan sesuatu benda sepefti idealnya
cara{ara yang dipersepsikan manusia atau makluk hidup
terhadap benda yang sama. Kedua, rasionalitas dari
inspinasi biologis telah memungkinkan kita untuk secara
langsung menguji, dan menseleksi berbagai teori sains
yang menjadi pondasi Perancangan
Beberapa teori yang sering digunakan di dalam
perancanga n biologically inspi red adalah:
Robot lnteraktif secara Sosial
30 Robot Visi
Ethology. Ethology refers to the observational study
of animals in their naturalsetting. Ethology can serve
as a basis for design because it describes the types of
activity (comfort-seeking, play, etc.) a robot needs to
exhibit in order to appear life-like. Ethology rs a/so
useful for addressing a range of behavioral rssues
such as concurrency motivation, and instinct.
Structure of interaction. Analysis of interadional
structure (such as instruction, cooperation, etc.) can
help focus design of perception and cognition sys-
tems by identifying key interaction patterns. Dauten'
hahn, Ogden and Quick use explicit representations
of interactional structure to design "interaction
aware" robots. Dialogue models, such as turn-taking
in conversation, can also be used in design as in.
Theory of mind. Theory of mind refers to those social
skills that allow humans to correctly aftribute beliefs,
goals, perceptions, feelings, and desires to
themselves and others. One of the critical precursors
to these ski//s is ioint (or shared) attention: the ability
to se/ectively attend to an obiea of mutualinterest.
Joint attention can aid design, by providing gui-
delines for recognizing and producing social be
haviors such as gaze diredion, pointing gestures, etc.
Developmental psychology. Developmental psyche
logy has been cited as effec-tive mechanism for
creating robots that engage in natural social ex-
changes. As an example, the design of Ksmet's
"synthetic nervous system", particularly the percey
tual and behavioral aspects, is heavily inspired by the
social development of human infants. Additi-onally,
theories of child cognitive development, such as
31
 Vygotsky's "child in society", can offer a frarnework
for constructing robot architecture and social
interaaion design.
3.2.1.2 Rancangan fungsional
With the "functionally designed" approach, the
obieAive is to design a robot that outwardly appears to
be socially intelligent, even if the internal design does not
have a basis in science or nature.
ini mengambil asumsi bahwa jika kita
Pendekatan
akan menciptakan sebuah agen sosial buatan yang
berkesan yang dikendalikan oleh kepercayaan dan hasrat
(keinginan yang memuaskan), maka kita tidak harus ter-
paku (atau selalu mengerti) akan kebutuhan pemahaman
bagaimana otak atau pikiran bekerja secara nyata, tetapi
kita sudah cukup mendeskripsikan mekanisme bagai-
rnana manusia menghadapi dan memahami makluk-
makluk cerdas secara sosial di dalam kehidupannnya
sehari-hari.
Beberapa motivasi untuk perancangan fungsi-
onal robot adalah sebagai berikut:
r Robot bisa saja memiliki kemampuan sosial yang
dangkal, dan secara khusus ini dapat kita katakan
benar untuk be;bagai permasalahan sosial yang
membutuhkan penyelesaian dengan memakan waktu
yang singkat atau interaksi yang cJiperlukan r-rntuk
melaksanakarr suatu tugas memiliki keterbatas-an
secara kualitas.
Robot rnungkin saja memiliki keter[ratasan dalam hal:
pelaksanaan, kemampuan berinteraksi, lrahkan
32 Robot Visi
dalam pengambilan keputusan yang tepat pada
situasi-situasi yang mendesak di dalam lingkungan
tugasnya.
. Keterbatasan dalam hal berekspresi secara sosial,
dapat membantu meningkatkan kemampuan dan
kegunaan robot.
o Perancangan buatan dapat mendesak proses peng_
interaksian. Contoh, kita dapat mengamati, bagai_
mana, kebanyakan video game dan permainan
elektronik yang mampu mengalihkan perhatian kita.
Ada tiga teknik yang biasanya digunakan di dalam
perancangan fungsional :
o Perancangan Human-Computer lnteraction (HCl),
robot-robot dikembangkan dengan berbagai teknik
HCI yang meliputi pemodelan kognitif, inkuiri
kontekstual, evaluasi heuristik, dan ujicoba
user
'secara
empiris.
Rekayasa sistem, rekayasa sistem meliputi pengem_
bangan topdown suatu fungsional sistem dan
berbagai kebutuhan fisik dari sekumpulan tujuan_
tujuan awal. Kegunaannya adalah untuk mengorgani_
sasikan sekumpulan informasi dan pengetahuan yang
diperoleh untuk memfasilitasi dan mengontrol
perencanaan, pengembangan, dan berbagai
operasi
pada sistem.
Perancangan iteratif, perancangan iteratif atau peran_
cangan sekuensial merupakan suatu proses peninjau_
an ulang suatu perancangan melalui sederetan
pengujian dan siklus ,,perancangan kembali.,,
Secara
khusus dapat kita katakan perancangan iteratif
digunakan untuk mengamati berbagai error atau
Robot lnteraktif secara Sosiat
33
 kondisi "failure" dari desain atau untuk mening-
katkan basis informasi dari suatu evaluasi'
3.2.2 Berbagai isu desain
Keseluruhan sistem robot, baik itu kategori interaktif
secara sosial ataupun tidak, harus mengamati sejumlah
permasalahan perancangan secara umum, dan ini
meliputi kognisi (perencanaan, dan pengambilan
keputusan), persepsi (navigasi, pensensoran lingkungan),
aksi (mobilitas, manipulasi), interaksi manusia-robot
(antarmuka pemakai, feedback display), dan arsitektur
{kontrol, elekromekanikal, sistem).
. Humanoriented perception- A socially interacrive
robot must proficiently perceive and interpret human
ariivity and behavior. This includes detecting and
recognizing gestu,es, monitoring and classifying
activity, discerning rntent and sacial cue-s, and
measur i ng the h u m an's feedback'
Natura/ human-robot interaction. Humans and
rabaLs shouldcommunicate as peers whct know each
alher well, -qucli as musicians playirtg a duet' Io
acf;ieve this, the robot nwst muifest believable
behavior: it must establish appropriate socia/
(using
expectations, it must regulate social interaction
dialogue and action), and it must {ollow social
convention and norms-
Readable socia/ cue.s. A sacially interactive robot
'signals
must send to the human in order to: (1)
provide feedback of its internal state; and (2) allow
human to interacl in a facile, transparent
'nanner'
Because robots are construaed, they have limited
34 RofutVisi
channels and capacity for ernotional expression.
These include facial expression, body and pointer
gesturing, and vocalization (both speech and sound).
o Rea/-tim e performance. Socially interaaive robots
must operate at human interaction rates. Thus, a
robot needs to simultaenously exhibit competent
behavior, convey afiention and intentionality, and
handle social interaction.
3.2.3 Embodiment
Tubuh secara biologis tersusun atau terbentuk
menyesuaikan keadaan lingkungan dimana tubuh
tersebut menetap. "Embodiment" memainkan peranan
yang sangat penting dalam mewujudkan emosi dan
kognisi. Dan secara khusus, perancangan aktuator dan
sensor sering secara bersama-sama dirangkaikan terhadap
bagaimanakah proses syaraf bekerja.
Embodiment dapat kita definiskan sebagai "that
which estab/ishes a basis for structural coupling bv
creating the potential for mutual perturbatiot-t
between systern and environment." Oleh karenanya
uembodiment" dirancang untuk hubungan timbal-
balik antara sistem dan lingkungannya, dan lebih-lebih
bila robot dapat mengacaukan lingkungannya atau
dikacaukan oleh lingkungannya, dan hal ini bukan
berarti keseluruhan robot harus memiliki tubuh secara
fisik.
Robot lnteraktif secara Sosial 35

Cambar 3.3 Sony Aibo fRS-110 (bagian atas) and K-
Iea m Khepera (bagian bawah)
Semua robot memiliki wujud (embodied), tetapi
beberapa robot lebilr memiliki wujud daripada lain-
nya. Lihat gambar 3.3, perhatikan perbedaan-perbeda-
an yang terdapat pada robot Aibo (Sony) dibanding-
kan dengan robot Khepera (K-Team), Aibo memiliki
kira-kira 20 aktuator (ioints across mouth, heads, ears,
tails, dan /egs) dan berbagai sensor (touch, sound,
vision dan proprioceptive), bandingkan dengan
Khepera yang hanya memiliki 2 aktuator (inde.
pendent wheel control) dan sebuah sensor (an array of
infrared proximity sensors). Karena Aibo merniliki
36
Robot Visi
lebih banyak channel-channel pertubatory dan
bandwidth pada disposalnya maka kita dapat meng-
asumsikan secara hampir tepat bahwa Aibo lebih
" embodied" dibandingkan Khepera.
3.2.3.1 Morfologi
Bentuk dan struktur robot merupakan bagian
pe!'ancangan yang sangat penting, dikarenakan bentuk
dan struktur mendirikan suatu ekspetasi sosial pada
lingkungan dimana robot tersebut berinteraksi.
Tampilan fisik dapat kita katakan sebagai bias dari
suatu interaksi. Robot yang menyerupai seekor anjing
akan diperlakukan berbeda daripada sesuatu yang
berupa *anthropomorphic." Lebih-lebih, kedekatan
struktur atau bentuk dari robot yang dirancang hingga
menyerupai bentuk atau struktur dari manusia, maka
akan memberikan pengaruh yang besar pada akses-
bilitas, desirabilitas, dan keekspresifan pada robot
tersebut.
3.2.3.2 Pertimbangan deain
Pada saat industri akan memulai merancang suatu
bentuk atau struktur sebuah robot, maka pertimbangan
desain harus diperhitungkan terlebih dahulu. Pertama-
tama, bentuk atau struktur robot harus sesuai dengan
fungsi robot tersebut. Jika robot dibuat untuk kebutuhan
melaksanakan berbagai tugas yang akan diperinahkan
padanya, maka rancangan bentuknya harus memberi
kesan 'product-ness" agar user merasa nyaman dalam
memanfaatkan robot.
Robot lnteraktif secora Sosial 37
 The uncanny valley

?
I

,E
g
gE

Cambar 3.6 Mori's "Uncanny Valley"

Sebagai penutup, dapat kita katakan bahwa jika

sebuah robot ingin berperan seakan-akan sebagai maklul<
yang benar nyata dan hidup, maka robot harus memiliki
Gambar 3.4 "Leonardo," tampilan robotyang
suatu tingkatan pengetahuan yang sesuai (interaksi/adap
menyerupai makluk hiduP
tasi, performance) dengan makluk hidup yang sebenar-
nya. Mashiro Mori memaparkan bahwa tingkatan pro-
gress perubahan dari makluk yang "tidak nyata" menjadi
maklul< yang mendekati "nyata," adalah tidak linier,
secara grafis, terdapal "Uncanny Valley" seperti yang
ditunjukkan pada gambar 3.6-Mori's " lJncanny
Valley."
Kita klasifikasikan robot sosial berdasarkan wujud-
nya menjadi empat kategori: anthropomorpihic, zoo*or-
phic, caricatured, dan fundional.

3.2.3.3 Anthropomorphi c

Anthropomorphism, berasal dari bahasa Yunani,

Gambar 3.5 CIRO (dari Severinson-Eklund 2002) "anthropos" mempunyai arti "orang," dan umorphe"
mempunyai arti "bentuk" atau "struktur." Anthropo-
morphism adalah kedekatan sesuatu benda terhadap
segala atribut karakteristik dari manusia, yang bertujuan,

38 Robot Visi Robot lnteraktif secara Sosiol 39

dengan kedekatan (struktur) tersebut, adalah untuk
membantu merasionalkan segala tindakan yang merupa-
kan bagian aplikasi dari proses penginteraksian antara
robot dengan partnernya (roboUmanusia). Paradigma
Anthropomorphism telah berhasil secara luas diterapkan
sebagai suatu standar yang tepat untuk memperkaya
karakteristik fungsidan segala tindakan pada robot sosial.
Peran dari antropomorphrsm adalah sebagai fungsi
mekanisme (untuk perancangan, untuk penginterpre
tasian tingkah-laku, dan lain-lain) melalui suatu penginte'
raksian sosial yang mungkin difasilitasikan. Oleh karena-
nya, peran ideal dari antropomorphism adalah untuk
menghadirkan suatu keseimbangan ilusi dan fungsi yang
tepat, atau dengan kata lain meyakinkan manusia bahwa
robot dapat melakukan sesuatu yang riil dengan
merninimasikan error yang munBkin, supaya tercapainya
i nteraksi man usia-robot sepeft i yang d i harapkan.
3.2.3.4 Zounorphic
Pertambahan jumlah robot baik itu robot yang
bersifat entertainmentr personal, atau permainan, tiada
laln adalah kreasi dari para perancangnya untuk
mengimitasi objek kehidupan yang riil. Untuk wujud dari
robot-robot tersebut, maka wujud zoomorphic sangat
penting dimanfaatkan untuk merealisasikan hubungan
man usia-robot yang lebih interaktif.
40
Gambar 3.7 (a) l{ybie (Tiger Elearonics), (b) Necoro
(amron)
Perancangan yang umum hampir selalu diinspirasi_
kan oleh keadaan hewan-hewan peliharaan yang bersifat
rumahan, seperti yang telah diprakarsai oleh Sony dengan
Aibo (gambar 3.3), robot Necoro (Omron) (Cambar 3.2)
dengan tujuan penciptaanya sebagai partner rumahan,
Leornado (gambar 3.4), dan lain-lain.
3.2.3.5 Karikatur
Para animator telah lama mendemonstrasikan
bahwa suatu karakter tidak selalu harus muncul secara
nyata untuk dapat dipercayai oleh yang metihatnya.
Karikatur, untuk contoh biasanya diungkapkan dengan
melebih-lebihkan fitur-fitur objek yang sebenurny, d*
ngan tujuan tiada lain hanya sebagaiefek komik semata.
Scheef, dan kawan-kawan, telah mendiskusikan
bagaimana teknik-teknik dari animasi dan cartooning
tradisional dapat digunakan untuk perancangan robot
interaktif sosial. Schulte, juga memaparkan hal yang
berkaitan, bagaimana wajah manusia yang telah dibentuk
dalam sebuah karikatur dapat memberikan suatu ,focal-
RobotVisi
Robot lnteroktif secora bslal 4t
 Robot yang dirancang untuk 'Health Care',
point" yang mampu mengambil alih perhatian manusia.
misalkan, diperlukan untuk membantu para pasien yang
Severinson-Eklund, 2002, memaparkan kegunaan dari
sudah manula, atau tidak mampu berjalan, memindahkan
sebuah karakter mekanis yang berukuran kecil, 'CERO",
para pasien, dan lain-lain. Dan untuk itu, fitur-fitur lain
sebagai sebuah robot yang representatif dan interaktif
yang ada di luar robot sangat diperlukan, seperti "ruang
Gambar 3.5). cargo" dan " handle bar.'
3.2.3.6 Fungsional

Sebagian besar peneliti berargumentasi bahwa

perancangan wujud robot adalah langkah awal yang
sangat penting sebelum dilakukan pembentukan struktur
keseluruhan dari robot secara utuh, dan wujud robot
lrarus merefleksikan fungsi atau tugas dari robot yang akan
dirancang. Pilihan dan perancangan fitur-fitur robot secara Gambar 3.9 Me and My Shadow (MCA Entertainment)
murni harus berpedoman pada tujuan-tujuan operasional
yang telah ditentukan.

P
Gambar 3.8 Aibo ERS-200 (top) and ER5-300 series
Gambar 3.1O (a) SDR4X (Sony), (b) P3 (Honda)
(SonY)

Robot lnteraktif secoro bsial 43

42 Robot Visi

Gambar 3.11 lnfanoid
3.2.4 Emosi
Emosi memainkan peranan penting di dalam ting_
kah laku, sifat, dan aktifitas manusia, seperti komunikasi
dan interaksi. Emosi sangat mempengaruhi proses kognitif
manusia seperti dalam pengambilan keputusan, dan
penyelesaian masalah, dan'merupakan fenomena yang
sangat kompleks yang secara erat berkaitan di dalam
segala aktivitas sosial, dan lebih-lebih emosi secara
psikologis dipengaruhi oleh keadaan fisiologis atau dapat
dikatakan tergantung oleh rupa, wujud, atau struktur dari
fisik manusia.
Ada tiga teori utama yang digunakan untuk men_
deskripsikan emosi, pendekatan peftama memaparkan
emosi dalam konteks kategori diskrif misalkan, ke
bahagiaan. Pendekatan kedua mengkarakteristikan meng-
gunakan skala kontinu atau dimensi basis, seperti, arousal
dan valence. Pendekatan ketiga, teori kom-ponential
yang mengkombinasikan dimensi dan kategori diskrit.
44 Robot Visi
3.2.4.1 Emosi buatan (Artificial Emotions)
Emosi buatan diintegrasikan ke dalam peran-
cangan robot sosial dikarenakan berbagai alasan atau
sebab. Fungsi utarna dari emosi adalah untuk mem_
fasilitasi interaksi manusia-robot yang dapat diper_
caya, dan memberikan timbal balik kepada user,
seperti pengindikasian state internal robot, ,,maksud
dan tujuan." Emosi buatan dapat berperan sebagai
sebuah mekanisme kontrol, mengendalikan perbuatan
atau gerak tingkah laku, dan merefleksikan bagaimana
robot dipengaruhi oleh, beradapatasi terhadap,
berbagai faktor yang variatif (berbeda) setiap saat. Dua
pandangan tentang pengontrolan emosi yang populer
dipaparkan oleh L. Ca-namero dan p. petta, eds.,
Crounding Emotions in Adaptive Systems. Volumes I
and ll. Special lssue of Cybernetics and Systems: An
lnternational Journal, 32 (5) and :Z(O) {2001), dan L.
Ca-namero, Designing emotions for activity se/ection
in autonomous agents, in R. Trappl, p. petta, S. payr,
eds., Emotions in Humans and Artifacts, Cambridge,
MIT Press, 2003.
Berbagai arsitektur telah diproposalkan untuk
pemodelan (perancangan) emosi buatan, antara
lain:
C. Breazeal, Designing sociable robots, CanrbridE;e,
MIT Press, 2001, L. Ca-namero, Modeling ntiti_
vations and emotions as a basis for lnteliigent
behavior, in: W. Johnson, ed., proceeding-s o/ the
lnternational Conference on Autonomou.s Agents,
1997, C. Elliot, The Affectiye Reasoner: A process
Mctdel af Emotions in a Multi_Agent System. ph.D.
thesis, The lnstitute for the Learning Sciences Techni_
-{ I
i,i
1
Robot lnteraktif secorasosral I
i 45 t)
i ,
cal Report No. 32, Northwestern University, 1992, E.
Hudlicka, lncreasing SIA architecture realism by
modeling and adapting to affect and personality. ln K.
Dautenhahn et al., eds., Socially lntelligent Agents:
Creating Relationships with Computers and Robots,
Kluwer, 2002, W. Reilly, Believable social and emoti-
onal agents, Ph.D. fhesis, Computer Science, Carne-
gie Mellon lJniversity, 1996, l. Velasquez, Modeling
emotions and other motivations in synthetic agents,
in: Proceedings of the Fourteenth Nation al Conferen-
ce on Artificial tntelligence, 1997, J. Velasquez, A
computational framework for emotion-based control,
in: Proceedings of the work'shop on grounding emo-
tions in adaptive systems, Conference on Simulation
of Adaptive Behavior, 1998. Beberapa arsitektur yang
diajukan menyandarkan pada berbagai teori emosi-
onal, atau secara khusus, dapat kita katakan toeri ten-
tang bagaimanakah emosi didefinisikan dan dihasil-
kan. Dan arsitektur yang lain dirancang dengan suatu
cara ad-hoc, untuk pendapat terakhir didukung oleh
Nourbakhsh dan kawan-kawan, yang merincikan
suatu sistem berbasis mesin state fuzzy, yang
dibangun oleh sederetan evaluasi formatif dan siklus
perancangan.
ln terms of expression, some robos are only
capable of displaying emotion in a limited way, such as
indiv:idually aduated lips or flashing lights (usually LEDs).
Other robos have many active degrees of freedom and
can thus provide richer movement and gestures. Kismet,
for example, has controllable eyebrow, ears, eyeballs,
eyelids, a mouth with two lips and a panltilt neck-
46 Robot Visi
3.2.4.2Emosi sebagai mekanisme terkontrol
Emosi dapat digunakan sebagai presedens kontrol
diantara berbagai mode tingkah laku yang berbeda,
mengkoordinasikan perencanaan, dan sebagai pemacu
pembelajaran dan adaptasi terhadap lingkungan tugas-
nya, lebih-lebih jika lingkungan yang dihadapinya sulit
untuk diprediksi. Untuk itu berbagai pendekatan dirumus-
kan dengan mengadopsikan kondisi atau keadaan emosi
dari berbagai hewan yang menggunakan instingnya
dalam menghadapi lingkungannya, misalkan insting pada
hewan dalam melarikan diri dari keadaan yang
berbahaya, mencari *Lk"n"n, dan lain-lain.
Beberapa peneliti, telah melakukan investigasi ter-
hadap manfaat emosi di dalam interaksi interaksi ma-
nusia-robot. Suzuki telah mendeskripsikan suatu arsitektur
yang memungkinkan interaksi memberi dampak per-
ubahan terhadap "state'! emosi dari robot dan pemodifi-
kasian respon gerak dari robot tersebut. Breazeal juga
mendiskusikan bagaiamana emosi dapat mempengaruhi
operasi Kismet's motivational system dan bagaimana
pengaruhnya terhadap proses penginteraksian manusia-
robot. Dan Nourbakhsh mendiskusikan bagaimana
perubahan "mood" dapat memacu perubahan sikap yang
berbeda pada Sage (a museum tour robot).
3.2.4.3 Speech
Speech merupakan metode yang sangat efektif
untuk mengkomunikasikan emosi. Berbagai parameter
utama yang mengendalikan muatan emosi antara lain:
"loudness, pitch (level, variation, range), dan
prosody." Murray dan Arnott berpendapat bahwa efek
Robot lnteraktif secaro Sosial 47
vokal atau efek dari suara disebabkan oleh emosi kawan-kawan telah mendeskripsikan suatu sistem
khusus yang tetap konsisten selama berlangsungnya untuk pemetaan kualitas emosional menjadi suatu
komunikasi di antara berbagai pembicara, dan dengan setting pensintesaan speech, dan termasuk juga
minimnya perbedaan yang terjadi diantaranya . artikulasi, pitch, dan kualitas suara.

3.2.4.4 Ekspresi face

Face manusia memiliki banyak fungsi, dia dapat
menampilkan suatu motivasi, yang akan sangat mem-
bantu membuat segala tingkah laku atau perbuatan
mudah diprediksikan dan difahami oleh yang lain. Selain
itu juga berfungsi sebagai suplemen komunikasi verbal
dengan memberikan suatu sinyalemen sikap pembicara
terhadap informasi yang dibicarakan. Ekspresi dan isyarat
face juga mengkomunikasikan informasi, seperti sikap kita
dengan mengangkat bahu yang mewakili kata-kata
Gambar 3.12 Actuated faces: Sparky (left) and Feelix
"l Don't Knowi dan lain-lain.
(riShl
Ekspresi face pada robo! tidak mungkin se
kompleks ekspresi yang terjadi pada manusia, hal ini
disebabkan oleh keterbatasan perancangan mekatronik
dan perancangan sistem kontrolnya. Untuk contoh, pada
perancangan sistem yang sudah dilakukan, ekspresi
marah pada robot sangat bertolak belakang dengan
Posltl!. ekspresi marah pada makluk hidup, pada robot ekspresi
dan perubahan ekspresi selalu terjadi cepat dan tiba-tiba,
lliqh
dan pada manusia (contoh kasus) berbagai fitur face yang
mendukung ekpresi secara frekuensial adalah: Mouth
Gambar s.rt tui;eu, ;;;, emosi yang ditunjukkan
(lipl,cheeks, eyes, eyebrows dan forehead. Kebanyakan
oleh Kismet
sistem ekspresi "emosi face" robot merujuk kepada
Kualitas pensintesaan speech secara signifikan Ekman dan Frieser's FACS system.
lebih rendah bila dibandingkan pensintesaan ekspresi Lihat gambar 3.12, dua /ace robot yang sangat
face ataupun pensintesaan bahasa tubuh. Cahn dan sederhana yang muncul pada Sparky dan Feelix. Face

48 Robot Visi Robot tnteraktif secora Sosiot 49

sparky mempunyai 4-DOF, (eyebrows, eyelids, and lips),
yang melukiskan suatu himpunan diskrit, emosi dasar.
Feelix merupakan robot yang dibuat dengan
menggunakan LECO MindstormsrM robotic construction
kit. Seperti Sparky, face Feelix juga memilik 4-DOF, (two
eyebrows, two lips), dirancang untuk menampilkan enam
keadaan ekspresi, anger, sadness, fear, happiness,
surprise, neutral, dan perpaduan keenam emositersebut.
wtwrym
k
ffi
Gambar 3.14 Face robot "saya"
(Science University of Tokyo)
Face Kismet memiliki 15 aktuator, dan sering
secara serempak bekerja untuk menampilkan SUatu
ekspresi emosi yang spesifik, (lihat gambar 3.13).
sedangkan ekpresi face Kismet dihasilkan menggunakan
50 Robot Visi
suatu teknik berbasis interpolasi pada komponensial 3-D
"affect space", (arousal, valence, dan stance). Kismet
mampu menampilkan ekspresi yang merupakan
pemetaan dari keadaan: marah, ketidakpercayaan,
takut/kuatir, kebahagian, kesedihan, dan terkejut.
Face robot yang lebih relistik atau mendekati /ace
alami adalah apa yang dirancang di Universitas Sains
Tokyo, (gambar 3.14), saya. Secara eksplisit, berbagai face
tersebut dirancang untuk menampilkan face robot yang
mendekati face relistik atau susunan /ace manusia, adanya
gigi, rambuf dan lapisan kulit silikon. Dibawah kulit,
sejumlah sistem kontrol dicadangkan untuk melakukan
berbagai ekpresi, dan pergerakan face layaknya seorang
manusia.
mSce
Robot lnteroktif secaro Sosiol 51
 TSah 1
SENSOR KOMPI.ITASI UNruK
*7R46O*O
OBTEK

"An onolog VlSl compttational vision sener detects an

opticol image of multiple intensity-cded objects. As the
imoge is being sen d, the *nrr:lr computesoN reprts the
areo and the x,y location of the object on three orulog
pins. A 43x43 cell prototype is implemented in 2m CMOS
technology. Eoch celll pixel is 47x47mm with a 3V,
fiil
factor,"

4.1 Pendahuluan
ada bab ini kita akan mendeskripsikan sebuah
sensor visi komputasional VLSI analog untuk
kegunaan perhitungan daerah dan sentroid dari
berbagai objek intensitas terkode. Daerah dan lokasi (x, y)
dari objek dibaca secara langsung pada tiga pin analog,
sebagai suatu citra hasil pensensoran, operasi low-latency
melakukan penyesuaian untuk aplikasi uacking seperti
tracking untuk objek mata atau kepala, dan sebuah
prototipe sel 43x43 diimplementasikan pada teknotogi
CMOS 2p, di mana masing-masing sel/pixel berukuran
471tx471t dengan fill-factor sebesar 30%.
e
L komplek, maka diperlukan suatu pendekatan pen-
al)
C
E nremiliki susunan warna yang lebih kompleks, Standley
E memperkenalkan suatu metode pensegmentasian objek
4
Gambar 4.1 Blokdiagram sensor
to holizontal bus
Gambar 4.2 Diagram sellpixel
Secara tradisional, position sensitiye detectors
(PSD) menghitung atau mengkalkulasi posisi sebuah
objek sebagai sentroid dari suatu distribusi intensitas
spatial objek tersebut. Untuk pensegmentasian, pendekat-
54 RobtVisi
an-pendekatan konservatif lebih menekankan kinerjanya
hanya pada citra yang memiliki objek dengan latar yang
bertolak-belakang tingkat keabuannya dengan tingkat
keabuan obfek yang akan ditracking, dan untuk citra-citra
yang memiliki susunan objek dan background yang lebih
yang lebih handal. Untuk citra yang
segrnentasian
dari backgroundnya dengan mengurangi nilai-nilai
treshold yang didefinisikan berdasarkan suatu keadaan
citra tertentu dari sebuah photocurrent pada masing
masing pixel dalam citra yang akan disegmentasikan.
b)
Gambar 4.3 (a) Polayang diujicobakan, (b) evolusi
sentoid
Sebagai perangkat yang harus beroperasi dalam
suatu region subtreshold, maka nilai treshold yang ter-
definisikan akan menelusuri dan membandingkan ber-
bagai nilai pixel untuk setiap pixel pada citra., dan hal ini
bisa menyebabkan terjadinya keadaan "corrupt, pada
citra.
Sensr Kompttosi untuk "Tracking' Objek 55
 Kehandalan dari chip Standley adalah kemampuan
chrp tersebut memfasi litasi proses pensegmentasian hing-
ga pada berbagai citra yang berukr.rran besar dan diliputi
oleh mayoritas noise. Pada prinsipnya, chip Standley
mampu mendeteksi secara kumulatif berbagai objek
intensitas terkode dengan mernangkas tingkat treshol&
nya.
4.2 lmplementasi
Citra optis yang diperoleh dari pemandangan diluar
alat disensor secara langsung pada chip, dan selanjutnya
i*rp secara kontinu mensegmentasikan objek dari
hackgroundnya menggunakan paradigma pengolah-an
"intensity-totime' dan menyimpan hasilnya dalam
bentuk citra biner. Pada awalnya keseluruhan nilai-nilai
pxel pada citra biner diset menjadi nol, dan sesudah itu
tak lama kemudian, chrp melakukan proses selanjutnya
hingga terbentuknya sebuah objek yang tidak nol dalam
citra biner. Dari citra biner yang telah terbentuk terakhir,
chip secara kontinu mengkalkulasikan daerah dan sen-
troid dari penyebaran berbagai pixel yang tidak nol,
menggunakan metode pemroyeksian dan 'twa I D
resistive grids.'
Blok diagram dari chip yang dirancang dapat dilihat
pada gambar 4"'1, dan sirkuit pixelnya ditunjukkan pada
gambar 4.2. pada awal proses, seluruh sel diset bernilai
nol, dan selanjutnya diagram sel memulai prosesnya
menglntegrasikan "photo<harge." Setelah keseluruhan
"photocharge" dikumpulkan di dalam elemen
pensensoran, proses berikutnya inverter berkerja
menghidupkan dua konstanta sumber M1 dan M2, yang
56 Robot Visi
mana kedua konstanta tersebut merepresentasikan
keadaan birbit biner dari citra. Masing-masing dari kedua
konstanta tersebut dijumlahkan menjadi bus vertikal dan
bus horisontal. Proses ini merupakan suatu metode
pemroyeksian yang mendekomposisikan permasalahan
2D menjadi dua buah distribusi t D. Iumlah total saat ini
Ir pada bus vertikal atau horisonal (salah satunya)
merepresentasikan jumlah total sel-sel yang diswftch
dalam keadaan on. Sentroid distribusi horisontal dan
venikal merepresentasikan sentoid sebuah objek (x, y).
Nilai kuantitas yang dapat kia tentukan sebagai,
I
x=(N-l)k+t
tT
y=(M-r)fr+r
rT
Uji coba berbagai pola yang dilakukan adalah dengan
memilih dua sampel pola disk, overlapping dan non-
overlapping, dengan berbagai intensitas yang variatif (lihat
gambar 4.3 dan gambar 4.4).
a) b)
Gambar 4.4 (a) Pola yang diujicobakan, (A evolusi
sentoid
Sensr Kompttasi untuk "Trocking" Objek 57
 1Salo,5
ROBOT: PERSEPSI

Gambar 4.5 Berbagai funtuk gelombang yang dihasilkan
untuk penguiian furbagai pola pada gambar 4.3 dan
gambar 4.4
Cambar 4.5 menunjukkan bentuk gelombang untuk
ketiga sampel disk, yang dimonitor menggunakan sebuah
scope digiul.
ceEgr)
"The weokest link in many m&ile rfuts is perception. ln
order to build robts tlnt ore reliable and depndoble aN
mfe, we need to build rfuts thot can see. Perception is
becoming a solved pr$lem for certain constroined
environments. &,tt for rofuts working antdors, and at high
speeds, and in close proximity to Nqle, perception is sfi{l
ircomplete. Our robots need to *e objects; to detect
motion; and to detect which of thosr- objec:ts ore people. tn
the current state of the art, this requires multipte sensors
ond multiple means of interpretation,

5.1 Pendahuluan
da beberapa alasan sebuah mobilerobot tidak
dapat kita handalkan: error pada mekani(
kegagalan aktuator, kegagalan pada perencana-
an, kerusakan sistem komputer, dan lain-lain. Kebanyak-
an kekurangan-kekurangan tersebut terjadi pada ingkung-
I

an: pengoperasian ACV di pabrik, robot pengantar surat

di kantor dan robot pengantar obat di rumah sakig sistem
ConneXXion yang mengantar jemput orang dari tempat

58 Robot Visi
pemberhentian bus ke kantor, robot eksperimen yang akan lebih luas juga atau tidak terbatas pada lingkungan-
bertugas di museum dan stasiun kereta api. Tetapi saat ini, lingkungan yang suddh paten (rintangan-rintangan yang
mesin+nesin robot tersebut dapat lebih terjamin dan tidak mungkin muncul pun sudah dikondisikan, pencahayaan
perlu lagi dikuatirkan terhadap error atau kegagalan yang tidak begitu variatif, kondisi cuaca yang tetap, dan lain-
biasa terjadi, peluang untuk terjadi error atau .kegagalan lain).
tersebut semakin kecil. Tetapi untuk sistem ConneXXion,
orangrang dapat memilih, kendaraan tanpa sopir atau t '!i
? 4 *
bus konvensional dengan kapasitas terbatas yang hanya :
i
';'j
$
s
i 't
! F ;i
mampu menjemput penumpang yang mana saja yang 2 "E 5
!
;i j
pertama tiba di perhentian bus, permasalahan di sini lebih Dirt":rDrrkti obi{r r IrE !-Lira
Ft:nil:e:ttn iLlr}i
menekankan istilah "pengadaptasian" saja. Permasalahan Dgrtc: ob'{r r foDaof:r o o a a
(.ris::r n:'e:i it :! i:r l.?:a a
terakhir tersebut, untuk sistem ConneXXion, menjadi D:re=ce Ir':j*: ;r
a a a a a a o a a
kabar yang tidak baik bagi perusahaan yang bergerak di Dqret t a b:rttle rprroo*ss ir:r r-r
DilE{tob'{t rofoil ud E I o t t o t a e !
bidang perancangan robot untuk aplikasi kenderaan D{ttaE! '- rlori-j rr'eiY,' a t t e t I t
fI,i !]crir n']E oca:uird a a a a a a
atraktil tetapi kabar yang baik untuk para pengkaji atau I?Cr E 00'(t t!:t!o!:LF; De:t;t':ill
penelitidi bidang ilmu robot. I.}:6!It:e::r'l bor.uaF t a
D*:it oi'r ro E ri:br !:d a O a t a I t a
Citrs:l o'q:{r or dE ldErr} a o t
Ada dua karakteristik yang harus diintegrasikan, Dqlut u ob'rtt r-ror:tq rrierrrr'
Psos.i:e rrh io:odm' a t
agar aplikasi di atas dapat berlangsung sukses seperti yang Dgticr ob :r:o ue:ri: iidt t t t t t t I 3 a
t t t t t a a
diharapkan: { -r[:ir rt Br ri oo :idnat t a a
altit o!(Du! teraltl
1
t. Lingkungan harus terkondisikan, tujuannya agar F*:g*e lrue uCcrer a
Drr:roh {t oD ina rri iEft I a a a I o t I O t
robot dapat dengan mudah mendeteksi segala (:rsr$ o';;*r e: ror irrrs
a a o o a
rintangan-rintangan yang muncul setiap saat, dan D:re=,H eir o:Jef, tx
a a o a a a
2. Robot harus bergerak dengan pelan, dengan gerak alxl ir(le s iffi hE itEi J
Psoacs irr NftEs! t
robot yang tidak begitu cepat, maka akan memudah- D*txt ob'ut ro nr ra: t a t a t a a o o t
kan robot untuk membuat keputusan yang sederhana
Ci$::rr:ie:r i; iE i:! LL t t t a
En:ur E* o'l;sr x
rhr.r'r Biil. "h. r: m. ,rf rmF ! o o a a t o
ketika rintangan-rintangan tersebut muncul. Pada f otal !f,aobff of fu(liolr '{ppon!d
t0 t0 lt 0 6 I ll ll l0 I9 6
prinsipnya rintangan dapat dengan mudah dideteksi,
bil4 rintangan tersebut juga mudah disensor dan
disegmentasikan oleh robot. Gambar 5.1 Fungsi vs berbagaisensor untuk skenario
berkenderaan di kota
Kajiankia dalam bab ini adalah persepsi. Pada riset
yang lebih luas, wilayah kerja lingkungan yang diteliti

fi Robot Visi Robot: Persepsi 61

5.2 Melihatsegalanya ditempatkan pada suatu interval jarak dari laser dan
benugas mengamati berbagai cahaya yang muncul
Thorpe, dkk, di dalam karya ilmiahnya yang ber-
beririsan dengan objek. Untuk contoh visual dapat dilihat
judul "Dependable Perceptions for Robots" rnemaparkan
pada gambar 5.2.
tentang pengembangan suatu sistem praktis untuk ke
Bunaan visi robot, dengan fokus mereka pada keadaan
berkenderaan di kota yang ramai dengan penduduk
(padat).

Pertamatam4 Thorpe dan kawan-kawannya me

ngumpulkan datadata tentang berbagai keadaan ke
celakaan di kota, dan melakukan wawancara tanya-jawab
dengan berbagai supir bus yang pernah mengalami ke
celakaan jalan raya. Hasil dari analisis data yang
dikumpr.rlkan tersebut menjadi acLan Thorpe untuk me Gambar 5.2 Kiri, penglihatan kameratanpa suppresi
rancng suatu sistem robot dengan berbagai sensor yang b ackgrou n d, tan d a panah men u n i u kkan pe ne m p atan
dapat mendeteki segala keadaan di jalan raya untuk laser yang dapat dilihat, dan kotak dibelakang diposisikan
rnenghindari terjadinya hal-hal yang tidak dinginkan. pada jarak 4m dari kamera. Kanan, penglihatan kamera
dengan suppresi background, tanda panah menunjukkan
Perbandingan berbagai sensor diperlihatkan pada
gambar 5.1, berdasarkan tabel pada gambar tersebut, ialur-jalur laser yang beririsan atau bersinggungan dengan
dapat kia simpulkan bahwa tidak ada sensor tunggal yang
kotak
dapat melakukan pendeteksian terhadap berbagai
keadaan objek yang berada di sekiar bus, maka untuk
\-
Shelfwifi
clutter }}---_=--...--.--=r_,-
mengatasi hal-hal keterbatasan sensor tunggal tersebut, -\ ---' -.-<----=-
kita akan memerlukan radar dan ladar dari vendor yang 3m
'"<t
komersil, dan mengembangkan suatu alat sensor jangkau- --\.-_ persofl
an right-xripdan, alat pendeteksi objek aliran optis. Zn

5.2.7 Sensor jangkauan right*tripe .....----|

r m ,t

Prinsip kerja sensor jangkauan right-stnpe telah

diketahui engat bai( cahaya yang berupa suatu laser Gambar 5.3 Ektraks i garis pada kardi nat du n i a x-y
difokuskan pada satu arah dan diteruskan ke Suatu unit
untuk rnenghasilkan suatu bidang cahaya. Kamera video

62 RobotVisi 63
 Ada berbagai permasalahan dengan sensor
jangkauan right-stripe dan diantaranya adalah sulitnya objek yang sama. Secara visual, dapat dilihat pada gambar
untuk sensor bekerja secara efektif di siang hari yang 5.4.
begitu cerah, dikarenakan laser yang sulit mendeteksi
suatu objek pada citra yang memiliki background yang
cerah, dan untuk permasalahan ini Thorpe menggunakan
beberapa pendekatan paralel untuk membuat laser lebih
mudah melakukan pendeteksian:
a bandpass filter that closely matches the
Filtering:
put over the camera
laser is
Shuttering: the laser is fired in a pulse of a few
microseconds, and the camera's elearonic shufter is Cambar 5.4 Kiri, citradariomnikamera. Kenderaan dapat
opened for the same interval dilihat pada bagian kanan citra. Kanan, ciua yang telah
lmage subtraction: For a stationary scene, it is easy to diperbai ki, dikonversikan menjadi koordi nat sel i ndris,
collea two images, one with the laser on and one kotak pada bagian atas menunjuklcan porsiyang
with it off, and subtrad images. For a moving scene, diharapkan, posisi citra sesuai seakan akan tqpat
implementing this process requires image-splitting berhadapan dengan kenderaan kita,
optics or image registration.

5.2.2 Omnikameraaliran optis

Sistem sensor kedua yang dibuat oleh Thorpe
(untuk kenderaan robotnya) adalah aliran optis berbasis
pensensoran omnikamera. Perpindahan atau pergerakan
kendaraan secara umum dibatasi oleh suatu bidang
pensensoran, dan pada kasus omnikamera, citra yang Gambar 5.5 Citra orisinil, dan urutan dari limaciuatepi
ditangkap akan berada pada kedudukan horisontal. Untuk
menyelesaikan permasalahan kedudukan hori-sontal citra
tersebut maka kita memanfaatkan operator edge
detection Sobel untuk mendeteksi keseluruhan tepi-tepi
citra yang vertikal, dan selanjutnya menjejaki keseluruhan
tepi yang diperoleh dari satu citra ke citra yang lain untuk

u RotutWd
Robot: Pt-.rsr;psr 65

\,
Gambar 5.6 Peta yang dihasilkan dari aliran optis,
berbagai segmen garis men unj u kkan posisi kenderaan
yangtelah dikalkulasi dan yang muncul pada setiap
frame. Masingmasing posisi obiek dikalkulasikan sebagai
irisan terdekat dari lima garis penglihatan dari penjejakan
optis. Langkah berikutnya adalah melakukan filter pada
posisi yangterkalkula5i pada berbagai pengamatan, untuk
mengurangi sebaran titik pada lokasi rata-rata
5.3 Mendeteksi pergerakan dan
pergerakan lanjutan objek
Pendeteksian objek sangat diperlukan tetapi tidak
cukup hanya pendeteksian rija. Peftanyaan yang sung-
guh ingin kia jawab disini bukan dimanakah posisi objek
tersebut sekarang?, tetapi kemanakah objek tersebut akan
selanjutnya bergerak?. Untuk itu, Thorpe menggunakan
pengolahan ladar untuk menjelajahi dan memprediki
pergerakan objek serta mengklasifikasikan objek secara
terbatas. Dalam ujicobanya, Thorpe dan kawan-kawan
66 Robot Visi
menggunakan sebuah ladar pada kenderaan NaVLab 8
yang dirancangnya, lalu kenderaan tersebut dikendarai
mengelilingi kampus CMU dengan melalui berbagaijalan
yang terdapat disekitarnya untuk mengumpulkan data
range. Untuk masing-masing frame data rangg Thorpe
peftama-tama melakukan pensegmentasian peta range
menjadi objek ,terkait. Untuk masing-masing objek,
Thorpe melakukan perbandingan keadaan objek dengan
daftar pergerakan objek yang sedang berlangsung dan
memisahkan keseluruhan titiktitik yang berhubungan
dengan pergerakan objek temebut. Untuk langkah utama
kedua, Thorpe dan kawan*awan memanfaatkan algo
ritma ICP (lterative Closest Points) untuk mendaftarkan
titik-titik yang bukan kategori "non-moving" dengan peta
lokal yang dibentuk dari hasil pendeteksian sebelumnya,
untuk menghitung posisi relatif kenderaan. Untuk
memprediksi bentuk (keadaan struktur) dari kenderaan
tersebut, Thorpe menggunakan filter lGlman.
Setelah dilakukan peregistrasian pada dua frame
yang ditemukan, maka kia gunakan suatu algoritma
pendetekian pergerakan objek dan pose objek yang telah
dikalkulasikan untuk memisahkan sebarang objek yang
bergerak dari objek stasionernya. Dari hasil scanning
sebelumnya, telah diketahui yang mana daerahdaerah
yang seharusnya tidak diduduki, dan jika ketahui ada
suatu objek yang mendiami atau melalui daer:ah tersebut,
maka ini berarti telah terjadinya suatu perpindahan. Hasil
dari pelokalisasian dan pemetaan relatif objek
ditunjukkan pada gambar 5.7.
Robot: Persepsi 67
 Gamhar 5.7 Lokalinsidan penletaan
Gannbar 5.9 Pendereksian pejalan kaki, sejumlah titik_titik
yang ditandai oleh tanda panah memiliki funtuk dan
karalaeri stik seorang peialan kaki

Gambar 5.8 Pendete l<si an kenderaan, titi k-titik yang

dituniukkan oleh tanda panah memiliki bntuk dan
perpindahan dari suatu mobil yang bergerak
Cambar 5.'t0 Pendeteksian peialan kaki

gOSC

Robt: Persepsi
69
 'lSdh 6
VISUAL HULL CONSTRUCTION

"Visual Hull (VH) construction is a ppular method of shop

estittntion. The methd, alsrr krpwn asShop from
Silhouette (*5), apprortnptes shop of on object from
multiple silhanette images by constructing an upper bwd
of the slnpe colled the Visnl Hult. SFS is used in nnny
opplicotiuts ilch os non-invasive 3D object digitizotion, 3D
object rxqnition aN more recently humon motion
trockirryond omlysis. Thatgh SFS isstroightfomvord to
implement and easy to use, it hos *rreral timitotions. llost
existing SFS methds ore t@ slow for real-time applicotions
ond the estimoted shope is sensitive to silhouette noise aN
camero colibrotion errors. l,/lorewer, VH is only o
con ruative opproximation of the actuol slnpe of the
object oN the opproxinntian con be very cmr* when
there ore only o few cameros."

6.1 Pendahuluan
bentuk objek 3D telah menjadi
suatu topik yang utama dan aktif di dalam sub
bidang komputer visi. Berbagai pendekatan algo
ritmis untuk pengestimasian telah banyak diajukan dalam
dua dekade terakhir ini yang diantaranya seperti yang
diungkapkan oleh L. C. Roberts. dalam penelitiannya
M ach i ne perception of th re*d i me nsi onal so/ids, pada
tahun '1977, H. H. Baker. Depth from Edge-and
lntensity-Based Stereo, pada tahun '1981, W. N.
Martin dan J. K. Aggarwal, Volumetric descriptions of
obiects from multiple views, 1983, P. Ciblin dan R"
Weiss, Reconstruction of surface from profiles, (ln
Proceedings of lmage lJnderstanding Workshop),
1987, C. Tomasi dan T. Kanade, Shape and motion
from image streams under orthography, 1992, A.
Faugeras, fhree-Dimensional Computer Visian: A
Ceometric Viewpoint, MIT Press, 1993, F. Rander, P.J.
Narayanan, dan T. Kanade, Virtualized reality:
Constructing time-varying virtual worlds from real
world events, (ln Proceedings of IEEE Visualization
'97), 1997, S. Seitz dan C.R. Dyer. Photorealistic
scene reconstruction by voxel coloring, (ln Procee-
dings of CVPR91, 1997, E. Boyer dan M. Berger. 3D
surface reconstruction using occluding contours,
1997, dan K.N. Kutulakos dan S. Seitz. A theory of
shape by space carving, 2000. Diantara keseluruhan
pendekatan-pendekatan yang telah disebutkan di atas,
ada suatu pendekatan yang disebut "Visual Hull (VH)
construction" atau juga sering diistilahkan Shape From
Si/houttes (SFS), suatu metode yang mengestimasikan
bentuk dari sebuah objek berdasarkan keadaan
bayangan gelap objek tersebut. Metode SFS ini
diperkenalkan oleh Baumgart dalam disertasi Ph.D-
nya yang berjudul Ceometric Modelling for Computer
Vision, Universitas Stanford, pada tahun '1974" Pada
saat ini, berbagai variasi dari SFS, representasi VH dan
aplikasinya telah banyak muncul di dalam berbagai
karya ilmiah atau riset yang diantaranya, Aggarwal
telah menggunakan voxel sebagai suatu representasi
dari VH, Potmbsil memanfaatkan struktur data oktree
72 RobtVisi
untuk mempercepat konstruksi dari VH, De Bonet dan
Viola memperluas ide rekonstruksi voxel yang
diaplikasikan terhadap objek transparan sebagai
penerapan konsep Roxels, Buehler menggunakan VH
sebagai basis geometris penafsiran citra, dan lain-lain.
Dengan jumlah riset yang memanfaatkan pendekatan
SFS tersebut, maka, (dapat kita katakan) SFS merupa-
kan metode standar dan populer yang digunakan
untuk pengestimasian bentuk objek.
Estimasi bentuk menggunakan SFS memiliki
beberapa keunggulan yang diantaranya adalah si/houfte
mudah dibaca dan diperoleh, secara khusus dalam
lingkungan yang indoor (terkondisikan/di dalam ruangan)
dimana posisi bayangan hanya mengalami sedikit per-
ubahan (pergeseran) dan kamera dalam keadaan statis.
lmplementasi dari SFS juga masih relatif terkondisikan
dibandingkan dengan berbagai metode lainnya seperti
metode multi-baseline stereo dan metode space carving.
Visual Hull terkonstruksi dari SFS merupakan batas-batas
atas dari sebuah objek, dan hal ini dapat kita katakan
sebagai sifat konservatif yang melekat untuk berbagai
aplikasi seperti menghindari rintangan di dalam ma-
nipulasi robot dan analisa visibilitas dalam navigasi, yang
mana lebih memerlukan batas-batas atas dari objek
dari pada batas-batas dalamnya.
SFS memiliki keterbatasan dalam berbagai hal
sepefti, pengkonsumsian waktu yang boros untuk ber-
bagai aplikasi pada waktu nyata, sensitif terhadap error
pada pengektrakian si/houtte dan kalibrasi kamera,
sehingga kita sulit untuk menghindari berbagai noise yang
terjadi pada citra yang diambil, lebihlebih, VH yang
Visuot Hull Cqtstruction 73
diperoleh dari SFS hanya mengaproksimasi bentuk aktual dikatakan terdefinisikan dengan jelas, jika dan hanya jika,
dari sebuah objek, sehingga hasil aproksimasi akan begitu proyeksi Apada bidang citra ke-k bertepatan secara
kasar bila fasilitas kamera yang digunakan untuk peng-
ambilan gambar berjumlah sedikit. Tujuan dari.kajian ini
mutlak dengan citra silhoufte Sf untuk semua
adalah menginvestigasi berbagai permasalahan yang k . fr,......,K1atau dalam bentuk formulasi dinotasikan
sering muncul dalam pengaproksimasian menggunakan -(e)
sebagai = 51. Jika ada paling sedikit satu entitas
pendekatan SFS, dan memberikan solusi yang tepat untuk
II
saja yang mendefinisikan citra silhoutte secara tepat, maka
mengatasi permasalahan tersebut.
dapat kita katakan himpunan citra si/houfte adalah
konsisten, sebaliknya kita kaakan tidak konsisten. Secara
6.2 Latar belakang
normal kita hanya dapat memperoleh citra silhoute
6.2.1 Skenario SFS hanya dari objek yang konsisten, dengan mengabaikan
Anggap ada K kamera yang diposisikan disekitar error pada kalibrasi kamera atau keadaan noise yang
terdapat dari citra.
objek 3D yang tetap, O,
anggan {Si;t = 1,...,K} me-
rupakan sekumpulan citra silhoutte dari objek O yang
diperoleh dari K kamera pada waktu t,. Asumsikan
kamera dikalibrasikan dengan
-( -+ R' dan Ck
II ): R3

menjadi fungsi proyeksi perspektif untuk kamera tersebut,

dengan k adalah pusat dari kamera. Maka p=f[o(f)
adalah koordinat-koordinat 2D dari sebuah titik 3D, P,
dalam citra ke/.. Penambahan notasi yang diperlukan,
ot,nl merupakan representasi proyeksi sebuah volume
fl Gambar 6.1 Contoh skenario SFS, sebuah objek O
A pada bidang citra dari kamera fr. Contoh skenario dikelilingi oleh empat kamer4 citra silhoutte pada walou
dapat dilihat pada gambar 6.1.
t1, dan pusat kamera direpresentasikan"/"h
{Sf }
a^n lk )
6.2.2 Visual Hull
K citra silhoutre
Visual hull H, dengan kecenderungan terhadap
Asumsikan, diberikan sekumpulan
sekumpulan citra si/houtte yang konsisten didefinisikan
{si} ,* fungsi proyeksi fi-} sebuah volume ,n

74 RobotVisi
t Visual Hull Construction 75
sebagai sebuah volume terbesar yang mungkin yang
mendefinisikan secara tepat {5,f , Vk = 1,......, K}.

6.3 Visuat hullconstruction

6.3.1 Komputasi visual hull dengan irisan batas
kerucut
Untuk sekumpulan citra si/houette, yang tetap,
pengkonstruksian visual hull adalah dengan menginter-
seksi keseluruhan batas-batas kerucut yang terbentuk dari
berbagai citra si/houette, S,f , dengan pusat kamera yang
berkorespondensi, Ck. Visual hull hasil terdiri dari jalur-
jalur permukaan seperti yang diperlihatkan pada gambar
Gambar 6.3 Contoh irisan dua kerucut 3D yang
6.2.
terbentuk dari dua citra silhoueue

Walaupun tepat digunakan untuk objek 2D, pada

Gambar 6.2 Sebuah contoh pngkonstrukian (2D) visual
hull H, dari sekumpulan silhouene Sl dan pusat
kamera Ck , (") dengan inte.rseki langsung, dan (b)
pengaproki masian furbasis voxel, daerah yang
berbayang merepresen tasikn aprol<simasi visual hull
3D cara yang sama tidak begitu praktis untuk digunakan,
dikarenakan kesulitan untuk mengekspresikan jalur-jalur
permukaan secara efektif, yang diperoleh dari penginter-
seksian beberapa kerucut dengan memanfaatkan berbagai
atribut geometri. Selain itu komputasional yang kompleks
dan ketidakstabilan numerik juga menjadi alasan kenapa
metode yang sama tidak digunakan pada bidang 3D (lihat
gambar 6.3).
6.3.2 Konstruksi dari pengaprokimasian visual
hull dengan pengklasifikasian voxel
Para peneliti telah mengajukan suatu cara lain yang
lebih efektif untuk merepresentasikan dan mengkons-
truksi visual hull 3D. berbagai cara atau metode tersebut

76 RtutVisi Visnal Hull Construction n

sejauh ini lebih bersifat diskrit dan berbasiskan pada
voxel. Versi sederhana yang diajukan diringkas pada
algoritma berikut:

Algoithn I : Standard Yoxel-based Slapefun Silhuutte

l.DividethespaceofinterestintoNxlx:\dircretet'oxelsr.ro. n=1,......,Yr.
2. Initialize all the ,\:t voxels as inside voxels.

3. Pedom:

foll - I to .\'" tlo {

. Fori=lroA6o{ Gambar 6.4 Sebuah contoh citra "foreground" dan
(a) Project the voxet r, \i,ith III( ) onto ilre A.ri iruage plale; silhouetft -nya yang diperoleh dengan pengektraksian
(b) If tle projected uea IIr( r',) lies totaly outside .5l menggu n akan metode substral<s i " backgrou nd" pada
tlen classify r',. as o[lside r:o:(eli
wal<tu nyata. Terlihat pada gambar ada beberapa
1

]
penandaan yang salah pada silhouefte -nya yang
4. The approxiuate visual hufl *, is reprtseuted by the uuiou of all the itside voxets.
diakibatkan oleh keadaan noise dari cita originalnya

Cambar 6.4 menunjukkan beberapa kesalahan

6.4 Visual hullconstruction dari penandaan pada citra si/houette yang diakibatkan oleh
silhouette"noise" pada waktu nyata keadaan noise pada citra aslinya. Walaupun keadaan irii
bisa dinormalisasikan dengan menggunakan beberapa
6.4.1 Kecepatan dan keakuratan metode visual
operasi morphologi dan analisa komponen terkait, tetapi
hull construction berbasis voxel tetap proses dari algoritma tersebut mengkonsumsi waktu
Kecepatan metde SFS berbasis voxel yang yang begitu lambat untuk digunakan pada aplikasi-
dipaparkan di dalam algoritma 1 sangat tergantung pada aplikasi wahu nyata. Dan dikarenakan oleh hal-hal yang
dua prosedur, (1) pemroyeksian voxel (langkah 3(a)) dan, demikian yang telah disebutkan, maka pada bagian sub
(2) pengujian tumpang tindih silhouette (langkah 3(b)). bab ini, kami akan membahas suatu pendekatan yang
Kedua prosdur dan juga kualias dari citra si/houette lebih berorientasi pada pengimplementasian VH secara
tersebut sangat mempengaruhi keakuratan penaksiran dari cepat dan tentunya akurat.
visual hull yang akan dicapai, terlebihlebih citra Untuk mengkarakteristik kualitas citra silhouette,
silhouette selalu memiliki noise.
maka kita lakukan suatu formulasi sebagai: andaikan f
5s[agai suatu probabilitas selama proses pengekstraksian,
dimana pixel-pixel yang bukan silhouetft diidentifikasi-

78 RotutVisi Vi sttal Hull Construction 79

kan salah sebagai pixel-pixel si/houette, sebaliknya False Acceptance (FA)
anggap ry merepresentasikan probabilitas pixel-pixel
siI houette yang d i identifi kasi kan salah sebagai pi xel-pi xel P(FA)=lr,Gy (,-)'-')
yang bukan silhouefie. Asumsikan pula keadaan noise
tidak meliputi diantara pixel-pixel tersebu! maka ada dua
False Rejection
cara untuk menentukan f dan ?: secara teoritis, dengan
K-1
mengasumsikan fungsi distribusi probabilitas untuk error P(FR) = pI(l- p),
atau secara eksperimen dengan melakukan pemeriksaan i=o
pada setiap pixel-pixel yang ditandai salah di dalam dimana
sekumpulan besar citra silhouette.

Untuk menemukan suatu voxel terproyeki

adalah dengan memproyeksikan kedelapan
t F-)r'u-4)z-i
P-i=Z-2,*t\t )
f{u{r,)
vertex v, terhadap bidang citra kek dan mengkompu-
Eksponensial K
pada persamaan di atas sangat
berkaitan dengan kenyataan bahwa voxet yang berada di
tasi convex hull dari berbagai titik pemroyeksian. Anggap luar diklasifikasikan secara salah sebagai voxel yang
ada Z pixel di dalam convex hull, maka untuk berada di dalam pada citra K. Sedangkan p merupakan
mengimplementasikan silhouette yang tumpan$ tindih
kemungkinan terjadinya pengklasifikasian yang salah
adalah dengan memeriksa keseluruhan pixel, dan jika Z terhadap sebuah voxel yang berada di dalam yang
sedikitnya ada Z"dari keseluruhan Z yang terletak di didentifikasikan sebagai sebuah voxel yang berada di luar.
dalam citra silhouette Sf , maka voxel dapat dikatakan i
Penambahan nilai didasari oleh suatu alasan bahwa
sebuah voxel yang berada di dalam yang diklasifikasikan
berada di dalam Sj. Pengecualian untuk citra silhouette
secara salah sebagai voxel yang berada di luar, hanya
yang mengandung noise, implementasi di atas akan
mungkin terjadi sekali kesalahan pengklasifi_kasian di
menyebabkan misklasifikasi voxel. Ada dua jenis dari dalam sebuah citra, sedangkan pada sisa citra selanjutnya
misklasifikasi voxel: False Acceptance (FA) yang berarti
akan melalui pengujian berikutnya.
sebuah voxel yang berada di luar diklasifikasikan berada
di dalam dan, False Rey'eoion (FR) yang berarti sebuah
voxel yang berada di dalam diklasifikan berada di luar.
Probabilitas P(fR) dan P(FA) sangat tergantung pada
\,\,2 dan 2".

w RobotVisi Visual Hull Construction 81

 5

^10
a
r!5
f'ir
ifi i',
r
Eto

t0 5
2o t0
e,0 ^&
^,
a E{ *Ga
ir E a! Im
te
I E u a
l4 lO B* e.{ fo
r0
-?a
s
_s !s
o
o 4

(c) e.rh dlq(P(mi. p(i) {riis Z. btu:

ic
I
rs
$
(d)&+td+kdz. a'Bz

il:
d_
!0
!i
l6 !o
I
f,'* Ee
tril
U
9m 1m

s
4

Gambar 6.5 (a) ;;;;;' bg (P(FA)) vs

2", (c)log (P(FA) + P(FR)) vs Z
I, d) optimat Z vs 2,,
(e) optimal lo+ e(FA) + P(FR)) vs Z

82 Robot Visi
Visual HuU Construction
83
 F
Ada dua keuntungan dalam menggunakilll ,,1,1I
7
pertama, waktu yimg diperlukan lebih ,,,t,,l
a
dibandingkan pendekatan langsung, kedua, rtnlori ;,rrrp

diperlukan |a rcUrn hemat daripada pendekaran lrr,r,,r

Kendala yang dihadapi adalah seiring rft.n;1,r,,

pengurangan jumlah pengujian yang dioperasikan, rrr,rl,.,
akan menimbulkan peluang misklasifikasi yang lr.t,itr
besar. Pertanyaan yang tersisa adalah bagaimanak.rlr 1,u.,
rFTrunl rinfirrr,TrT:iilxr memilih Q dan Q" secara tepat?.

Gambar 6.6 Modifikasi visual hull construdion berbasis Kita asumsikan pixel-pixel adalah saling lepas sitrr ,,.rrn,r

voxelmenggunakan SPOT lainnya dan Q dipilih secara acak, ide penenlu.ur ( |

berada di luar Z
secara teoritis adalah ekivalen tr.rlr,rrl.r;,
6.4.2 Algoritma fast visual hull construction pengujian suatu area proyeksi dengan
berbasis voxel menggunakan Sparse Pixel
e
pixel.l)r.rrr,,rr,
kata lain, formulasi
Occupancy Test (SPOT)
Untuk mengaplikasikan implementasi langsung PGA)=lr-.Gy'(l-6r-)
dari prosedur (1) proyeksi voxel, dan (2) pengujian
silhouene yang tumpang tindih, maka kita mbmerlukan
dan
N3Z jumlah memori dan N3Z jumlah pengujian untuk
K-1
sebuah voxel yang memiliki volume N"vNxN. Dikarena-
kan alasan keperluan memori dan jumlah pengujian yang
P(rR) = pI 0- p),
l=o
besar yang menyebabkan operasi begitu lambat dan
dan grafik pada gambar 6.5 adalah valid untuk polu{,ur.r
mahal, mak4 diperlukan suatu program yang handalyang
lisaan SPOT, dengan syarat kita harus mengp;;urtrl.rrr
lebih murah di dalam pengoperasiannya dan dengan
peran Z dengan Q. pemilihan
kebutuhan memori yang lebih sedikit, Pendekatan e semata-mata h,rrry.r
tersebut disebut juga Sparse Pixel Occupancy lest atau mempeftimbangkan lkeadaan kecepatan, memori, rl.rn
disingkat SPOT. lde dari pendekatan SPOT diilustrasikan akurasi. Di dalam aplikasi waktu nyata kata-k?ta rr1r,11
pada gambar 6.6. lebih dibutuhkan daripada kualitas, sehingga nil.rr ( )

a Robot Visi Vi sual Hu ll Construction ll\

 hgitu
yang rendah hanya bermakud untuk meningkat-
kan keakuratan kecepatan. TSah 7
E:=i
g-/ .r .[l* PENDETEKSIAN GERAKAN
u= a .\_ )*"* TUBUH
=*
-g:'H.
ff

"We present an algorithm for autonntic infererce of

Gambar 6.7 (a) Sistem arsitektur darisistem rekonstruksi
humon uppr bodl motion in a rptural xene.A graph mdel
is proposed for inferring hunnn uppr My motion, aN
pemodel an pergerakan manus ia u ntuk apl i kasi wal<tu
motion inference is psed as o maping prhlem between
nyat4 (b) Scren-shot user interface
state nodes in the graph model aN features in innge
ptches. A multiple-frame infererrce algorithm is prop*d
cssro
to combine futh structural aN tempral constraints in
humon upper bdl motion. klief propgation aN dymmic
progromming algorithms ore utilized for Boyesion inference
in this graph. We olrc present a methd for capturing
constraints of human Ml configuration under different
view angles. The alEorithm is applied in o prototyp sptem
that can automatically detect upper bdy motion from
ideos, withdrt manwl initiolization of @y prts.,

7.1 Pendahuluan
i dalam interface perseptual manusia-mesin,
manusia melakukan komunikasi dengan korn-
puter menggunakan bahasa tubuh atau berbagai
pola gerak tertentu. Kebanyakan aktivitas peneliti lebih
memfokuskan pada rekognisi dan tracking dari per-

ffi RotutVisi
gerakan dan pola gerak khusus tubuh manusia. Selain posisi dari face (menggunakan sistem pendeteksian face),
daripada rekognisi aktivitas rutin manusia, seperti berjalan dan asumsi pose.
misalkan, pola isyarat tubuh bagian atas manusia juga
Tujuan kita di sini adalah untuk memperoleh posisi
memainkan peranan penting dalam komunikasi, dan juga
dari sendi-sendi tubuh berdasarkan citra yang diamati.
sebagai alat ukur yang penting untuk pemahaman intensi
Pada bingkai kerja Bayesian, diberikan fitur citra x,
dan interaksi. Dalam bab ini, kita akan membahas tentang
suatu sistem pendeteksian gerakan atau isyarat tubuh konfigurasi tubuh sebagai ft dapat diperkirakan sebagai:
bagian atas manusia secara otomatis. h=rrrg maxp(hlx)
dimana
P(hl x) = cP(xl h)P(h)
pada kajian bab ini, konfigurasi tubuh h terdiri dari
berbagai posisi dari sendi-sendi tubuh (1,2,...,N) yang
didenotasikan sebagai (s,,sr,....,s,). pff,l merupakan
fungsi probabilitas a priori dari konfigurasi tubuh bagian
(a) 0) atas h.
P(x lh) merupakan fungsi kemungkinan, dan
Gambar 7.1 (a) Pendetekian gerakan manusia dan P(h I x) merupakan probabilitas posterior.
analisis gerak isyarat, (b) suatu pemodelan jaringan
Markov dengan statestate teftentu dan node pengukuran
7.2.1 Pemodelan jaringan Markov

Modeljaringan Markov ditunjukkan pada gambar 2.2.

7.2 Pemodetan probabilitas singl*frame
Dalam wilayah kajian Srafik dan animasi,
konfigurasi tubuh manusia didefinisikan sebagai suatu
translasi global dan rotasi root, yang secara normal
diseleksi sebagai pangkalan dengan sudut relatif antara
sendi-sendi tubuh terhadap posisi root-nya. Dikarenakan
kajian kia batasi hanya pada bagian atas tubuh saja, maka
dapat kita definisikan roor sebagai shouldergirdle. posisi
dari s hou I dergi rd I e d itaksi r atau d perki rakan berdasarkan
i
Di dalam model jaringan Markov, bulatan putih
atau bulatan kosong merepresentasikan posisi 2D dari
sendi-sendi tubuh. Di dalam jaringan Markov masing-
masing node state terhubung dengan node pengukuran
yang digambar sebagai bulatan terisi benvarna hitam
(gambar 2.2'(a)). Koneksi diantara nodenode dalam
jaringan Markov mengindikasikan ketergantungan
statistikal.

N Robot Visi Pendetekian Gerakan Tubuh 89

 a! I lasikan petunjuk atau isyarat gerakan dalam ruas citra.

\ t*t
/*a *Jf*T
I il\ (b)
Fungsi 4(x; ls) direpresentasikan oleh berbagai koneksi
antara node state
modeljaringan Markov.
N, dan node pengukaran M, di dalam

ffiffi ffi
Gambar 7.2 (a) Pemodelan iaringan Markov untutk tubuh
bagian atas, bulatan putih merupakan node state, bulatan
yang hitam merupakan node pengukuran, (b) pemodelan
manusia kartun dan (c) hasil pendeteksrarr pergerakan
tubuh bagian atas
Berdasarkan definisi node state, maka tidak ada
Secara praktis, 4(x; lsi) dihitung dengan meng-
akumulasikan petunjuk atau isyarat gerakan dalam ruas
citra yang tidak terkait dengan suatu fungsi probabilitas.
Maka, kita perlu mengkonversikan pengukuran "energy,
menjadi pengukuran probabilitas. Untuk suatu body ioint
i, fungsi kemungkinan 4(xi ls;) dihitung sebagai
fi(xi lsi) = Ce"P(-E)
dimana E merupakan fungsi oenergy'yang dihitung
sebagai

satupun citra yang diamati yang berkorespondensi ter- E = ((s;,x;)

hadap mereka. Untuk menyelesaikan permasalahan ini,
.E berkaitan erat dengan akumulasi isyarat gerakan
kita dapat memanfaatkan bagian-bagian tubuh yang dalam rualruas citr4 yang ditentukan oleh posisi body
terletak diantara sendi-sendi sebagai suatu alat pengukur-
an. Seperti yang ditunjukkan pada gambar 7.2(a), maka ioint s,. C merupakan koefisien normalisasi.

dapat kita definisikan ruas-ruas citra yang berkorespon- 7.2.2 Pembelaiaran model jaringan Markov
densi terhadap wrist, elbow, dan shou/der iornt sebagai
lower arm, upryr arm, dan shoulder girdle secara ber- Jaringan Markov mendekomposisi permasalahan
turut-turut. Selanjutnya rualruas citra tersebut dimodel- inferensi Bayesian menjadi state.state lokal dan
kan dalam bentuk manusia kartun, sepefti yang ditunjuk-
pengukuran tertentu. Dalam jaringan Markov, kita
kan pada gambar 7.2(b). memanfaatkan pengukuran probabilitas lokal seperti
P,(x, ls,)e,(x; ls;) aan p,i\,ils,7) untuk menyimputkan
Kita denotasikan state pada node i sebagai s,, dan
posisi sendi tubuh (body ioint) (s1,s2,....,sry). penam-
pengamatan pada node pengukuran terkait M; sebagai
bahan lain, untuk menghitung fungsi kemungkinan
xi. Seperti telah dijelaskan sebelumnya, s; berkaitan 4(r, lr,) maka kita terlebih dahulu mengestimasikan
dengan posisi sendi. Kita hitung x, dengan mengakumu-

90 RobotVisi F:detefcian Gerakan Tubuh 91

Pu6,lsr), probabilitas a priori untuk berbagai
senditubuh, atau konfigurasi baku tubuh manusia.
posisi
Pr(r, lr,)=4j,
dimana 7 merupakan suatu konstanta, T >1. Jika s,
dadatau sl terletak diantara posisi sampel, secara
sederhana kita dapat menghubungkan mereka ke
koordinat sampel yang paling dekat, dan selanjutnya
p,;G, ri) dihitung sebagai:
l

Gambar 7.3 Pembel aj aran probabi I itas joint pada P'(,'l'')=ffi

berbagaititik sampel dalam ruangcitra 2D si
'si
Kita gunakan metode pembelajaran "supervise" yang juga sering diistilahkan sebagai probabilitas
untuk mengestimasi p,i(r, lri) di antara sendi i dan 7. renormalisasi.
Secara keseluruhan kia dapat mengambil sampel ruang
citra 2D seperti yang ditunjukkan pada gambar 7.3.
7.2.3 Melibatkan pose dalam modet jaringan
Sebelum proses pembelajaran masing-masing pasangan
Markov
posisi sampel (s;,s;) harus diberikan probabilitas yang Fleksibelitas sikap konfigurasi tubuh manusia
sama: merupakan permasalahan yang sangat rumit- Di bawah
berbagai sikap tubuh yang berbeda, maka nilai P,r(s, lsr)
P,,(s,,s,) =,.Y*,* *,
akan berbeda pula.

dimana N, merupakan jumlah posisi sampel. Selanjut- Anggap sikap tubuh (body pose) sebagai z, maka
nya kia dapat menggunakan strategi boatrapping untuk persamaan
mengestimasi Pry(s; I s1). P(h I x) = cP(x lh)P(h)
akan menjadi
Untuk masing-masing pasangan posisi body ioint
P(h,ulx) = cP(x lh,u)P(h lu)P(u)
(r,,rr) yang bukan konfigurasi tetapan tubuh manusia
yang valid, dapat dilakukan pengurangan probabilitas Berbagai pose yang berbeda, u,akan menimbul-
dengan: kan distribusi probabilitas h yang berbeda pula. Secara
umum, untuk pose yang berbeda K, P(u) dapat

92 Rtut Visi k nde te ki on G e rakan Tubuh 93

direpresentasikan sebagai suatu bobot campuran fungsi
basis K:
K
p(h)=
Z*o.aoh)
k=1

wp merupakan bobot campuran, yang merepresentasi-

kan probabilitas untuk masing-masing sikap (pose) t dan
cr(h) merupakan distribusi probabilitas /z di bawah Gambar 7.4 Koneksi di antarastatestate dengan berbagai
pose P1,P2, dan P3. Nl,N2 dan Ml,M2merupakan
pose U = k.
node state dan node pengukuran secara befturut-turut
Untuk mendefinisikan pose yang berbeda dalam
model jaringan Markov yang sama, kita dapat memilah 7.g Pemodelan probabilitas multipte-
state.state dalam masing-masing node menjadi kelompok-
frame
kelompok dengan ciri pose teftentu. Kemudian kita
7.3.1 Batasan temporal
definisikan koneksi antara bobot sebagai berikut, untuk
state .s, dan sj dengan pose yang sama, maka Batasan temporal dapat ditambahkan ke dalam
model jaringan Markov dengan menghubungkan node
P,,$,'^, ) aia"rinirit"n berdasarkan suatu penaksiran,
s,on node state yang berkorespondensi dengan berbagai sendi
sedangkan untuk state s, dan si dengan pose yang tubuh yang sama di dalam frameframe yang berkaitan,
berbeda, maka
dan probabilitas lornt-nya telah didefinisikan terlebih
dahulu. Anggap sj sebagai sebuah state dari node f pada
P,,( ,l^ ,r,'n)= o, m *n frame l, dan sj*rmerupakan sebuah state dari node i
dimana s;P-merepresentasikan state dengan postur P.. pada frame t+ 1, maka probabilitas joint-nya
didefin isikan sebagai:
Sedangkan definisi dari P,,(s,P-,s,P') diilustrasikan pada
gambar 7.4. P,t't*'(sj,s,l*l ) = u*pf=-,l.
=-
{ Lfto o-

94 Robot Visi
Pe ndete ksi an Ge rakan Tubuh 95
 I

b, (r, ) = aP,(x, I s, ) flmo,(s, )

keN(i)

dimana m, berhubungan dengan rnessage yang dikirim

dari node i ke node j , dan b, merupakan belief, a
merupakan konstanta normalisasi, N(r) \ i bermaksud
untuk semua node yang bertetanggaan dengan node i.
Gambar 7.5 Penambahan batasan temporal pada model
Semua message m,,(s) harus terlebih dahulu diinitialisasi
iaringan Markov
dengan nilai 1 (satu)sebelum proses iterasidilakukan.

1'''*' (t',,s,1*') juga dikatakan sebagai fungsi penentuan
jarak Caussian antara s,l dan.s,l*r. Parameter kovarians
o
dapat ditentukan secara empiris.
7"3.2 lnferensi
Pada sub materi ini, kita akan memaparkan alge
ritma inferensi yang diimplementasikan di dalam model
jaringan Markov untuk aplikasi multi-frame. Untuk itu,
maka kita memiliki dua pendekatan: Be/ief propagation
(BP), dan Dynamic Programming (DP)yang diambil untuk
menyelesaikan permasalahan inferensi Bayesian di dalam
jaringan.
Belief Propagation merupakan suatu algoritma
iteratif yang berdasarkan message passing, dan untuk me
Dynamic Programming, untuk mengaplikasikan
Dynamic Programming terlebih dahulu kita harus meng-
aproksimasikan model jaringan Markov seperti yang
diilustrasikan pada gambar 7.5, sebagai suatu mega-state
,(r,St) seperti yang diilustrasikan pada gambar 7.6. St
merepresentasikan suatu kombinasi berbagai posisi body
ioint, 5' = (r{,s1,...,rfu) pada frame ker. Selanjutnya
kita menghitung fungsi kemungkinan masing-mhsing
mega-state, P(x lM(t,5t), dan berbagai probabilitas
transisi di antara berbagai mega-state tersebut. Kita
definiskan fungsi probabilitas Caussian untuk jarak rata-
rata antara seluruh posisi body joint di dalam frame I dan
f+l sebagaiberikut:

nyimpulkan statsstate tersembunyi di dalam jaringan P (M (t,St),M(t + 1,St*]))

Markov, maka kita memerlukan iterasi dasar sebagai
, ,tt - St*l)r(St - St*t)
J2no '
berikut:
Noz
*,,G,)= oZp,,(r,,r,h(*, ls,) ff mo,(s,) p(x M(t,St )) = P(x1,x2,..., xu Sl,S!,...,S1.r
I I )
xr keN(i)\i

96 Robot Visi Pendeteksion Gerokon Tubuh 97

 ------l

m HE
I

M(r-1, S'' )

H
Gambar 7.6 Aproksimasidengan rantai Markov dalam
model jaringan Markov untuk aplikasi multiple-lrame,
sebagai pendeteksran gerakan tubuh bagian atas manusia
m m&

Cambar 7.7 Upper body motion detection system

Gambar z.s (aiaHasil inferensi pergerukuff, (b),,stick

figure" 3D yangtelah direcover, (c) konvergensibetief
dari 2 node state dengan 9 dan BB kandidatstate secara
befturut-turut, dan (d) estimasi optimal single-frame, yang
dikoreksi dengan batasan multi-frame pada (a)

Pe nd e te ki an Ge rokan Tubuh 99
98 Robot Visi
 @ TSdh S

kil PENGANTAR PENGOLAHAN

cnRAVTDEO (VIP) SUAru
@ PENDEKATAN DALAM
ROBOT-VISION

@
Gambar 7.9 Hasil inferensi pergerakan, ada 2 error yang
muncul pada baris ketiga yang disebabkan oleh iarak
"For robot perception, video comeros are very valuable
pergel angan tangan yang berdekatan dal am gambar,
sensors,but the computer vision methds applied to extroct
sehingga membingungkan pemrograman information from comera images are usually
computationatly expensive. lntegrating computer vision
methods into a robot control architecture requires to
fulonce exploitation of camero images with the need to
preserve reoctivity and robustness. We claim that better
software support is needed in order to facilitate and
simplifu the opplicotion of computer ision aN image
processing methds on outonomans mobile robots. ln

Cambar 7.1o Error yang disebabkan oleh oklusi particulor, such supprt must address a simplified
specificotion of imoge prxessing architectures, control ond
grlScra slnchronimtion issues of imoge processing steps, ond the
integration of the image processing mochinery into the
overoll robot control architecture. This pper introduces
the video image processing (VIP) framework, a software
framework for multithreaded control flow modeting in
robot vision."

1ffi Robot Visi

8.1 Pendahuluan
'1. Komputer visi dan pengolahan citra
2. Robotika dan sistem tersembunyi (embedded system)
ersepsi terhadap lingkungan merupakan kom-
ponen kunci di dalam robot mobile otomatis, 8.2.1 Komputer visi dan pengolahan citra
dengan memanfaatkan berbagai sensor untuk Konsep dasar komputer visi adalah sebagai aplikasi
kegunaan ekstraksi berbagai informasi yang relevan. berbagai operator terhadap data citra, seperti operasi
Untuk mendukung persepsi, maka sangat diperlukan satu logika dan operasi aritmetika, konversi warna, fungsi
atau Jebih kamera video yang dipasangkan pada struktur
mofologi (erosi dan dilatasi), fungsi filter, transformasi
robot mobile tersebut. Pada saat ini, kamera video linier (Fourier atau transformasi wavelet), dan lain-lain.
merupakan perangkat yang murah dan mudah untuk
diperoleh dan dapat menjadi sumber berbagai informasi
yang lumayan, sementara metode yang diimplementasi-
l.,an terhadap kamera video tersebut untuk mengekstraksi
berbagai informasi yang diinginkan mungkin akan me.
makan biaya yang cukup mahal. Mengintegrasikan me.
tode.metode yang tercakup di dalam wilayah komputer Gambar 8.1 Citra lena yang melalui beberapa tahapan
visi ke dalam arsitektur robot kontrol mungkin akan me. pengolahan citra, original, blurred, grayed, convolved,
merlukan perawatan yang besar dan usaha yang sub- dan edgedetection
stansial dari para pemrogram sistem tersebut secara spe'
Operasi transformasi sering membutuhkan lebih
sial jika persepsi diimplemen-tasikan di dalam lingkungan
daripada satu citra input untuk menghasilkan sebuah citra
yang lebih dinamis yang memerlukan tingkatan dan
yang baru, untuk contoh pada pendeteksi edge Canny,
reaktivitas yang memadai. Tujuan dari bab ini adalah
(Canny, ).F., 1986), pendeteksi edge Canny membutuh-
menceritakan proses atau tahapan yang diperlukan untuk
kan dua buah citra yang diperolehnya dari hasil konvolusi
mengimplementasikan berbagai pendekatan atau metode
komputer visi ataupun pengolahan citra dalam fungsi
dengan menggunakan operator Sobel venikal dan

persepsi pada robot mobile otomatis.

8.2 Pengolahan citra pada robot mobile
Sistem visi pada robot mobile otomatis harus me-
nyatukan kebutuhan dan permintaan dua disiplin yang
paling menantang:
horizontal, secara befturut-turut. Berbagai operator yang
lain, seperti pada aliran optis yang memerlukan sederetan
citra input yang diperolehnya dalam berbagai waktu yang
berbeda(Horn, B. K. P. & Schunck, B.C., 1980).
Secara prinsip, suatu operasi citra dapat dipandang
sebagai suatu pemetaan dari satu atau lebih citra menjadi
sebuah citra output. Sedangkan hasil dari operasi

102 Robot Visi VIP - Pendekoton dolam RobotVisi 103

pemetaan citra tidak selalu harus berupa sebuah citra
yang lain, tetapi mungkin saja berupa bentuk lain dari
struktur data pada citia pertama yang dipetakan, seperti
histogram warn4 atau berbagai operasi statistik lainnya.
Di dalam kasus ini, maka definisi suatu filter dapat
diperluas menjadi suatu pemetaan satu atau lebih citra
input menjadi sebuah citra yang baru, atau satu atau lebih
nilai-nilai pengklasifikasian yang diasosiasikan terhadap
citra.
8.2.2 Robot visi
Melakukan berbagai operasi yang telah dipaparkan
sebelumnya, dengan data yang berbentuk sebarisan citra
untuk menghasilkan citra dengan kualitas yang diharap
kan. Contoh, lebar filter Causs, jumlah bucket untuk
orientasi histogram. Kalibrasi dan optimasi parameter juga
merupakan bagian yang penting dari pengembangan
proses, dan juga, pengkonfigurasian grafik filter yang
harus diubah secara frekuensial selama proses pengem-
bangan, yang secara signifikan difasilitasi oleh lingkungan
yang fleksibel dan configurable untuk sistem visi robot.
Tree description
<tonfi ggmup name='Video' > dass FifterTrmparameters i publi(...
<onfig-item name."fiherTree' parent=',,, lublk:
5td: :ve(tor<tiltellreehnmet66> su(ceslo[

video yang disuplai oleh satu atau lebih kamera yang

terdapat pada strukur robot mobile otomatis yang
Editor Conflguntion
selanjutnya diproses menjadi satu citra tunggal dengan
informasi atau interpretasi citra yang dimaksudkan. <section nnme='Vldeo' >

<nstaffe type='l/ido::Panmeterr name='...

Iime/rness Constraints. Robot terlebih dahulu harus

disituasikan di dalam dunia fisik. Untuk berbagai tugas
seperti pendeteksian rintangan dan tracking objek, operasi
pengolahan citra harus dikalkulasikan sesering mungkin
per detik dan lebih baiknya pada full frame rate, yang
dalam hal ini sebesar 30H2.

Fixed Frame Rate lmage Streams. Citra yang baru

biasanya tiba pada suatu fixed frame rate.lnformasi yang
diperoleh mungkin saja secara cepat berkurang dalam
suatu lingkungan dinamis, dan hal ini menyisakan tugas
untuk sensor sebagai pentrigger model-model evaluasi
yang diperlukan.

Parameterization. Melakukan parameterisasi untuk Gambar 8.2 Aplikasi parameter dan konfigurasi
satu atau lebih operator pengolahan citra yang dilibatkan, managementtoolkit untuk sistem robot visi

1A Robot Visi VIP - Pendekatan dolam RobotVisi 105

 Development Model. Robot visi dilakukan pada
image steam secara langsung, yang direkam oleh suatu
platform robot yang dapat dipindah-pindahkan, dan di-
alamatkan di dalam satu atau lebih model pengembang-
Ttah 9
an.

cesm VISUAL SERVOING

9.1 Pendahuluan
esin visi memberikan suatu pengukuran
berbagai keadaan dunia tanpa perlu melalui
suatu "kontak fisik", memperluas kemam-
puan dan jangkauan robot untuk beroperasi lebih optimal
di dalam wilayah dan keadaan kerjanya, yang mungkin
tidak terkontrol secara akurat. Aplikasi visual-servoing
dapat menjadi salah satu solusi untuk menjangkau segala-
nya dengan kemampuan penglihatan yang lebih luas. Jadi
tujuan dari bab ini adalah membahas secara mendetail
konsep dan pengimplementasian dari aplikasi visual-
servoing, keuntungan, dan hambatan dari penerapannya.

Satu cara yang paling efektif untuk memperluas

bidang pandang sebuah kamera adalah dengan meman-
faatkan fungsi dari cermin (m irror). Pendekatan-pendekat-
an yang umum telah digunakan, mengkombinasikan satu
atau lebih cermin dengan sistem imaging konvensional
yang diistilahkan sebagai formasi citra cakdioptric. Sistem
sentral catadioptric memiliki beberapa kelebihan untuk

106 Robot Visi

penerapannya di kebanyakan aplikasi, dikarenakan sistem
tersebut mengkombinasikan dua fitur penting, (1) pusat
proyeksi tunggal, dan (2) jangkauan bidang pandangan.
Penerapan visual seryoing pada sensor sering muncul
dalam aplikasi navigasi robot.
4p
Cambar 9.1 Central Catadioptric Projection
Untuk sistem catadioptic sentral generik, kita
perkenalkan suatu matriks Jacobian J yang merupakan
penurunan dari fungsi pemetaan catadioptric sentral yang
dibahas pada penelitian yang dilakukan oleh C. Ceyer
dan K. Daniilidis, 'A Unifying Theory for Central Pano-
ramic System and Pradical lmplications" pada tahun
2000. Menurut teori tersebut imaging catadiop.tric sentral
dapat dimodelkan oleh suatu fungsi generik f, dengan
tipe sensor dan bentuk cermin dideskripsikan oleh
parameter f. Untuk kasus-kasus tertentu seperti pada
108 Robot Visi
kamera konvensional, parameter f diberikan nilai null.
Oleh karena itu, dengan mengasumsikan
f = 0, matriks
Jacobian umum /, dapatditurunkan menjadi matriks /r,
seperti yang dipaparkan oleh B. Espiau, F. Chaumette, dan
P. Rives, dalam 'A New Approach to Visual Servoing in
Robotics" pada tahun 1992. Lebih-lebih matriks Jacobian
dapat didekomposisi dalam hasil produk dua buah
matriks /. dan Jp (ls = lr.l), di mana /. merupakan
sebuah matriks 2x2.
9.2 Pemodelan formasi citra catadioptric
sentra!
Realisasi visi omnidireksional catadioptric meng-
kombinasikan permukaan reflektif dan berbagai lensa.
Baker di dalam penelitiannya telah membangun berbagai
kelas sistem catadioptric dan menjelaskan tentang batasan
titik pandang tetap. Batasan titik pandang tetap
dirumuskan untuk memastikan keadaan sehsor-sensor
visual supaya membatasi pengukurannya hanya pada
intensitas cahaya yang melalui sebuah titik tunggal dalam
ruang 3D. Suatu pusat proyeksi yang unik merupakan
kondisi yang memadai untuk menghasilkan citra perpektif
yang benar secara geometris, dan juga sebagai eksistensi
sifat-sifat geometri epipolar terhadap sensor-sensor yang
bergerak dan struktur pandang yang lebih bebas. Sistem
catadioptric sentral dapat dibangun dengan mengkom-
binasikan sebuah cermin parabolis dengan kamera
orthografis atau hiperbolis, dan cermin planar atau eliptis
dengan kamera perspektif.
Visual Seruoing 109
 Tabel 9.1 Kolom l: permukaan reflektif untuk berbagai maka sumbu hiperbola akan koinsiden dengan sumbu Z
kasus pencitraan panoramaterpusat, kolom 2 dan 3: dari R, dan titik-titik foci-nya berkoinsiden dengan O
befturutiurut, parameter ( dan y untuk pemodelan dan O"o^, secara berturut-turut merupakan titik-titik
cakdioptric sentral Yang umum
origin dari R dan R"o.. Latus rectum dari permukaan
Mirror Surface c tl, hiperbolis adalah 4p dan jarak di antara titik-titik foci
Parabolic VXe+fB*Zt=2p-Z I +tp
d.
T

l.hmtrla^li, lz-i)" xl+yr d*1'

sebesar Sinar cahaya yang insiden dengan O, titik
t(\F+i;r-?p)F - r(@rP) vtFW focal dalam, akan direfleksikan menjadi titik focal luar,
(z-;)" _. n-tu
Elliptical =' __J2+v:_ -'
Qn/aIIi+zo'P
7-o
,q,1@$+rp) 1@+{rt n@ O"o^. )ika pusat proyeksi dari kamera perspektif konsiden
'lanal 0
terhadap O"o,,,, maka sinar cahaya yang berhasil ditang-
kap akan melalui fokus dalam permukaan hiperbolis. Titik
*aL..'. :-.....--....11=(r,x.)-..1
uagc plaG '\i ..-
,...
a ,/ pandangan efektif dari citra yang diperoleh adalah O dan
unik. Citra catadioptric eliptikal diperoleh dengan
mengkombinasikan sebuah cermin elips dengan sebuah
kamera perspektif dengan cara yang sama. Dalam situasi
parabolis, sebuah cermin pafabolis ditempatkan sebagai
sumbu Z, dengan finite-fokus-riil-nya berkoinsiden
dengan O. Sinar cahaya yang berinsiden dengan O
direflekikan menjadi sinar yang paralel terhadap sumbu
Z yang ditangkap oleh kamera orthografis dengan
bidang citra yang tegak lurus terhadap sumbu Z. Titik
pandangan efektif dari citra yang diperoleh adalah O dan
Gambar 9.2 Pemodelan formasi pencitraan catadioptric unik. Pusat pemroyeksian efektif berada di belakang
sentral cermin dalam wilayah garis yang tegak lurus yang
membentang melewati pusat kamera, dan jaraknya ke
Cambar 9.1 merupakan skema sistem catadiopuic pusat kamera adalah dua kali jarak antara cermin planar
yang mengkombinasikan suatu permukaan reflektif hiper- dengan kamera.
bolis dengan sebuah perspektif kamera. Pertimbangkan
sistem koordinat R dan R.r- yang diasosiasikan secara Asumsikan suatu titik 3D, X: (X,y,Z)t, diproye
berturut-turut terhadap kamera perspektif dan cermin,
ksikan menjadi xi (xi,y)' di dalam bidang.citra

110 Robot Visi Visual Servoing fi1

catadioptric. Maka kita dapat menunjukkan pemroyek-
berikutnya akan berupa pemroyeksian grafik stereo.
sian panorama sentralnya adalah isomor{is terhadap suatu
Untuk cermin hiperbola dan elips, pusat reproyeksi Q
pemetaan dari sebuah sphere ke suatu bidang. Pertim-
berada di dalam sphere pada sumbu negatif Z. Cermin
bangkan skema yang ditunjukkan pada gambur 9.2,
dengan suatu unit sphere yang berpusat di dalam titik
planar merupakan suatu kasus pengecualian, di mana
pusat pencitraan catadioptric dengan = 0 dan
pandang efektif O, titik Q dengan koordinat (0,0,6)'
Q berkoinsiden dengan titik pandang efektif O. Catat
dan bidang Z=y-2\ yang ortogonal terhadap sumbu
bahwa, sebuah sensor catadioptric dengan cermin planar
Z. Keduanya, 6 dan y merupakan fungsi parameter
ekuivalen terhadap sebuah kamera perpektif konvensional
cermin d dan p. Sinar proyeksi x yang melalui X yang
dengan inversi tanda pada sumbu I.
mengiris permukaan speris dalam e=[*,',')'
\p p p) ( r,6v -qx
dengan p = Jr' *r' * 7' . sinar proyeksi kedua dapat

didefinisikhn sebagaigabungan interseksi Q dengan O".

r,1xy=lr.r!;;:;y
l7;e
;l
lnterseksi xi dari sinar perspektif x" dengan bidang Pada kasus, di mana kalibrasi sensor diketahui,
fungsi f, dapat disederhanakan dengan memisalkan
Z =V -2{ merupakan citra catadioptric dari titik asal
fr(v-q)=fr(v-E)=1 dan c,=cy =0. Maka dapat
X. Pusat pencitraan catadioptric dapat dimodelkan diasumsikan tanpa kehilangan keumuman bahwa fungsi
dengan memproyeksikan pemandangan dalam pemetaan dapat diberikan sebagai:

permukaan speris dan kemudian memproyeksikan

kembali titik-titik tersebut dalam bidang citra dari pusat
proyeksi baru O". Jika permukaan reflektif merupakan

parabola, maka f = 1, dan bentuk dari pemroyeksian

112 RobotVisi
Visual krvoing 113
9.3 Tracking
4
dan kontrol
Cambar 9.1 menunjukkan perpindahan sebuah
objek yang rigid yang diamati oleh sebuah sensor
catadioptric sentral. Frame referensi Rb ditambahkan
pada tubuh objek yang bergerak, R merupakan matriks
rotasi di antara R, dan R dengan 7 merupakan posisi maka titik X diproyeksikan di dalam
x, =fi(X)pada
bidang citra catadioptric. Perpindahan sebuah objek
Q di dalam koordinat sensor, maka tujuan kita di sini
mengindikasikan perubahan pose dari objek tersebut
adalah untuk mengestimasikan pose dari objek yang yang dapat dideskripsikan sebagai pasangan kinematis
bergerak tersebut, dengan koordinat-koordinat
v). Pertimbangkan matriks 3x6 t^ =W I /] di
5 = (ro,
!L,rt,........,x8) dari sekumpulan n titik dari objek
mana X merupakan matriks yang tidak simetris dari
tersebut.
X dan I merupakan matriks identitas 3x3. Kecepatan
3D dari titik , berkaitan dengan perpindahan objek yang
setara dengan X = -r,d. Lebih-lebih jika -I, merupakan
matriks Jacobian dari fungsi f, dan J r = J,J
^
makS
kecepatan terkait dalam bidang citra cakdioptrrc adalah
x,=J16.

[-]-,t;l [t]l
Gambar 9.3 Estimasipose iteratif, I
merupakan matrils ,=l.,,oi
identitas 2nx2n dan garis yang putusputus
l=l,i ls=,s
berkorespondensi dengan perulangan timbal-bal ik L-r -or] Ltl
Andaikan X, mewakili titik generik model objek, Andaikan 3 = ft;,1,r,...,ii) menjadi sekumpulan
jika pose (R,f)diketahui maka posisi titik 3D di dalam titik model yang diproyeksikan di dalam citra berdasarkan
koordinat sensor adalah X = RXt + f. Dari persamaan estimasi por" (R,f) saat sekarang dan s =fi;,*7,...,*i|
merupakan posisi sebenarnya. Vektor E didefinisikan
sebagai f =s-3 dan bergantung pada error estimasi

114 RtutVisi Visual Senroing 115

 *I
pose yang dideskripsikan oleh padangan kinematis 6. Dimana p = X2 +Y2 +22
Dari diskusi di atas dapat dikatakan bahwa (-l - ll)= lia
0+4v-v?e .,. +'?(1-(r+))+u?
dengan i=1,2,....,n dan Jt, merupakan matriks Jaco ,, =l f+{ Y. ---77;il-
r

u*r':iY-,=, tiyi _xiu;

L --T+{ - -D;
bian dari lr yan1dievaluasikan pada titik model ke7.
p

Persamaan -cilpl I
,*,?*nffd*tr*rtt
p(r+o -+)
[-]-r;l [rl.l
,, =|w,,,*#fu,,)li :u-91
'L:;,;;]=L;l]"'
3ri;:l
membentuk hubungan antara error citra yang diukur E ".-li,,i,
;r
dan error d pada estimasi pose tubuh objek yang rigid. [; ;.] Lrl
Cp

9.4 Matriks Jacobian catadioptric

i pemetaan catad i optr i c sentral
Perti m ban gkan f u n gs
fi yang memetakan titik koordinat 3q X, pada koordinat
citra xi. Matriks Jacobian terkait dihasilkan dengan
mend iferensial kan fungsi

(x)'
I
z*4[x\v'*z' .'l
r,(x)=l y I

lz*e,[F.r+z', )
Hasil yang dicapai adalah
Gambar 9.4 Dua baris hasil tracking. Baris pertam4
, I pz + 1(Y2 + 22) -(xY -x(p + fz)l obiek berpindah menuju ke kamera. pada baris kedua,
't; = o(z +-W
I

I grt -(pz + t(x2 + z'z)) 1'(p + fz) ) objek yang sama berpindah sejaiar dengan bidang citra

116 RobotVisi Visual Servoing 117

{

TSelc 'f 0
ESTIMASI PERGERAKAN 3D
DARI CTTRA STEREO-
FORMULASI DISKR,IT DAN
DIFERENSIAL

10.1 Pendahuluan
etode untuk penyelesaian masalah gerak
(pergerakan) dapat dik.lasifikasikan menjadi
metode kontinyu (diferensial) dan rnetode
diskrit. Kedua metode menggunakan sebarisan citra yang
bersifat temporal. Metodemetode yang terdahulu sering
dikatakan diskrit dikarenakan aplikasi metode tersebut
dalam memanfaatkan fitur-fitur objek dan kaitan fitur-fitur
tersebut terhadap waktu yang diasumsikan telah
diketahui, sebaliknya, metode diferensial menggunakan
aliran optis yang kontinu.

Pada bab ini kita akan membahas analisis

performance dari kedua metode tersebut.
 $l

samaan kecepatan tersebut, maka kita akan memperoleh

komponen ketiga sebagai kecepatan suatu titik sepahjang
:
arah Z , Vz, di mana V7 tz * C)xY - OyX .

Di dalam pendekaan diskrit, dua buah titik yang

berada di dalam ruang sangat berkaitan dengan suatu
transformasi linier yang dikomposisikan oleh sebuah
matriks rotasi dan vektor translasi, sehingga,
P'= R o P +7, di mana P merupakan sebuah titik 3D
pada waktu I dan P' merupakan titik yang sama pada
waktu f'.

H](Yzl 1 0. 3 Pendekatan diferensial

Gambar 1 0.I Srstem koordinatstereo Vr-Depth constraint, perubahan kedalaman
sebuah titik pada suatu waktu secara langsung dikaitkan
1O.2 Estimasi pergerakan pada kecepatannya di dalam ruang 3D.

Titik-titik di dalam ruang 3D akan direpresen- Kedalaman sebuah titik pada waktu /' merupakan
rasikan oleh koordinat vektor P: [X Y Z[. Posisi I
kedalaman titik pada waktu ditambah suatu displac+
kamera dengan kamera lainnya adalah paralel dan ment pada arah Z - Y, , atau dapat dieskpresikan sebagai:
dipisahkan oleh baseline b" Vektor aliran dalam bidang
Vz=2,*2,.v"+Zr.v,
citra direpresentasikan oleh vt= (4,rt) untuk citra kiri
v'= ({,ri) untukcitra kanan.
dimana Z(x,y,t) merupakan suatu kedalaman
dan
pada waktu yang diberikan t, Z*,Zy dan Z,
Kita pertimbangkan suatu pergerakan yang rigid.
Andaikan Z merupakan kecepatan total 3D dari sebuah
merupakan turunan spatial-temporal dari Z(x,y,t), dan
titik P " Sebarang pergerakan yang rigicl dapat u, dan v, merupakan komponen-komponen aliran optis.
diekspresikan oleh suatu komponen translasi yang Formulasi tersebut sering juga diistilahkah sebagai DCCE
diberikan s*bagai t = [t, ty t.f dan komponen rotasi linier, Depth Change Constraint Equation.

o = [o, oy or]r dengan kecepatan 3D yang diberi-

kan sebagai V=ClxP+t. Jika kita lebih perluas per-

'!20 R&otVisi Estimasi Pergerakan 3D dari Citra Stereo 121

 I
Proyeksi titik P
dalam masing-masing bidang citra
t*,,y,,f) dan U,,y,,f) dan pusat optis q dan O,
mendefinisikan dua buah segitiga yang sama, sehingga
hubungan kesemuanya dapat kita formulasikan sebagai:

Z Z_f
A=i'-U'-;5
(e) l/s ecm - iweariug &) f? emc - iocteaifug
&e arylitude of di:place- uoizz irdi:garity Bila kita hitung persarnaan diferensial tempora!
-E!:Ei
persamaan di atas, maka kita akan memperoleh:

v' = -#l >,

'(ui -
''r>
= -fi u'
Parameter pergerakan, Depth Constraint, bila
kita lakukan penukaran pada persamaan

Vz = Z, + Z*.v* + Z, .v,
(c) tt aru - iacrea:i:re (dl ,g
e:r,u - iacr"a3iEg
roi:e ialrelc<itie: the aq:Itude of riiFlac-
rent kecepatan pada citra dapat clitentukan oleh suatu relasi
yang diketahui dengan parameter pergerakan, sehingga
kita peroleh:

tZ"
J7 a
f or
21,fr,+rz,
17_
-z,t -
----Z-- -)
,1,
-fZr*i@*rZ*+UZ,y)
(e) flx ersr - ir:crea:ing (S lly errq " i$Ea3iDg f 2,, + i@ + r2,,, + yZr)
tbe::oqrlinrde of rti:place-
DSDT
ib* euplitude ofdiqilece'
IlBt rZ, * yZ*,1
Gambar 1O.2 Analisis error dalam citra sintetis di mana / merupakan vektor dengan enam parameter
pergerakan yang akan diestimasikan.
Vr-Binocular Flow Consvaint, koordinat x pada P
adalah xt pada citra kiri dan xr pada citra kanan. Parameter pergerakan, Binocular Flow Con-
straint, kecepatan 3D dalam arah Z dapat diekspresi-

t22 RobotVisi Estimasi Pergerakon 3D dari Citra Stereo 123

kan sebagai suatu persamaan linier pada tiga dari mentrasformasikan persamaan menjadi suatu sistem yang
enam parameter pergerakan yang dapat disubstitusi- dapat ditentukan, maka kita harus menentukan kembali isi
kan di dalam aliran binokular, sehingga dapat kita dari matriks R dan vektor f. Untuk memperbaiki
formulasikan sebagai: parametdr pergerakan secara rotasi, maka terlebih dahulu

tr+QrY-QvX =fiou.o kia pertimbangkan parameter pergerakan yang konstan

setiap waktu, sehingga aproksimasi instan yang dihasilkan
oleh:
*[*] =H#;ll1l
'

I t O]'At I
nxlaztt -Qzr\t
1 -oxatl
di mana kia dapat gantikan koordinat titik-titik 3D X l-slyat oaAt I l
dan Idengan persamaan inversi proyeksi perspektifnya.
dan parameter pergerakan secara translasi adalah:
lO. Formulasi diskrit | =V-''T
Vz- DCCE diskrit, persamaan DCCE di dalam di mana Z merupakan matriks yang diperoleh dari suatu
forrnulasi diskrit adalah:
bentuk tertutup dari tralectory titik di dalam pergerakan
Vz:Zt*Zr-L,+Z,-L,, yang rigid.

di mana Z, = Z(x,y,t')- Z(x,y,t).

Di dalam formulasi diskrit, persamaan DCCE,

kecepatan citra digantikan oleh selisih terhingga dari
koordi nat titik-titi k citra.

Vr- Binocular Flow, persamaan aliran binokular

Gambar 10.3 Citra riil dan peta disparitas terkait
diskrit diberikan sebagai:

v, *ff{a'_ct)
Pararneter pergerakan, formulasi diskrit berdasar-
kan ekspresi P'= R .P +T dan perluasannya, maka dapat
kita bentuk suatu relasi antara parameter pergerakan
diskrit (R dan I) dan titik-titik 3D P dan P'. Untuk

124 Robot Visi

Estimasi Pergerakan 3D dari Citro Stereo 125

(a) Relative error of l'g
rvith increasiog displace-
mant
(c) Relat*"c error of 1'7
witb incre.rsiug rotatron
Cambar 1O.4 Analisis error di dalam citra riil
c8(s9C)
126
il
TSeb / /
ESTIMASI POSE SISTEM
CAIADIOPTRIC SENTRAL:
(b) Relatile error of 17
with increasi,rg displace-
meut
PENDEKATAN ANALMS
11.1 Pendahuluan
stimasi pose merupakan salah satu isu yang sangat
penting dalam bidang komputer visi, dari aplikasi
untuk navigasi robot hingga rekonstruksi citra.
(d) Relative error of O1,
rvith increasing rotatrou Pada umumnya sistem estimasi pose didasari pada
kamera perspektif standar, yang telah diakui memiliki
keunggulan di dalam menjangkau hampir keseluruhan
sifat-sifat geometris. Di balik keunggulan tersebu! sistem
tersebut memiliki juga kelemahan terutama pada
jangkauan sudut pandang yang sangat terbatas, yang
dapat menjadi fasilitas yang tidak begitu memadai dalam
penggunaannya pada berbagai sistem mobil robot. Untuk
mengatasi kelemahan tersebut, diimplementasikanlah
suatu sistem panorami( yang memanfaatkan sifat-sifat
cermin untuk menjangkau segala sudut pandang yang
tidak dapat dijangkau oleh kamera konvensional standar.
Bukan berarti tidak ada celah, sistem panoramik juga me.
miliki ketidaknyamanan di dalam, (1) sifat-sifat proyektif
geometris yang tidak begitu mudah diaplikasikan, dan (2)
Robot Visi
citra yang tidak begitu mudah dipahami oleh mata
manusia biasa.

11 .zFormasi citra catadioptric

Sebagaimana telah diungkapkan sebelumnya
dalam berbagai penelitian yang telah dilakukan, ada
empat kombinasi kamera<ermin yang diaplikasikan
untuk memperoleh sifat-sifat titik pandang tunggal. Untuk
menghindari beraneka ragam pengkomputasian pose
untuk masing-masing komputasi, maka diimplementasi-
kanlah generalisasi pendekatan untuk tujuan keseragam-
an komputasi dan interpretasi. Beberapa pendekatan
generalisasi untuk formasi citra catadioptic adalah seperti
apa yang dilakukan oleh, (1) Y. Yagi and S. Kawato,
"Fanoramic Scene Analysis with Conic Projection", ln
Proceedings of the lnternational Conference on
Robots and Systems, 1990, dan (2) C. Ceyer and K. Gambar I 1.1 Repres entasi srstern catadioptric
Daniilidis, "A Unifying Theory for Central Panoramic
S'y'stems and Practical lmplications", ln Proceedings of P: berkoresponclensi dengan sinar proyeksi
Titik
the [uropean ConferenL-e on Computer Vision, pp. yang berada di dalam koordinat kamera, sehingga
.445-4(;1, Dublin 2000.
pcam = Pr.Ar.e!, ai mana
{ mendefinisikan jenis clari
Asunrsikan sistern catadioptric untuk titik pandang kamera, proyeksi atau orthografi( dan l. mentransfor_
tunggal diilustrasikan seperti gambar 11.1. Titik p. di masikan koordinat cermin rnenjadi koordinat kamera.
dalam koordinat alam ditransformasikan men.iadi koor-
Kita dapat memperoleh citra dari suatu titik
dinat cermin menjadi sinar proyeksi p : (x,y,z) rnelalui
pandang sebagaimana terlihat dari sebuah cermin
suatr: notasi R dan translasi - R'7, di mana T panoramik, Pi^s = K. .R. .Xru^
merupakan titik foci di dalam koordinat alam. Sinar "

proyeksi p =(x,1.',2) akan mengiris perrnukaan cermin

pada ff =(1.x,A.y,l.r,1) untuk beberapa.A>A
dan tergantung dengan jenis dari cermin vang digunakan"

128 Robot Visi Estimasi Pose untukSrstem Cotadioptric Sentrol 129

 P =(x;y ,z )eT2 Keunggulan dari model ini adalah kelinieran
fis = gy1 ,yy1 ,zy1) e R3
pemetaan dari persanraan di atas, yang memudahkan
Hc =K. .R..lVl. sistem untuk melakukan inversi. Dikarenakan masing-
masing sinar proyeksi p berkorespondensi terhadap satu

rt
e[,, = 1x*,y*,261,'l) e P3 Pru^ = (xru*,Y6p,za2-) eT2
dan hanya satu sinar proyeksi p"u^, maka fungsi f( )
adalah injektif dan mempunyaisebuah invers f-r( ),
f-lgc1= (I.r- . Xrr*,Lrr^ . y.r^,Xr"^ . zr^^ -
nlrt-iMjr( )
EY

zrr-'E*W
'"cam -
Cambar 11.2 Llrutan model L)emetaan general

Transformasi yang non-linier dari sinar proyeksi Sinar proyeksi p dapat dikomputasikan sebagai:
p menjadi p,o^ didefinisikan sebagai fungsi f O,
p = f-1(Hi1.pi*c)
Pru* = Mrl(P)

[*-E o ol 11.3 Estimasi pose

M. =l o E-v ol Pose dikomposisikan oleh suatu operasi rotasi dan

[o o 1] operasi translasi. Dengan menggunakan relasi yang telah

dibahas sebelumnya, maka untuk beberapa titik pada
( x Y , ,rl'
-' p*:
ttst) = _f=# koordinat alam,
I
[{,' * v' o,"'ffifli'WffiF )
P=R-P*-R.T
Ekspresi untuk r4 dan f sangat tergantung pada
dan matriks rotasi dapat dibentuk dari tiga sudut:
jenis cermin dan parameter yang digunakan' Transformasi
lengkap dari gambar 11'2 selaniutnya adalah: R= Rz(O).Rr,(v).Rx(0)

Pi,,s =H. f(n I t -rie*) Posisi empat titik dalam koordinat alam harus
dipilih untuk memudahkan pengkomputasian.
H. = K.'R.'M,-
P114y = (xg,yg,zg)T

R.obot Visi
x30 Estimasi Pose untuk Sistem Catadioptric Sentrol 131
 Pzw =(xo,Yo + L,zs)T

P3w =(xg,Yo + zo +W\T

Pqw =(xo,yo + L,zo +W)T

I1.3.1 Estimasi rotasi

Definisikan pi = ("i ,yi,ri) sebagai sinar proyeksi

untuk koordinat titik alam P,,, dengan i = 1,2,3,4, maka

relasi berikut akan diPenuhi:

?vi.p; : R.P*i I
xi.R-t.pi = l.i.Rx(- Olnr(- \')Rz(- 0)'p; = P*;
Gambar 1 1.t S in ar-s i n ar p royefl;* d i gu n akan u nt u k
Sinar-sinar tersebut direpresentasikan pada gambar
11.3. Untuk memuclahkan manipulasi aljabar, titik
seNanjutnya yang herbeda yang berasal darititik terakhir Catatan, persamaan terakhir merepresentasikan 3
yang cliperoleh ciari hasil perotasian pada sekeliling persamaan, dan, dengan empat titik, kita akan memiliki
sumbu Z, akan digunakan, sehingga: 12 persamaan yang lain, dan 8 variabel yang tidak
pi'= (.xi' ,yi,zi )' = t<rt'glP,
diketahui: 1r,1r,),r,1t,0,V,L,W . Persamaan dalam
y dan ( dapatditulis sebagai berikur
sehingga persamaan,

L;'P; : R"P*; <) tand* *..2^-t

. co6 ++ a'r.r'r-a'r.r'r) . sin g
r;.R-'.p; = r;.Rx(- +)nr(- \i')Rz(- 0}pr : P*'i
tan$ 4D.Za-t
-
rneniadi
tand -
hr.R-'.pi = ri"Rx(- O)nr(* vlPi': Pu,i

132 RatutVisi Estimasi Po* untuk Sistem Catadioptric Sentral 133

 dalam bentuk formulasi, sinar proyeksi tersebut di dalam
koordinat alam:

P*1 = (x.*,y1*,21*)T = R-1.P + T

Fersamaan garis yang melalui titik tersebut adalah:

x-Xl* _y*yw
Untuk menghitung ty dan @ ,0 dibutuhkan, yang y,
nlrw -T x yt* -Ty
=7,:1w__
Z1r* -T,
'
d i peroleh dengan mensubstitusi kan persamaan :

dengan mengkombinasikan kedua persamaan di atas,

Pi'= (xi' ,Yi ,zi )r = Rz(- O)Pi maka diperoleh Persamaan berikut:

ke dalanr persamaan:
_ :r-JF!.-
,"r r ..r +t"r2.ur *ria.; r - t'27.:E L+7]22'ut * r
r
i- itu ''z:l'i-:
:
tllt rrr.t r*r'rr.yr {-rla.: r
83. z4 - *4. rS -?l-.'Utu'
,lll
a, . u3 -u1 .t3
yang beririsan dengan bidang z=zt*+d, maka kita
peroleh pusat cermin L = (x ! r,) di tlalam koordinat
", ",
sehingga diperoleh: alam adalah sebagai:
(
tan?, A.cmd+B.sind
1I rane = n-co60+E.sin0
I =
-:-7:-:-
a"e -'v--
= frff4|

A = (c1.y1 - tr.ut).(cS-:l - c4.:3) - (tl rg - re'r1)'(r3-94 - "l u:tl

B = iri.yi -.z.yr)-(u4.:g - cs.,,{} - (vz.,l - v1';2i'{'3 14 - E4 vlri
e = ir"-ri - "r.rc).(ya-:3 - y3.tl) * (gl.'2 - v2':l)'l'4'!3 -'il :'ll {;
n =(r3'.:i -'i.'i) .l.i-vq -rr."ll - I't'vl - v1 e3l (14';o - rS'!4.1
E = (rr.ua - yz..Al -(vI..$ - !l'!,3! - !tl-rs - rl'?3, rul t{ -:1 v{l
r=tri.ri - rr.ttl).(:2-rr4 - u2.:4)*(:1 13 -il1 rg)'tr2':4 - "{':r! Titik kedua, pw2 =(*r*,yr*,rr.*Y selanjutnya

cliketahui. Definisikan operasi produk skalar

I 1.3.2 Estimasi translasi Til L{r=l LP*rl-l e*,l'coscr, cc}sinus a dapat

kita tulis di dalam koordinat alam dan koordinat cermin

Ambil sebagai titik pertama., Pw1=(xw,Yw,zw)r
sebagai:
dan sinar proyeksi terkait ft, kita dapat ekspresikan di

Estimasi Posr- untuk Sistem Cotadioptric Sentral 135

134 RobotVisi
 r^c ^
= -=ll::rlg:SC;t.:rjj2-_
,/, i + +,?,,/,|+ u|+,2,
"?
cos &
( -Iu -.c ) ('2e -'. )+( v I u, : gS, ),.ll?-u - yc )+(, 1r - :c ). ( zgu -rc )
=
L;,,. = yl (ri,. _ r")2 * (u;* * g";2 * (;i* _;")2

Untuk menyelesaikan persamaan terakhir, substitusikan

persamaan:

t
sehingga persamaan kuadratik pada d dapat
diekspresikan sebagai : Gambar 11.4 Vekor dengan titik kedua
p,,12+q.rtfr=0
p = (r - cor2.r) . (u, + r,. + r) 11.4 Eksperimen
t\
q= -').(t -cos2").(", *6,+ l). Nilai-nilai baku yang ditentukan sebagai definisi
I [r:*
[ -;r:r,,,)-F b.(!z* - yr,"i f (:ru, -:r,, l]
.[a. awal di dalam sistem adalah:
[ ,.=.1.(r3,, -rr*]t lt,(y2o, -yI,,)+(;!,, - r,",)]3 -cosro. p : ,l(1. pr : I0]r, d :
I .(r'+ r,1+ r) , [{r.,,, -',u,)3 * (ys* - u,u,)} + (.r,,, - r,*)'] [0, 10; 10o
d: 20o, r,i : I0o, 7: [300, Io0, ?001r
u = "ir''rf is'vrt"is''r.6= 'lr.'r+'ie vr+'l:r.=r
r$t.'l'lrl2-vl+rlg-!I Ig;.'l*rrr.vq*nilr..l
Cambar 1 1.5 merepresentasikan berbagai error di
.l
rJalam strclut n.rtasi, dan gamkrar 1.6 merepresentasikan
selanjutnya titik Z = (x",y",2" ) duprt dihitung. error di dalanr translasi. Pada kedua kasus, koonlinat-
koordinat citra mengalarni pengkorupsian yang
clisebabkan oieh Causslan white noise, dengan trertragai
varians.

135 Robot Visi Estimasi Pose untuk Sistem Cotadiaptric Sentral 137
 11.5 Kesimpulan
Metode yang telah dipaparkan di atas adalah sangat
berguna untuk berbagai aplikasi yang. membutuh-kan
perhitungan transformasi antara sistem koordinat alam
e
E dan sistem koordi nat catadioptric.

Merrjadi suatu solusi analitis yang memungkinkan

jangkauan penggunaannya pada sistem waktu nyata.

I r,5
,o8C
l{oire Vari.@

Gambar 11.5 Eror yangterjadi dalam perlgestimasian

rotasi

Cambar 11.6 Enor yangterjadi dalam pengestimasian

translasi

138 RobotVisi
Estimasi Pose untuk Sistem CatadioptricSentrol 139
 DAFTAR PUSTAKA

Fu, K.S., Conzalez, R.C., dan Lee, C.S.C., 1987. Robotics:

Crsntrol, Sensing, Vision, and lntelligence,
McCraw-Hil I lnternational Editions

Conzalez, Rafael C., dan Wintz, Paul. 1987. Digital

Image Prctcessing Addison \Vesley

Hearn, D. dan Baker, N'{F. 1994. Computer Craphics.

Englewood Cl iffs, New Jersey: Prentice'.Hal I

Craig, John ).,1986.lntroduction to Robotics: Mechanics

& Control, Addison Wesley

l-orv, Adrian. 1991. aamputer Vision & lmage Prr>

cessing: lntroductory, McCraw-Hill lnternational
Editions

Rogers, DF dan Adams, JA.1989. Mathematical Elemen*

Far Computer Craphic: McCraw-HiII
 Fadlisyah dkk., 2006. Edg*Detection Menggunakan
Daftar lournal & Proceeding
Operator Prewitt Termodifikasi, Journal of Science
Ant6nio Paulino, Helder Ara0jo. 2001. Control Aspeas of and Technology (SAINTEK), Vol. 4 No. 2
M ai ntai n i ng Non-Ho/onomic Robots i n C,eometri c Nopember 2006, 23-31, ISSN 1 69341 05
Formation, SIRS'2001-Proceedings of the 9th
J. Dias, C. Paredes, l. Fonseca, J. Batista, H. Ararijo, A. T.
lnternational Symposium on lntelligent Robotic
Almeida. 1998. Simulating Pursuit with Machines-
Systems, pp. 1B-20, Toulouse, France
Experiments with Robots and Artificial Vision, IEEE
Antonio Paulino, Helder Arafjo. 2002. Pose Estimation Transactions on Robotics and Automation, Vol. 14,
for Central Catadioptric Systems: an Analytical No. 1

Approach, ICPR'2002-16th lnternational

2003. lnferring Human Upper Body
J. Cao and J. Shi.
Conference on Pattern Recognition , Quebec City, Motion Using Belief Propagatio,n, tech. report
Canada
CMU-Rl-TR{3{6, Robotics lnstitute, Carnegie
Ant6nio Paulino, Jorge Batista, Helder Ararijo. 2000. Mellon University
Conuolling Multiple Robots in C,eometric
Formation Using Vision, in Mechatronics and J. P. Barreto, F. Maftin, Radu Horaud. 2002. Visual
Servoingffracking Using Central Catadioptric
Machine Vision, John Billingsley (Ed.), Research
Images, lSER2002-Bth lnternational Symposi um on
Studies Press, Hertfordshire, UK, pp. 5744
Experimental Robotics, lschia, ltaly
C. Thorpe, O. Clatz, D. Duggins, l. Cowdy, R.
Cuo, Cuodong., dan Dyer, Charles R., 2006. Face
Maclachlan, J.R. Miller, C. Mertz, M. Siegel, C.
Cyclographs for Recognition, Computer Sciences
Wang and T. Yata., 2001 . Dependable Perception
Department University of Wisconsin-Madison,
for Robos, Proceedings of lnternational Advanced
Madison, Wl 53706
Robotics Programme IEEE, Robotics and
Automation Society, Seoul, Korea Cuo, Cuodong., dan Dyer, Charles R., 20O5. Learning
from Examples in the Small Sample Case: Face
Colbry, Dick., Stockman, Ceorge., dan Jain, Anil., 2006.
Expression Recognrtrbn, IEEE Transadion on
Detection of Anchor Points for iD Face
System, Man, and Cybernetics-Part B: Cybernetics
Verification,Journal of Computer Sciences
Vol 35, No.3, 477488
Curran, Kevin., Li, Xuelong., dan Mc Caughley, Neil.,
K" Schmidt and J. Cohn., 2001. Dynamic.s of facial
2005. Ihe Use of Neura/ Network in Real-time
expression: Normative characteristics and indi-
Face Detection, Journal of Computer Sciences 1 (1),
47-62, |SSN 1 549-3636

Daftar Pustako 143

142 Robotvisi
 v idual differences, IEEE lntemational Conference on
Multimedia and Expo ( |CME2001), pp.72A731
K, Stubbs, P. Hinds, dan D. Wettergreen., 2006.
Challenges to Ctounding in Huina*Robot
Collaboration: Errors and Mircommunications in
Remote Exploration Robotics, tech. report CMU-RI-
TR{G32, Robotics lnstitute, Carnegie Mellon
University, 1-17
Lu, Xiaoguang., Jain, Anil K., dan Colbry, Dirk., 2006.
Matching 2.5D Face Scans to 3D Mdels, IEEE
Transaction on Pattem Analysis and Machine
lntelligence Vol 28, No. 1, 3143
Lu, Xiaoguang., dan Jain, Anil K., 2006. Deformation
Mdellingfor Robust iD Face Matching, Journal of
Computer Science
Lu, Xiaoguang., Chen, Hong., dan Jain, Anil K., 2006.
Multimodal Facial Cender and Ethnicity
tdentification, Joumal of Computer Science
Lu, Xiaoguang., dan Jain, Anil K., 2006. Ethnicity
ldentification from Face lmages, Journal of
Computer Science
N. Duta and A.K. Jain., 1998. Leaming the Human Face
Concept in Black and White lmages, Proc. 14th
lnt'1. Conf. Pattem Recognition, Brisbane, pp. 1365-
1367
N. GonEalves, H. Araujo. 2003. Mirror 5h4pe Recovery
From lmage Curues and lntrinsic Parameters:
Rotationally Symmetric and Conic Mirrors,
144 RtutVisi
accepted in OMNIVIS'03-Omnidirectional Vision
and Cameras Networks, workshop at CVPR'O3.
Nuno Congalves, Helder Ara0jo. 2OO2. Estimation af 3D
Motion from Stereo lmages-Differential and
Discrete Formulations, IROS'2O02-IEEURSJ
lnternational Conference on lntelligent Robots and
Systems, Lausanne, Switzerland
Par( Unsang., Chen, Hong., dan Jain, Anil K., 2005. 3D
Model-Assisted Face Rxognition in Vido, Journal
of Computer Science
Park, Unsang., dan Jain, Anil K., 2006. iD Face
Reconstruction from Stereo Video, Journal of
Computer Science
Peng Kung., Liming Chen., Su, Ruan., dan Kukharev,
Ceorgy., 2005. A Robust Algorithm for Eye
Detection on Cray lntensity Face without
Spectacles, JCS&T Vol. 5, No. 3, 127-132
Qian Yu, Helder Araujo, Hong Wang. 2003. Stereo
Vision Eased Rea/ Iime abstacle Deteaion for
Urban Environmen6 ICAR'2@3-1lth lnt. Conf.
on Advanced Robotics, Coimbra, Portugal.
Sugimoto, Akihiro., Kimur4 Mitsuhiro., dan Matsuyama,
Takashi., 2005. Detxting Human Heads with
Their Orientation, Electronics Letters on Computer
Vision and lmage Analysis 5(3)
T.W. Fong, l. Nourbakhsh, dan K. Dautenhahn., 2002. A
Survey of Socially lnteractive Robots: Concepg
Design, and Applications, tech. report CMU-RI-TR-
Daftar Pustoko 145
 A2-29, Robotics lnstitute, Carnegie Mellon
University
T.W. Fong, J. Scholtz, J. Shah, L. Flueckiger, C. Kunz, D.
l-ees, t. Schreiner, M. Siegel, L" Hiatt, l.
Nourbakhsh, R. Simmons, R. Ambrose, R.. Burridge,
B. Antonishek, M. Bugajska, A. Schultz, dan J.C.
Trafton., 2006. A Preliminary Study of Peer-to-Peer
Human-Robot lnteraction, lnter'national
Conference on Systems, Man, and Cybernetics,
IEEE
lJu, Hans., Kaufmann, Ulrich., Mayer, Cerd., dan
Kraetzschmar, Cerhard K., -. VIP-A Framework-
Based Approach to Robot Vision, Advanced
Robotic System
V. Brajovic., 200'l . An Obiect Tracking Computational
Sensor, SPIE Proceedings Vol. 4019: Critical
Technologies for the Future of Computing, SPIE
Daftar Dissertasi
C. Dima., 2O06. Active Learning for Outdoor Perception,
doctoral dissertation, tech. report CMU-RI-TR-OG
28, Robotics lnstitute, Carnegie Mellon University
C. Zitnick., 2O03. Computing Conditional Probabilities in
Large Domains by Maximizing Renyi's Quadratic
Enlu:opy, doctoral dissertation, tech. report CMU-Rl-
TR{3-20, Robotics lnstitute, Carnegie Mellon
University
D. Nikovski., 2002. Stat*Aggregation Algorithms for
Learning Probabilistic Models for Robot Control,
t4 RcfutVisi
doctoral dissertation, tech. report CMU-R|-TR.'J2-
04, Robotics lnstitute, Carnegie Mellon Universlw
Cuo, Cuodong., 2006. Face, Expression, and lris
Recognition Using Learned-Based Appro.,t'tr'-s,
Ph.D's' Dissertation, Computer Science University
of Wisconsin-Madison, USA
Hsu, Rein-Lein.,2OO2. Face Det&.ion and Modelling for
Recognition, Ph.D's Dissertation, Depatment of
Computer Science & Engineering Michigan State
University, USA
P" Chang", 2003. Robust Tracking and Structure from
Motion with Sampling Method, doctoral
disseftation, tech. report CMU-RI-TR42-33,
Robotics nstitute, Carnegie Mel lon Un iversity
I
S. lba., 2004. lnteractive Multi-Modal Robot
Programming, doctoral dissertaticl'-:, tech. report
CMU-Rl-'tR{4-50, Robotics lnstitute, Carnegie
Mellon University
Y. Tsin., 2003. Kernel Correlation as an Affinity Measure
in Point-sampled Vision Problems, doctoral
dissertation, tech. report CMU-R|-TR-03-36,
Robotics nstitute, Carnegie.Mel lon U n iversity
I
s)Bc
Daftar Pustaka t47
 TENTANG PENULIS

FADLISYAH, S.Si 032 32't 540) berprofesi

sebagai seorang dosendi Universitas Negeri Malikussaleh
(UNIMAL). Saat ini beliau menjabat sebagai Kepala
l-aboratorium Teknik lnformatika. Menyelesaikan pen-
didikannya di Fakultas MIPA program llmu Komputer,
Universitas Padjadjaran Bandung pada tahun 2000. Pada
tahun 2001 penulis melanjutkan kuliahnya ke jen.iang 52,
mengambil jurusan Matematika, dan tidak menyelesaikan
studinya hingga tahun 2005 Selain aktif menulis beberapa
buku teks komputer r"rntuk tingkat bacaan mahasiswa,
beliau juga aktif melakukan kegiatan riset-riset yang ber-
kaitan dengan Artificial lntelligence, dan Computer Vi-
sion" Adapun buku-buku yang telah dikeluarkannya
antara lain: Komputer Visi & Pengolahan Citra, Kr:mputer
Visi Biometriks, Robotika, Mikroprosesor, AutoCAD
2007, Bahasa Assembly, Pengukuran Teknik, Robot Visi,
Algoritma Cenetika, Metode Numerik, Perancangan
Came, Arsitektur Komputer Paralel, Crafika Komputer,
Matematika Diskrit, dan lainiain yang belum terpL!
buxasr. Mengasuh mata kuliah Komputer Crafik, Pe-
mrograman Matematika, Teori Bahasa & Otomata, Ke.
cerdasan Buatan, Sistem Operasi (Linux), Pengolahan
Citra, Kornputer Visi, Sinyal dan Sistem, Analisis Riil,
Analisis Kompleks, Analisis Vektor, Analisis Numerik,
Arsitektur Komputer, Logika Matematika, Filsafat Mate
matika, Teknik Kompilasi, Elektronika Digital, dll. Alamat
yang dapat dihubungi: Fakultas Teknik UNIMAL, jln.
Samudera No.35" Lhokseumawe. Telepon 0645 42076.
Hp: (08 1 209 1 99550; OB57 60857 694; O857 6085 7695).

M. SAYUTI, M.Sc, MSE, Ph.D, Doktor

Filosofi pertama Universitas Malikussaleh pada bidang
industri ini menyelesaikan Master Craduate dan Doctor
Craduate-nya di Universitas UPM Malaysia. Konsentrasi
yang menjadi profesi beliau adalah pada bidang industri
robot, dan robot interpretation programming. Beliau
adalah ketua jurusan Teknik lndustri pertama di masa
awal status penegerian Universitas Malikussaleh pada
tahun 2001. Kepakaran beliau di bidang industri robot
telah menjadi interest beberapa Profesor di Malaysia, dari
beberapa penawaran untuk menjadi peneliti dan guru
besar di UPM hingga peneliti untuk industri robot di
Malaysia, dan bahkan Singapura. Dari beliaulah, penulis
banyak belajar tentang kerja robot, dan bagaimana
membangun persepsi pada robog sehingga segala diskusi
yang bertahun-tahun kami lakukan, kami tuangkan ke
dalam buku Robot Visi yang anda pegang ini.

. c8@ro

Robot Visi