Robot Pengikut Objek Menggunakan Metode Scale

Invariant Features Transform (SIFT)

Object Follower Robot Using Scale Invariant Features Transform (SIFT)

Method

Setelah melakukan konsultasi dengan calon pembimbing dengan ini :

Nama : Ary Ramadhan

NIM : 151311038
Kelas : 3B

Mengusulkan topik Proyek Akhir yang dilaksanakan pada tahun ajaran 2017/2018
Untuk pembimbing pelaksanaan Proyek Akhir diusulkan calon pembimbing
sebagai berikut :
1. Pembimbing I :.

NIP :

2. Pembimbing II :
NIP :

Menyetujui:

Pembimbing I Pembimbing II

BAR PENGES

1
 ABSTRAK

Robot pengikut objek yang akan dirancang yaitu menggunakan metode

Scale Invariant Features Transform. Sistem Scale Invariant Features Transform
(SIFT) akan mengubah suatu citra menjadi vektor fitur lokal yang kemudian akan
digunakan sebagai pendekatan dalam mendeteksi dan mengenali objek.
Pengenalan objek ini dibagi dalam tiga tahap, pertama tahap pre-processing yaitu
menyeragamkan citra masukan menjadi grayscale, tahapan ini juga bertujuan
untuk memanipulasi citra masukan sehingga sesuai dengan yang diinginkan.
Tahapan kedua yaitu segmentasi citra yang bertujuan untuk memisahkan objek
yang ingin dianalisa dengan keseluruhan citra. Tahapan ketiga yaitu ekstrasi fitur
yang bertujuan untuk mengambil dan menyimpan karakteristik-karakteristik
khusus dari suatu objek pada citra. Fitur-fitur inilah yang digunakan sebagai
pembanding untuk mengenali objek pada suatu citra. Cira yang sudah dikenali
akan dikirim ke raspberry, lalu raspberry memproses data dari kamera yang
kemudian motor servo bergerak mengikuti pergerakan objek.

Kata Kunci : Scale Invariant Features Transform (SIFT), Image Processing,

Keypoint, Raspberry.

2
 DAFTAR ISI

ABSTRAK .............................................................................................................. 2

DAFTAR ISI ........................................................................................................... 3

DAFTAR GAMBAR .............................................................................................. 4

DAFTAR TABEL ................................................................................................... 5

BAB I PENDAHULUAN ....................................................................................... 6

1.1 Latar Belakang Masalah .................................................................... 6

1.2 Rumusan Masalah ............................................................................. 6
1.3 Batasan Masalah................................................................................. 7
1.4 Luaran yang Diharapkan .................................................................... 7
1.5 Tujuan dan Manfaat ........................................................................... 7
BAB II TINJAUAN PUSTAKA ............................................................................ 8

2.1 Pengolahan Citra (Image Processing) .................................................. 8

2.2 Citra Digital .......................................................................................... 8
2.3 Scale Invariant Features Transform (SIFT) ......................................... 8
2.4 Raspberry Pi ......................................................................................... 9
2.5 OpenCV ............................................................................................... 9
BAB III METODA PELAKSANAAN ................................................................ 11

3.1 Diagram Alir .................................................................................... 11

3.2 Diagram Blok .................................................................................... 11
3.3 Cara Kerja Sistem ............................................................................ 13
BAB IV BIAYA DAN JADWAL KEGIATAN ................................................... 14

4.1 Anggaran Biaya ............................................................................... 14

4.2 Jadwal Kegiatan .............................................................................. 14
DAFTAR PUSTAKA ........................................................................................... 15

3
 DAFTAR GAMBAR

Gambar 2.1 Diagram Blok Raspberry Pi .............................................................. 11

Gambar 3.1 Diagram Alir Metoda Pelaksanaan Proyek Akhir ............................. 12

Gambar 3.2 Diagram Blok Sistem ........................................................................ 11

Gambar 3.2 Flowchart Proses Pendeteksian Objek Menggunakan Scale Invariant

Features Transform............................................................................................... 12

4
 DAFTAR TABEL

Tabel 4. 1 Ringkasan anggaran biaya proyek akhir .............................................. 14

Tabel 4. 2 Jadwal kegiatan .................................................................................... 14

5
 BAB I
PENDAHULUAN

1.1 Latar Belakang Masalah

Pada zaman sekarang, bisa dibilang kamera adalah hal penting bagi semua
orang karena kamera bisa mengambil momen yang ingin kita abadikan.
Penggunaan kamera tidak hanya sekedar mengambil gambar untuk keindahan
saja. Pengenalan object (object recognition) merupakan salah satu image
processing untuk mengenali objek-objek yang akan dikenali untuk diolah lebih
lanjut agar mendapatkan suatu data informasi. Dengan adanya proses pengenalan
objek tersebut, manusia akan di permudah dalam mengenali bentuk dari objek
seperti pemetaan geografis, penggunaan sensor pada benda untuk sistem
keamanan, pembacaan citra hasil scan medis, dan lain-lain. Penngenalan object
(object recognition) merupakan salah satu image processing untuk mengenali
objek-objek yang akan dikenali untuk diolah lebih lanjut agar mendapatkan suatu
data informasi.

Kamera digunakan sebagai indera untuk mengenali suatu objek, slah

satunya yaitu posisi objek. Dari posisi objek ini, kamera akan mengikuti objek
yang telah dikenali tersebut.

Sehingga penulis tertarik untuk membuat suatu robot pengikut objek dengan
bagian indera penglihatan dengan kamera Pi camera yang support pada Raspberry
untuk mendeteksi keberadaan objek agar posisi pandangan dari robot tersebut
tertuju pada objek tersebut

1.2 Rumusan Masalah

Berdasarkan latar belakang yang telah dijelaskan sebelumnya, maka

permasalahan yang akan dibahas diantaranya :
1. Cara menggerakan kamera terhadap objek.

6
 2. Mekanisme Image Processing sebagai pengambilan data untuk
diproses.
3. Cara ekstrasi fitur pada pengenalan objek untuk mendapatkan
karakteristik objek.

1.3 Batasan Masalah

Adapun batasan masalah dalam pembahasan ini adalah sebagai berikut.

1. Untuk mendapatkan karakteristik objek dengan dengan menggunakan
metode Scale Invriant Features Transform (SIFT).
2. Robot ini dapat bekerja pada objek berbentuk persegi dan lingkaran
berwarna merah dan hijau.
3. Robot ini menggunakan penggerak berupa motor servo untuk
menggerakan posisi kamera dengan putaran tidak lebih dari 180 derajat.
4. Pergerakan kamera dengan sumbu X dan Y.

1.4 Luaran yang Diharapkan

Berdasarkan perumusan masalah di atas, maka luaran yang diharapkan

dalam
pembahasan ini yaitu :
1. Rancang Bangun Robot pengikut objek menggunakan metode Scale
Invariant Features Transform (SIFT).
2. Laporan PA. Sistem diajukan sebagai proyek akhir dan pembuatan
laporan proyek akhir.

1.5 Tujuan dan Manfaat

Adapun tujuan dan manfaat yang dapat diperoleh adalah sebagai berikut :
1. Membuat suatu bagian dari robot yaitu indera penglihatan untuk
mendeteksi posisi objek.
2. Mempelajari pengetahuan baru tentang Image Processing pada SIFT.

7
 BAB II
TINJAUAN PUSTAKA

2.1 Pengolahan Citra (Image Processing)

Pengolahan citra atau Image Processing adalah suatu sistem dimana proses
dilakukan dengan masukan (input) berupa citra (image) dan hasilnya
(output) juga berupa citra (image). Pada awalnya pengolahan citra ini
dilakukan untuk memperbaiki kualitas citra, namun dengan
berkembangnya dunia komputasi yang ditandai dengan semakin
meningkatnya kapasitas dan kecepatan proses komputer, serta munculnya
ilmu- ilmu komputer yang memungkinkan manusia dapat mengambil
informasi dari suatu citra maka image processing tidak dapat dilepaskan
dengan bidang computer vision.

2.2 Citra Digital

Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik
berupa foto, bersifat analog berupa sinyal-sinyal video seperti gambar pada
monitor televisi, atau bersifat digital yang dapat langsung disimpan pada
suatu pita magnetic. Citra digital merupakan suatu larik dua dimensi atau
suatu matriks yang elemen-elemennya menyatakan tingkat keabuan dari
elemen gambar.Jadi informasi yang terkandung bersifat diskret.Citra
digital tidak selalu merupakan hasil langsung data rekaman suatu sistem.
Kadangkadang hasil rekaman data bersifat kontinu seperti gambar pada
monitor televisi, foto sinar-X, dan lain sebagainya. Dengan demikian
untuk mendapatkan suatu citra digital diperlukan suatu proses konversi,
sehingga citra tersebut selanjutnya dapat diproses dengan komputer.

2.3 Scale Invariant Features Transform (SIFT)

Scale Invariant Features Transform (SIFT) adalah sebuah algoritma dalam

computer vision untuk mendeteksi dan mendeskripsikan fitur lokal dalam
gambar. Dengan menggunakan SIFT ini, suatu citra akan diubah menjadi
vektor fitur lokal yang kemudian akan digunakan sebagai pendekatan dalam
mendeteksi objek yang dimaksud. Sebagai metode ekstraksi fitur pada
pengenalan objek, SIFT ini memiliki kelebihan-kelebihan sebagai berikut:

 Hasil ekstrasi fitur bersifat invariant terhadap ukuran, translasi dan

rotasi dua dimensi.

8
  Hasil ekstrasi fitur bersifat invariant sebagian terhadap perubahan
iluminasi dan perubahan sudut pandang tiga dimensi.
 Mampu meng-ekstrak banyak keypoint dari citra yang tipikal.
 Hasil ekstrasi fitur benar-benar mencirikan secara khusus.

Dengan kelebihan-kelebihan tersebut, penggunaan metode SIFT banyak

dikembangkan untuk aplikasi pengenalan objek. Secara garis besar,
algoritma yang digunakan pada metode SIFT terdiri dari empat tahap, yaitu:

1. Mencari nilai ekstrim pada skala ruang.

2. Menentukan keypoint.
3. Penentuan orientasi.
4. Deskriptor keypoint.

2.4 Raspberry Pi

Raspberry Pi adalah modul micro computer yg juga mempunyai input

output digital port seperti pada board microcontroller.Diantara kelebihan
Rasberry Pi dibanding board microcontroller yg lain yaitu mempunyai
Port/koneksi untuk display berupa TV atau Monitor PC serta koneksi
USB untuk Keyboard serta Mouse.

Gambar 2.1 Blok diagram Raspberry Pi

2.5 OpenCV

merupakan open source library untuk computer vision. Library ini ditulis
dalam bahasa C dan C++ dan dapat dijalankan dengan berbagai operating
system yaitu Linux, Windows, dan mac OS X. OpenCV didesain untuk
efektivitas dalam computer vision dan dengan focus aplikasi realtime yang
kuat. Salah satu tujuan dari OpenCV adalah untuk menyediakan
infrastruktur computer vision yang mudah penggunaannya sehingga dapat
digunakan dengan cepat membangun aplikasi vision yang berharga.
Library dari OpenCV mengandung sekitar 500 lebih fungsi yang terdapat
pada berbagai area, termasuk factory product inspection, medical imaging,

9
security, user interface, camera calibration, stereo vision, dan robotics.
OpenCV juga mengandung Machine Learning Library (MLL) yang
lengkap. Sublibrary ini difokuskan pada pengenalan pola secara statistik
dan clustering. MLL sangat berguna untuk pekerjaan vision yang
merupakan inti dari misi OpenCV dan secara umum, MLL cukup berguna
untuk berbagai masalah machine learning.

10
 BAB III
METODA PELAKSANAAN

3.1 Diagram Alir

Gambar 3.1 Diagram Alir Metoda Pelaksanaan Proyek Akhir

3.2 Diagram Blok

Posisi X
Camera Raspberry Motor
Servo
Posisi Y

Gambar 3.2 Diagram Blok Sistem

11
 Pada Robot ini terdiri dari beberapa blok :
1. Kamera
Kamera ini berfungsi untuk mendeteksi objek yang ingin diambil.
2. Raspberry
Raspberry ini merupakan software yang dipakai untuk mengolah citra
dari kamera dan untuk memproses data yang dikirim agar dapat
mengetahui karakteristik objek dengan menggunakan aplikasi OpenCV.
3. Motor Servo
Motor servo berfungsi sebagai penggerak untuk menggerakan kamera
mengikuti gerak objek.

4. Posisi X,Y
Posisi X,Y ini berfungsi untuk mengetahui perubahan titik gerak objek.

Mulai
A B

Citra Mencari Nilai

Masukan Ekstrim Pada Skala Matching
Ruang

Pre-
processing Menentukan
Selesai
Keypoint

Segmentasi
Citra Penentuan
Orientasi

Ekstraksi
Deskriptor
Fitur Keypoint

A B

Gambar 3.2 Flowchart Proses Pendeteksian Objek Menggunakan Scale Invariant

Features Transform

12
3.3 Cara Kerja Sistem

Metode yang digunakan pada sistem proyek akhir ini menggunakan

sistem Scale Invariant Features Transform (SIFT). Sistem Scale
Invariant Features Transform (SIFT) akan mengubah suatu citra
menjadi vektor fitur lokal yang kemudian akan digunakan sebagai
pendekatan dalam mendeteksi dan mengenali objek. Pengenalan objek
ini dibagi dalam tiga tahap, pertama tahap pre-processing yaitu
menyeragamkan citra masukan menjadi grayscale, tahapan ini juga
bertujuan untuk memanipulasi citra masukan sehingga sesuai dengan
yang diinginkan. Tahapan kedua yaitu segmentasi citra yang bertujuan
untuk memisahkan objek yang ingin dianalisa dengan keseluruhan citra.
Tahapan ketiga yaitu ekstrasi fitur yang bertujuan untuk mengambil dan
menyimpan karakteristik-karakteristik khusus dari suatu objek pada
citra. Fitur-fitur inilah yang digunakan sebagai pembanding untuk
mengenali objek pada suatu citra. Cira yang sudah dikenali akan dikirim
ke raspberry, lalu raspberry memproses data dari kamera yang kemudian
motor servo bergerak mengikuti pergerakan objek.

13
 BAB IV
BIAYA DAN JADWAL KEGIATAN

4.1 Anggaran Biaya

Tabel 4. 1 Ringkasan anggaran biaya proyek akhir

No Jenis Pengeluaran Biaya (Rp)
1 Peralatan penunjang 255.000
2 Bahan habis pakai 1.515.000
3 Perjalanan 106.500
4 Lain-lain 300.000
Total 2.176.500
Terbilang : dua juta seratus tujuh puluh enam ribu lima ratus rupiah

4.2 Jadwal Kegiatan

Tabel 4. 2 Jadwal kegiatan*

Bulan 1 Bulan 2 Bulan 3 Bulan 4
No Kegiatan
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4

1 Pembelian komponen
2 Pembuatan program pada
OpenCV
3 Pembuatan rangkaian
4 Pembuatan Image Processing
5 Pembuatan mekanik
4 Menghubungkan kamera
dengan Raspberry
5 Mengubah gambar HOG
menjadi gamar Vektor
6 Pengujian keseluruhan sistem
7 Troubleshooting dan Finishing

14
*Jadwal Bisa Berubah

DAFTAR PUSTAKA

- Arief, Rommy Rakhman. “Analisis Penggunaan Scale Invariant Feature

Transform Sebagai Metode Ekstraksi Fitur Pada Pengenalan Jenis
Kendaraan”. 2010. Universitas Indonesia. Depok.

- Setiyawan, Agus dan Ruri Suko Basuki. “Pencocokan Citra Berbasis Scale
Invariant Features Transform (SIFT) Menggunakan Arc Cosinus”. 2013.
Universitas Dian Nuswantoro. Semarang.

15
LAMPIRAN

16