Anda di halaman 1dari 42

LAPORAN PRAKTIKUM SURVEI REKAYASA

“PENGGUNAAN TERRESTRIAL LASER SCANNER”

Dosen Pengampu :

Ruli Andaru,S.T.,M.T.

Yulaikhah,S.T.,M.T.

Disusun oleh :

Yusuf Hary Saputro

14/361302/SV/05581

Kelas A

DIPLOMA III TEKNIK GEOMATIKA

DEPARTEMEN TEKNOLOGI KEBUMIAN

SEKOLAH VOKASI

UNIVERSITAS GADJAH MADA

YOGYAKARTA

2016
PRAKTIKUM SURVEI REKAYASA

BAB I

PENDAHULUAN

I.1. Landasan Teori

I.1.1. Terrestrial Laser Scanner

Terrestrial Laser Scanner (TLS) adalah instrumen yang menggunakan cahaya laser
untuk mengukur titik-titik dalam sebuah pola secara langsung dalam tiga dimensi dari suatu
permukaan obyek, dari sebuah tempat di permukaan bumi. Hasil yang didapatkan dari
pengukuran TLS ini adalah awan titik (point clouds) yang memiliki koordinat tiga dimensi
lokal terhadap tempat berdiri alat . Pada dasarnya perhitungan koordinat pada titik-titik point
clouds menggunakan prinsip aturan tangan kanan kartesian 3D dengan pusat sumbu
koordinat pada pusat scanner. Orientasi sumbu-sumbu koordinat dari laser scanner yaitu :
sumbu Y+ searah dengan arah scanner, sumbu X+ tegak lurus terhadap sumbu Y+ ke arah
kanan dari arah scanner, dan sumbu Z+ tegak lurus sumbu X dan sumbu Y ke arah atas.
Gambar I.2 dapat dilihat hubungan antara sudut horizontal, sudut vertikal dan jarak dalam
sistem koordinat scanner.

Gambar I.1 Ilustrasi hubungan sudut dan jarak pada sistem koordinat scanner.

Adapun keterangan dari ilustrasi tersebut adalah, R : jarak dari pusat scanner ke titik
obyek ; α adalah sudut vertikal titik obyek ; β adalah sudut horizontal obyek. X,Y,Z adalah
besaran koordinat titik obyek.Maka dapat diketahui posisi obyek (point clouds) dalam sistem
koordinat scanner (X, Y, Z) menggunakan persamaan berikut ini.
X = R .cos α.sin β ..………………………...(I.1)
Y = R .cos α.cos β ...……………………......(I.2)

Page | 1
PRAKTIKUM SURVEI REKAYASA

Z = R .sin α .……………………........(I.3)
Dimana:
R : Jarak dari scanner ke titik obyek.
α : Sudut vertikal titik obyek.
β : Sudut horizontal obyek.
X,Y,Z : Koordinat titik point clouds.

I.1.2. Macam-macam Terrestrial Laser Scanner

1. 3D Non Kontak Aktif Laser Scanner


Cara kerja 3D non kontak aktif laser scanner memanfaatkan sinar laser yang
ditembakkan ke arah objek, kemudian pantulan sinar laser tersebut lalu ditangkap kembali
oleh alat laser scanner dan direkam ke dalam perangkat computer atau laptop yang telah
dilengkapi software khusus. Konsep ini mirip dengan cara kerja sonar, bedanya sonar
menembakkan gelombang suara alih-alih sinar laser. Laser yang dipantulkan tidak kontinyu,
melainkan titik per titik sehingga hasilnya pun berupa titik atau bias disebut point cloud.
Namun dengan kecepatan yang cukup tinggi, bervariasi antara ratusan hingga ribuan titik bias
direkam dalam satu scond, tergantung dari jenis dan produk alat 3D laser scanner yang
digunakan.Data mentah yang dihasilkan oleh 3D laser scanner pointcloud, dan pointcloud ini
mewakili bentuk permukaan dari sebuah obyek dengan kerapatan antara titik yang kita atur
sesuai dengan keinginan. Setiap titik dari masing-masing pointcloud tersebut memiliki
identitas koordonat X,Y, dan Z, diukur dari titik berdiri alat 3D laser scanner.
2. 3D Non Kontak Passive Scanner
3D non kontak scanner lebih murah dan mudah untuk digunkan dibandingkan scanner
aktif. Dalam sistem photometric dan silhouette, gambar diambil dari sudut yang berbeda
dengan mengitari objek yang diambil. Image tersebut kemudian diletakan semua pada sebuah
komputer. Pada sistem stereoscopic digunakan 2 video kamera. Setiap video kamera tersebut
diletakan pada posisi yang berbeda dan hasil akhirnya dikombinasikan menjadi sebuah film
3D.
3. 3D Kontak Scanner
3D kontak scanner bekerja dengan mesin pengukur koordinat. Hasilnya diperiksa dan
ditransfer kedalam bentuk objek fisk ke komputer. Menggunakan 3 akis (X,Y, Z) yang
memeriksa sebuah objek dan mencatat jarak yang memiliki. Jarak koordinat tersebut dicatat
pada sebuah program komputer dan dikonversikan kedalam sebuah image. Mesin pemeriksa

Page | 2
PRAKTIKUM SURVEI REKAYASA

tersebut dapat saja berupa cahaya atau sinar laser, namun scanner kontak tersebut selalu
berupa mesin mekanikal.

I.1.3. Point cloud

Point clouds adalah kumpulan titik-titik dalam jumlah banyak yang dapat digunakan
sebagai bahan pembuatan model tiga dimensi.Point clouds mewakili bentuk permukaan dari
sebuah obyek dengan kerapatan antara titik yang kita atur sesuai dengan keinginan. Setiap
titik dari masing-masing pointcloud tersebut memiliki identitas koordonat X,Y, dan Z, diukur
dari titik berdiri alat 3D laser scanner.Data point cloud hasil dari TLS dapat digunakan untuk
pemodelan obyek sesuai dengan aslinya.Hasil tersebut bisa digunakan untuk analisis
selanjutnya.

I.1.4. Registrasi

Pengukuran menggunakan laser scanner pada obyek berdimensi besar tidak dapat
dilakukan dengan satu kali berdiri alat. Jumlah scan world yang lebih dari satu perlu
digabung menjadi satu kesatuan sempurna. Proses registrasi adalah tahap yang
menggabungkan beberapa scan world yang berbeda dari proses akuisisi data yang kemudian
menjadi satu kesatuan point clouds. Pada dasarnya penggabungan scan world tersebut
melalui transformasi koordinat sebangun 3D. Dalam hal ini proses translasi dan rotasi antar
scan world sehingga tergabung menjadi point cloud dalam satu sistem koordinat. Adapun
syarat dari proses registrasi dua buah scan world yakni memiliki overlap antara satu scan
dengan yang lainnya.
Pada Gambar I.2 merupakan ilustrasi sistem koordinat scanner dari dua buah
kedudukan instrumen TLS yang menghasilkan dua buah scan world. Proses transformasi pada
scan 2 ke dalam sistem koordinat scanner 1 membutuhkan 6 buah parameter yakni 3 buah
translasi (ΔX, ΔY, ΔZ) dan 3 buah rotasi (ω, Φ, κ) (Reshetyuk, 2009).

Page | 3
PRAKTIKUM SURVEI REKAYASA

Gambar I.2 Ilustrasi sistem koordinat scanner (Reshetyuk, 2009)

Registrasi scan world dapat dilakukan dengan beberapa metode. Metode tersebut adalah
target to target, cloud to cloud, kombinasi, traverse.

I.1.4.1. Registrasi target to target. Registrasi target to target pada dasarnya adalah proses
penggabungan beberapa data scan world dari proses akuisisi data menggunakan target
sebagai acuannya. Target yang digunakan dalam proses akuisisi data dapat berbentuk flat
targets dan 3D shaped targets (Gordon dan Lichti, 2004 dalam Reshetyuk, 2009). Flat
targets adalah tipe target yang cukup familiar ditemukan dalam proses akuisisi data, adapun
bentuk dari flat targets seperti checkerboards. 3D shaped targets merupakan jenis lain target
dengan bentuk sperical, terdapat keuntungan tersendiri dalam penggunaan target jenis ini.
Keuntungan spherical dibandingkan flat targets yakni dapat mudah di identifikasi dari
berbagai arah penyiaman oleh instrumen TLS dibandingkan flat targets yang dibatasi oleh
sudut arah pandang instrumen TLS. Dalam proses akuisisi data di lapangan diperlukan
minimal 3 buah target agar dapat dilakukan langkah registrasi dengan metode target to
target.Adapun ilustrasi dari persebaran target dalam proses akuisisi data dapat dilihat pada
Gambar I.3

Page | 4
PRAKTIKUM SURVEI REKAYASA

Gambar I.3 Ilustrasi registrasi target based (Reshetyuk, 2009)

Persebaran target saat akuisisi data harus optimal dalam rangka untuk memperoleh hasil
dengan ketelitian yang tinggi. Bentuk sebaran yang buruk akan memberikan dampak kurang
baiknya proses hasil registrasi dengan metode target to target. Adapun bentuk persebaran
target yang baik menurut dapat terlihat pada Gambar I.4.

Gambar I.4 Konfigurasi persebaran target (Reshetyuk,2009)

I.1.4.2 Registrasi cloud to cloud. Registrasi cloud to cloud memiliki tujuan yang serupa
dengan proses registrasi metode target based. Perbedaan menonjol diantara metode ini
terletak pada penggunaan acuan dalam proses registrasinya. Pada registrasi cloud to cloud
tidak memerlukan target acuan seperti halnya metode target based. Hal tersebut didasarkan
pada proses registrasi cloud to cloud yang menggunakan prinsip penggabungan point clouds
dengan bentuk yang sama. Adapun syarat dari proses registrasi cloud to cloud adalah
memiliki overlap yang cukup agar obyek yang sama dapat dengan mudah diidentifikasi.
Gambar I.5 merupakan ilustrasi dari penggabungan beberapa point clouds dengan
menggunakan metode cloud to cloud.

Page | 5
PRAKTIKUM SURVEI REKAYASA

1 2 3 4

Gambar I.5 Ilustrasi penggabungan point clouds (Pfeifer, 2007).

I.1.5. Metode Akuisisi data di lapangan

Metode akuisisi data di lapangan dengan menggunakan alat Terestrial Laser Scanner
dibagi menjadi dua jenis yaitu metode fix station dan free station.

I.1.5.1. Fix Station. adalah sebuah metode dimana pengukuran ini sama seperti pengukuran
menggunakan total station dan menggunakan BenchMark untuk tempat berdiri alat serta
backsight (prisma) untuk orientasi pada saat pengukuran, Namun untuk tipe alat Terestrial
Laser Scanner FARO tidak ada mode fix station.Metode ini memiliki kelemahan yaitu perlu
benchmark dan tidak dapat fleksibel apabila untuk melakukan pengukuran detil yang banyak
dan tidak beraturan seperti pengukuran pipa minyak sedangkan kelebihannya adalah
memudahkan untuk melakukan registrasi nanti karena dapat mengukur jarak antar scanworld
yang cukup panjang.

I.1.5.2. Free Station. Metode Free Station adalah sebuah metode dimana pengukuran ini dapat
dilakukan disembarang tempat tanpa perlu menggunakan benchmark ataupun backsight
namun perlu menggunakan suatu benda yang akan dijadikan sebagai acuan dalam proses
menyatukan scanworld saat data processing misalnya checkerboard atau sphere.Target
tersebut diletakkan pada lokasi yang sekiranya bisa terpindai dari dua kali berdiri scanworld
dan banyaknya target yang terpindai dari dua kali berdiri alat minimal 3 buah
target.Kelebihan dari metode ini adalah sangat fleksibel bila dipakai untuk pengukuran
banyak detil yang tidak beraturan seperti pengukuran candi

I.1.6. Iterative Closest Point

Iterative Closest Point (ICP) adalah konsep algoritma standar yang digunakan dalam
menghitung korespondensi antara dua buah scan dan menghitung besaran transformasi untuk

Page | 6
PRAKTIKUM SURVEI REKAYASA

meminimalisir jarak antara titik yang saling terkorespondensi (Segal, 2016). Kelebihan utama
dari metode ICP adalah sederhana dan relatif lebih cepat dalam hal performa pengolahan
ketika menggunakan k-d tree untuk mencari titik terdekat. K-d tree adalah data struktur yang
bersifat space-partitioning yang bertujuan untuk mengatur titik-titik dalam k-dimensional
tree (Gosno, 2013). K-d tree umumnya diaplikasikan dalam pencarian yang memiliki range
search dan nearest neighbor search (Berg M, 2008). Menurut Rusinkiewicz 2001 dalam
Colas 2011, menyatakan bahwa terdapat 6 langkah utama dalam algoritma proses ICP.
Langkah tersebut adalah preprocessing, matching, weighting, rejection, error, dan
minimization. Proses algoritma ICP akan terus mengalami iterasi hingga point clouds
menyatu. Iterasi tersebut berlangsung pada proses matching hingga minimization. Gambar I.6
merupakan ilustrasi dari dua buah hasil scan world yang digabung menjadi satu buah scan
utuh melalui proses ICP.

Gambar I.6 Ilustrasi ICP (Burgard, 2011)

Langkah-langkah utama dalam algoritma ICP adalah preprocessing, matching, weighting,


rejection, error, dan minimization. Point clouds hasil akuisisi data mengalami keenam
langkah tersebut saat melakukan proses registrasi. Untuk mengetahui secara jelas proses
tersebut, maka berikut ini adalah penjelasan dari masing-masing tahapan tersebut.
(a) Preprocessing
Tahapan preprocessing adalah tahapan pemilihan point clouds yang akan masuk kedalam
tahapan matching. Pada proses ini point clouds yang dianggap sebagai noise akan di abaikan
dan dihilangkan dari proses pengolahan.
(b) Matching
Tahapan matching adalah tahapan untuk proses pengelompokan point clouds berdasarkan
obyek yang sama. Tahapan ini menggunakan sistem pencarian neighbor dengan radius
pencarian telah tertentu. Sistem pencarian neighbor sering juga disebut dengan proses k-d
tree. Proses ini menggunakan titik tengah dari scan world sebagai titik awal kemudian
membagi tengah scan world sehingga memperoleh empat buah segmen. Lalu dari masing-

Page | 7
PRAKTIKUM SURVEI REKAYASA

masing segmen dibagi menjadi segmen lebih kecil sehingga diperoleh kelompok-kelompok
kecil point clouds dalam satu segmen. Ilustrasi dari proses pembagian segmen ini dapat
dilihat pada Gambar I.7.

Gambar I.7 Ilustrasi k-d tree (Colas, 2011)


Hasil pembagian zona-zona/segmen tersebut akan mempermudah dalam pengelompokan
obyek (point clouds) yang kemungkinan sama. Sebagai contoh dari pengelompokan tersebut
dapat dilihat pada Gambar I.8.

Gambar I.8 Ilustrasi matching k-d tree (Colas, 2011)

Pada Gambar I.8 tampak bahwa masing-masing segmen kecil memiliki point clouds. Segmen
kecil tersebut merupakan hasil pembagian dari k-d tree. Proses k-d tree ini akan memudahkan
dan mempercepat dalam proses mencari pasangan point clouds. Logikanya yakni perangkat
lunak akan melaksanakan pencarian menggunakan algoritma tertentu untuk kesamaan point
clouds pada segmen yang memiliki titik saja. Sedangkan untuk segmen yang tidak memiliki
poit clouds (kosong) akan diabaikan sehingga akan mempersingkat waktu proses pencarian.

Page | 8
PRAKTIKUM SURVEI REKAYASA

(c) Weighting
Tahapan weighting memilih titik yang perlu dan tidak perlu digunakan dalam proses ICP.
(d) Rejecting
Proses ini adalah proses penghapusan pada beberapa data yang telah lolos dari proses
weighting karena terdapat titik dengan multiple pasangan.
(e) Error
Tahapan Error adalah tahapan perhitungan elemen-elemen transformasi tiap-tiap titik.
Perhitungan tersebut dapat dibagi dalam dua jenis, yakni point to point dan point to plane.
Gambar I.9 dan Gambar I.10 adalah masing-masing ilustrasi dari point to point dan point to
plane.

Gambar I.9 Ilustrasi point to point (Pomerlau, 2013)

Gambar I.10 Ilustrasi point to plane (Burgard, 2011)

(f) Minimization
Tahapan minimization adalah tahapan penerapan parameter transformasi yang telah diketahui
berdasar pada proses error.
Setelah tahapan ini, terkadang point clouds belum tergabung secara sempurna, oleh
karena itu diperlukan iterasi proses ICP. Iterasi tersebut dilakukan pada proses matching
hingga minimization sampai memperoleh point clouds yang tergabung secara utuh. Pada
Tabel I.1 berikut ini adalah ilustrasi dari masing-masing langkah algoritma ICP.

Page | 9
PRAKTIKUM SURVEI REKAYASA

1.Preprocessing 2.Hasil Preprocessing 3.Matching

4.Weight and Rejecting 5.Error 6.Minimization

7. Iteration 1 8.Iteration 2

Pada Tabel I.1 merupakan ilustrasi secara umum proses dari ICP dari awal hingga
akhir yang mana dimuai dari nomor urut 1 hingga 8. Tabel I.1 terlihat terdapat dua buah
contoh scan world, yakni merah dan biru. Scan world merah dianggap sebagai scan world
tetap/referensi sehingga scan world biru perlu menyesuaikan terhadap scan world merah.
Tahapan pada nomor urut 1 yakni preprocessing, tahapan ini masing-masing point clouds
pada scan world akan dilakukan sampling dan penghapusan titik yang dianggap noise.
Sampling tersebut bertujuan untuk memilih titik yang akan digunakan dalam proses ICP.
Selanjutnya pada nomor 2 merupakan point clouds hasil sampling dan telah terpilih sebagai
point clouds yang mewakili bentuk sesungguhnya. Tahapan nomor 3 merupakan matching,
proses ini adalah pencarian jarak terdekat dari titik pada scan world biru. Scan world biru

Page | 10
PRAKTIKUM SURVEI REKAYASA

akan mencari jarak terdekat terhadap titik pada scan world merah. Tahapan selanjutnya
adalah weighting dan rejecting merupakan tahapan selanjutnya setelah proses matching.
Tahapan keempat ini akan memilih dan menolak hasil pencarian jarak titik pada proses
matching yang tidak relevan/sesuai. Tahapan kelima yakni error. Pada tahap ini akan
menghitung nilai kesalahan/nilai perpindahan yang perlu dilakukan scan world biru agar
tergabung ke scan world merah. Selanjutnya adalah tahapan minimization. Pada tahapan ini
scan world biru melakukan perpindahan (transformasi) ke scan world merah sesuai dengan
nilai error yang telah diketahui. Tahapan nomor urut 7 adalah hasil dari transformasi scan
world biru ke scan world merah. Terlihat bahwa scan world tersebut belum menyatu secara
sempurna, oleh karena itu perlu dilakukan iterasi sehingga menghasilkan point clouds yang
tergabung utuh seperti pada nomor urut 8.

I.1.7. Software Faro Scene

Software Faro Scene merupakan perangkat lunak yang digunakan dalam proses
registrasi.Perangkat lunak ini merupakan software pengolahan data bawaan dari Faro
Perangkat lunak 3D laser scanner ini dirancang khusus untuk memproses awan titik 3D yang
dikumpulkan oleh laser scanner.Proses dan mengelola data scan dengan mudah dan
efisien.Software ini juga dapat menghasilkan kualitas tinggi dengan proses scan yang sangat
cepat.Software faro scene juga digunakan sebagai software untuk proses registrasi. Software
ini juga memiliki standar RMS yang digunakan mengikuti standar dari software tersebut.
Faro scene memiliki indikator untuk menentukan apakah hasil registrasi memenuhi TOR
(Term of Reference) atau tidak. Menurut manual faro scene indikator tersebut ditampilkan
dalam bentuk indikator warna dengan batas : lampu hijau < 10mm ; kuning ≥ 10 mm dan ≤ 20
mm ; dan merah > 20 mm.

Page | 11
PRAKTIKUM SURVEI REKAYASA

BAB II
TAHAPAN PELAKSANAAN

Pelaksanaan kegiatan ini dilakukan mulai dari persiapan, pengukuran, pengolahan


data, hingga pemodelan 3D yang akan disajikan dalam bentuk diagram alir pada Gambar II.1

Gambar II.1

Mulai

Peletakkan sphere Akusisi Data


Metode Free Station
harus sesuai aturan Lapangan

Download Data Software Faro Scene

Pengolahan Data(Scanning
Software Faro Scene
Scanworld)

Pengolahan Data
Metode Target to target
(Registrasi)

RMS >TOR

RMS < TOR

Pengolahan
Data Metode Cloud to cloud
(Registrasi)

Page | 12
PRAKTIKUM SURVEI REKAYASA

Scanworld yang telah ter-


registrasi dengan jumlah
scanworld sebanyak 8 Scanworld
dan titik sphere terletak di depan
dan belakakang alat dengan jarak
±20 m

Coloring scanworld

Pemodelan 3D

Selesai

Page | 13
PRAKTIKUM SURVEI REKAYASA

II.1. Lokasi dan Waktu Pelaksanaan

Lokasi dan waktu pelaksanaan disajikan dalam Tabel II.1.


No Kegiatan Lokasi Waktu Pelaksanaan
1 Persiapan Kampus Teknik Geodesi FT 15 November 2016
UGM
2 Pekerjaan Lapangan Stadion Sultan Agung 15 November 2016
Bantul
3 Pekerjaan Studio Ruang Sidang II Gedung 25 November 2016
Teknik Geodesi FT UGM

Tabel II.1. Lokasi dan waktu pelaksanaan kegiatan

II.2. Bahan dan Peralatan

Bahan-bahan yang digunakan adalah:


1. Alat tulis
2. Komputer yang dilengkapi software Faro Scene

Alat yang digunakan adalah:


1. Terrestrial Laser Scanner merk Faro, tipe Focus X330 (1 buah)
2. Statip (1 buah)
3. Sphere (6 buah)

II.3. Pelaksanaan Pengukuran Lapangan

1. Mendirikan statip di tempat yang akan dijadikan sebagai scanworld pertama.


2. Memasang alat Terrestrial Laser Scanner (TLS) diatas statip.
3. Melakukan pengaturan nivo kotak hingga tepat ditengah (centering).

Page | 14
PRAKTIKUM SURVEI REKAYASA

4. Selanjutnya adalah meletakkan sphere,namun sebelum meletakkannya perlu


diperhatikan hal-hal yang berkaitan dengan peletakkan sphere antara lain jarak
sphere dari Terrestrial Laser Scanner (TLS) ± 20 m, jarak antar sphere ±1 m,
minimal 3 buah sphere dari dua kali berdiri alat, penyebaran antara sphere dengan
yang lainnya harus optimal (membentuk segitiga) dan harus overlay ± 30%.

5. Memasang tiga buah sphere yang sekiranya dapat terpindai dari dua kali berdiri
scanworld, dalam hal ini dapat diletakkan di belakang alat dengan jarak dari alat ke
sphere ± 20 m.
6. Memasang tiga buah sphere yang sekiranya dapat terpindai dari dua kali berdiri
scanworld, dalam hal ini dapat diletakkan di depan alat dengan jarak dari alat ke
sphere ± 20 m.
7. Menghidupkan Terrestrial Laser Scanner (TLS) dengan tombol power yang terletak
di atas alat.
8. Melakukan pengaturan pada Terrestrial Laser Scanner (TLS)
A. Masuk ke menu manage

B. Setelah itu memilih menu projects

Page | 15
PRAKTIKUM SURVEI REKAYASA

C. Setelah itu memilih tanda tambah

D. Selanjutnya menentukan project name dan file base name (dalam praktikum
kali ini project name (stadion) dan file base name (Stadion_Scan)

Page | 16
PRAKTIKUM SURVEI REKAYASA

E. Kemudian kembali ke menu manage dan pilih menu operators

F. Kemudian membuat file name operator,dalam praktikum kali ini memakai


filename Geomatika.

Page | 17
PRAKTIKUM SURVEI REKAYASA

G. Kemudian kembali ke menu utama dan pilih menu parameters

H. Setelah itu memilih menu resolution (MPts)

Page | 18
PRAKTIKUM SURVEI REKAYASA

I. Kemudian mengatur kerapatan (resolution) dan quality pada alat, dimana


nanti kerapatan ini akan berpengaruh pada jumlah point cloud dan kejelasan
detil obyek yang diukur sedangkan quality berpengaruh untuk
menghilangkan gangguan (noise), dalam praktikum kali ini memilih tingkat
kerapatan (resolution) sebesar 1/4 ( 6mm per 10 m) yang berarti suatu obyek
yang mempunyai jarak 10 m dari alat mempunyai tingkat kerapatan antar
point cloud sebesar 6 mm dan untuk quality dipilih 2x.

J. Apabila sudah, kembali ke menu sebelumnya dan pilih menu horizontal and
vertical

K. Kemudian melakukan pengaturan horizontal area dan vertical area dimana


pengaturan ini berfungsi untuk arah perekaman saat proses scanning berjalan

Page | 19
PRAKTIKUM SURVEI REKAYASA

L. Kemudian kembali ke menu sebelumnya dan pilih menu select sensor

M. Aktifkan semua sensor yang ada (inclinometer,compass,altimeter,dan gps)

Page | 20
PRAKTIKUM SURVEI REKAYASA

N. Kemudian kembali ke menu sebelumnya dan aktifkan scan with color

O. Selanjutnya mengecek waktu perekaman berlangsung

P. Selanjutnya kembali ke menu utama dan tekan start scan

Page | 21
PRAKTIKUM SURVEI REKAYASA

Q. Tampilan pada alat saat proses perekaman berlangsung,pada alat apabila ada
sensor lampu warna merah menunjukkan perekaman, dan sensor lampu
warna biru menunjukkan proses perekaman telah selesai

9. Kemudian menunggu hingga perekeman selesai


10. Apabila perekaman telah selesai maka selanjutnya adalah memindahkan alat ke
tempat yang akan dijadikan scanworld kedua.
11. Ulangi langkah 1 – 10 pada tiap-tiap scanworld yang akan diukur.

II.4. Pelaksanaan Pengolahan Data

1. Membuka data yang akan diolah pada software Faro Scene

2. Membuka software Faro Scene

Page | 22
PRAKTIKUM SURVEI REKAYASA

3. Membuat project baru dengan cara pilih file new project

4. Muncul jendela create new scan project ,pada jendela ini pilih folder untuk tempat
menyimpan data yang akan diolah dan tentukan nama project kemudian pilih create

Page | 23
PRAKTIKUM SURVEI REKAYASA

5. Muncul jendela workspace yang telah dibuat

6. Kemudian masukkan data yang akan diolah ke dalam workspace yang telah dibuat

7. Kemudian simpanlah terlebih dahulu

8. Kemudian melakukan proses data load untuk semua scanworld dengan cara klik
kanan pada scan lalu pilih load all scan

9. Menunggu proses load all scan

Page | 24
PRAKTIKUM SURVEI REKAYASA

10. Hasilnya

11. Langkah selanjutnya adalah mencari sphere yang dijadikan sebagai target saat
pengukuran dengan cara pada scan klik kanan kemudian pilih operations
preprocessing preprocess scans

12. Kemudian akan muncul jendela scene,pada jendela ini pilih yes

13. Muncul jendela scan lanjutan , pada jendela ini checklist kolom detect artificial
references dan kolom sphere kemudian OK

Page | 25
PRAKTIKUM SURVEI REKAYASA

14. Menunggu hasil scan

15. Kemudian mencari tiap-tiap sphere pada masing-masing scanworld yang telah di load
misal scanworld (stadion_Scan_000)

16. Apabila ada yang terdeteksi bukan sphere,maka harus dihapus

Page | 26
PRAKTIKUM SURVEI REKAYASA

17. Sphere yang benar apabila di klik maka akan muncul kotak berwarna biru

18. Bersihkan semua hal yang bukan sphere pada tiap-tiap scanworld,apabila telah benar
maka hanya akan ada enam sphere pada scanworld masing-masing
19. Hasil pencarian sphere pada Scanworld (stadion_scan_001)

20. Hasil pencarian sphere pada Scanworld (stadion_scan_002)

Page | 27
PRAKTIKUM SURVEI REKAYASA

21. Hasil pencarian sphere pada Scanworld (stadion_scan_003)

22. Hasil pencarian sphere pada Scanworld (stadion_scan_004)

23. Hasil pencarian sphere pada Scanworld (stadion_scan_005)

Page | 28
PRAKTIKUM SURVEI REKAYASA

24. Hasil pencarian sphere pada Scanworld (stadion_scan_006)

25. Hasil pencarian sphere pada Scanworld (stadion_scan_007)

26. Hasil pencarian sphere pada Scanworld (stadion_scan_008)

Page | 29
PRAKTIKUM SURVEI REKAYASA

27. Setelah semua sphere dicari pada semua scanworld yang ada maka langkah
selanjutnya adalah melakukan proses registrasi dengan cara pada file scan klik kanan
kemudian pilih operation registration place scans

28. Muncul jendela place scans, pada jendela ini pilih metode target based kemudian
pada tab General unchecklist pada semua sensor dan checklist pada kolom enable
auto clustering

Page | 30
PRAKTIKUM SURVEI REKAYASA

29. Kemudian pada tab target based checklist kolom enable correspondence search, use
principal directions of scans, use points for validation, calculate scan point based
statistics kemudian OK

30. Hasilnya

Page | 31
PRAKTIKUM SURVEI REKAYASA

31. Apabila hasil RMS belum keluar maka selanjutnya mencoba metode cloud to cloud

32. Hasilnya

33. Kemudian melakukan secara manual melakukan pendekatan antar scanworld (metode
cloud to cloud)

Page | 32
PRAKTIKUM SURVEI REKAYASA

34. Muncul tampilan correspondence view

35. Kemudian lock layer scan manager agar tidak bergeser dari tempatnya saat
melakukan penggabungan dengan scanworld lain

Page | 33
PRAKTIKUM SURVEI REKAYASA

36. Kemudian lakukan penggeseran dan penggabungan secara manual dari scanworld
(stadion_scan_000) ke cluster yang telah terbentuk , gunakan setiap tools yang ada
untuk membantu proses penggabungan secara manual

37. Hasil penggabungan

38. Kemudian apabila dirasa telah benar lakukan proses regitrasi kembali

Page | 34
PRAKTIKUM SURVEI REKAYASA

39. Kemudian akan muncul jendela scan manager , pada jendela ini pilih tab scan point
tensions kemudian melihat hasil RMS yang muncul , dari hasil tersebut didapat
3,1537 mm dan masuk toleransi yang diperbolehkan yaitu <4mm

40. Kemudian memberikan color pada hasil scanworld yang telah diproses

41. Muncul jendela scans , pada jendela ini checklist kolom apply picture kemudian OK

Page | 35
PRAKTIKUM SURVEI REKAYASA

42. Apabila benar maka akan muncul tampilan sebagai berikut

43. Kemudian melihat tampilan tiga dimensi hasil colouring semua scanworld dengan
cara pada layer scan klik kanan lalu view 3D view

44. Hasil 3D view

Page | 36
PRAKTIKUM SURVEI REKAYASA

Page | 37
PRAKTIKUM SURVEI REKAYASA

BAB III
HASIL DAN PEMBAHASAN

III.1.Point Cloud
Sebelum penggabungan

Sesudah penggabungan

Proses penggabungan (registration) ini menggunakan metode cloud to cloud, metode ini
digunakan karena pada saat menggunakan metode target to target tidak bisa dilakukan dan
metode ini dilakukan dengan cara pendekatan secara visual antar scanworld

III.2. Root Mean Square (RMS)


Pada saat menggunakan metode target to target nilai RMS belum muncul, maka harus
menggunakan metode cloud to cloud, dan hasil nilai RMS tersebut sebesar 3,1537 mm dan
masuk toleransi yang diperbolehkan yaitu <4mm

Page | 38
PRAKTIKUM SURVEI REKAYASA

Page | 39
PRAKTIKUM SURVEI REKAYASA

BAB IV
KESIMPULAN

Dari hasil praktikum tersebut dapat disimpulkan bahwa :

1. Proses penggabungan (registration) menggunakan metode cloud to cloud,


metode ini digunakan karena pada saat menggunakan metode target to target
tidak bisa dilakukan dan metode ini dilakukan dengan pendekatan secara
visual antar scanworld
2. Hasil nilai RMS yang didapat sebesar 3,1537 mm dan masuk toleransi yang
diperbolehkan yaitu <4mm
3. Hasil registrasi yang baik adalah nilai RMS yang memenuhi toleransi dan
memenuhi indikator pada software serta tergabung secara sempurna (tidak
ada gaps)

Page | 40
PRAKTIKUM SURVEI REKAYASA

DAFTAR PUSTAKA

Penelitian stockpile batubara di PLTU Lontar. Etd.repository.ugm.ac.id. diakses pada 30


November 2016 pukul 19.17 WIB. tersedia pada :
etd.repository.ugm.ac.id/downloadfile/93573/.../S1-2016-318177-introduction.pdf

http://surveyorking.blogspot.co.id/2013/01/teknologi-pemetaan-terrestrial-laser.html (diakses
pada 30 November pukul 20.29 WIB)

http://www.faro.com/en-sg/home (diakses pada 1 Desember 2016 pukul 08.22 WIB)

https://www.mathworks.com/matlabcentral/fileexchange/27804-iterative-closest-
point?requestedDomain=www.mathworks.com (diakses pada 1 Desember 2016 pukul 09.30
WIB)

Page | 41