ISBN: 978-602-72004-3-2 5th Indonesian Symposium on Robotic Systems and Control, 6 Juli 2017

Sistem Pendeteksian Gawang menggunakan Metode

Houghlines dan Cornerharris pada Robot Fire-X
UAD
Tofik Nurochman*, Yogo Paranto Aji, dan Riky Dwi Puriyanto
Teknik Elektro
Universitas Ahmad Dahlan
Yogyakarta, Indonesia
Tofik216nurochman@gmail.com

Abstrak— Dalam pertandingan robot sepak bola beroda
robot dituntut harus dapat bermanuver secara autonomous,
serta dapat mengenali bola, gawang, serta parameter lain yang
berada di lapangan yang dapat digunakan sebagai bagian dari
strategi robot, selain itu robot juga harus mampu membedakan
antara gawang sendiri dengan gawang lawan. Penerapan
pengolahan citra digital merupakan salah satu pilihan yang
tepat yang dapat diimplementasikan pada robot agar robot
dapat mengenali bola, gawang maupun objek lain. Pengolahan
citra menggunakan metode houghlines dan cornerharris
merupakan metode pendeteksian gawang yang telah
dikembangkan oleh tim FIRE-X UAD. Metode tersebut
menggunakan parameter garis tepi gawang dan sudut gawang
sebagai acuan untuk pendeteksian gawang, serta menggunakan
parameter lain yaitu warna hijau lapangan. Sehingga dengan
menggunakan metode tersebut robot hanya dapat mendeteksi
gawang yang berada diatas objek yang berwarna hijau dan
dapat membedakan objek yang serupa gawang yang berada di
sekitarnya. Hasil pengujian menunjukan penerapan metode
houghlines dan cornerharris pada robot memiliki keakuratan
tinggi untuk mendeteksi gawang, hal itu dibuktikan dengan
berbagai macam skema pengujian robot berhasil mendeteksi
gawang dengan baik.
Kata Kunci—Pendeteksian gawang; Houghlines; Cornerharris
I. PENDAHULUAN
Dalam pertandingan sepak bola robot beroda, robot dituntut
agar dapat mendeteksi bola dan gawang serta dapat mengetahui
komponen lain yang terdapat pada lapangan pertandingan
sehigga robot dapat memainkan sepakbola seperti layaknya
manusia bermain sepakbola. Untuk itu robot harus memiliki
kemampuan dasar dalam bermain sepakbola seperti mengenali
bola, mengenali gawang, menggiring bola dan menendang bola
serta robot dapat berorientasi terhadap perannya dilapangan
pertandingan [1].
Teknologi computer vision merupakan penerapan disiplin
ilmu yang saat ini banyak digunakan sebagai objek penelitian
pada robot sepak bola. Pengolahan citra merupakan bagian dari
computer vision yang menggunakan analisis warna yang dapat
diolah dengan beberapa model diantaranya, RGB, CMY, HSI,
HSV dan normalized RGB [2]. Salah satu model yang paling
banyak digunakan yaitu model RGB dan HSV karena
sederhana dalam pemrogaman dan cepat dalam pemrosesan,
sehingga sangat cocok untuk di terapkan dalam robot sepak
bola untuk sistem deteksi bola dan gawang.
Salah satu metode untuk mendeteksi gawang yang telah di
kembangkan dan diterapkan pada tim robot sepak bola beroda
UAD yaitu menggunakan metode Houghlines dan
Cornerharris, metode tersebut cukup sukses jika hanya
digunakan untuk mendeteksi gawang, tetapi akan terjadi lambat
dalam pemrosesan jika di gabungkan dengan metode yang
digunakan untuk medeteksi bola. Sehingga perlu dilakukan
pengembangan lebih lanjut untuk sistem metode penelitian
gawang pada robot sepakbola beroda UAD.
II. DASAR TEORI
Sistem deteksi gawang yang digunakan memanfaatkan
tanda visual sebuah objek yang berada pada lapangan yang
kemudian di padukan dengan ciri visual yang di deteksi,
sehingga dapat membedakan antara gawang dengan objek
serupa yang berada di luar lapangan.
A. Filter Warna (Color Filtering).
Filter warna merupakan suatu teknik pengolahan citra
untuk memanipulasi citra berdasarkan warna khusus. Cara
kerjanya yaitu dengan membandingkan antara komponen
warna pada setiap pixel citra dengan warna spesifik yang
digunakan [3]. Color Filtering dapat mereprentasikan warna
dalam berbagai model, diantaranya RGB (Red, Green, Blue),
HSV (Hue, Saturation, Value), YCbCr, dsb. HSV merupakan
ruang warna yang paling mudah dan sederhana sehingga
cocok untuk mengidentifikasi warna-warna dasar, dimana
warna dasar ini digunakan dalam penelitian untuk identifikasi
gawang. Selain itu, HSV memiliki kemudahan kalibrasi
terhadap perubahan intensitas cahaya [4].
B. Model HSV.
Model ruang warna HSV memiliki 3 komponen yaitu, Hue,
Saturation, dan Value. Model warna HSV dapat mendeteksi
ciri visual seperti yang ditangkap oleh indra manusia [5].

92 Universitas Pendidikan Indonesia

 ISBN: 978-602-72004-3-2 5th Indonesian Symposium on Robotic Systems and Control, 6 Juli 2017
(1)
(2)
(3)
C. Tresholding.
Tresholding merupakan sebuah konsep untuk mengubah
suatu citra menjadi dua jenis intensitas yaitu 0 atau 255. Untuk
melakukan proses ini digunakan ambang batas (threshold)
yang nilainya dapat diatur sesuai kebutuhan. Model
treshholding dapat di wakilkan seperti pada persamaan (4).
(4)
Persamaan untuk merubah citra asli menjadi citra biner Jika
nilai threshold yang dipasang tidak sesuai dengan nilai
ambang batas yang di berikan maka akan di ganti dengan nilai
0 untuk dibawah ambang dan dengan nilai 255 jika berada
diatas ambang batas yang di berikan.
III. METODOLOGI PENELITIAN
Pada pendeteksian gawang menggunakan metode
Houghlines dan Cornerharris ada beberapa proses tahapan
yang dilalui. Dibawah ini, beberapa tahapan-tahapan dari
pendeteksian gawang.
A. Sistem Deteksi.
Perancangan sistem untuk melakukan proses mendapatkan
hasil, dapat digambarkan dalam bentuk blok diagram seperti
yang diperlihatkan pada Gambar 1. Sistem terdiri atas beberapa
bagian seperti berikut.
Gambar 1. Blok diagram proses deteksi gawang.
B. Pemrogaman Visual.
Pemrogaman visual untuk computer vision yang digunakan
berupa software Ultra VNC, dimana software tersebut dapat di
masukan library Open CV. Open CV (Open Source Computer
Vision) merupakan sebuah library yang dikhususkan untuk
penglihatan komputer secara real time yang dikembangkan
93 Universitas Pendidikan Indonesia
oleh pusat penelitian Intel di Nizhny Novgorod, Rusia.Open
CV ini dapat digunakan di berbagai bahasa pemrograman,
seperti C, C++, Java, Python, dan suport dengan Windows,
Linux, Mac OS, iOS dan Android. Open CV didesain untuk
efisiensi komputasi dan dengan fokus yang kuat pada aplikasi
realtime [6].
C. Konversi Warna RGB ke HSV
Dalam pengolahan citra digital kamera pertama kali akan
menangkap citra RGB, yang digunakan sebagai dasar agar
dapat mengenali objek yang akan dideteksi. Dari citra RGB
tersebut kemudian dikonversi menjadi model HSV agar lebih
sederhana untuk diproses ke tahap selanjutnya. Persamaan (5)
merupakan perumusan sederhana yang di gunakan untuk
mengkonversi dari RGB ke HSV.
(5)
Kemudian dari proses tersebut dilakukan proses segmentasi
untuk mendapatkan objek. Hasil segmentasi yang telah
dilakukan ditampilkan oleh Gambar 2.
(a) (b)
Gambar 2. (a) Model RGB, (b) Model HSV.
Dari Gambar 2 dapat dilihat model RGB merupakan
campuran dari warna-warna primer yang menyatu sehingga
akan sedikit lebih susah untuk dipisahkan kedalam kelas-kelas
warna. Sedangkan model HSV lebih mendekati dengan citra
yang dapat ditangkap indra manusia sehingga lebih mudah
dipisahkan kedalam kelas warna tertentu.
D. Kontours Lapangan.
Pada tahap ini citra yang digunakan sebagai objek berupa
warna hijau pada lapangan KRSBI beroda. Penggunaan warna
lapangan sebagai parameter pendeteksian gawang bertujuan
agar robot hanya dapat mendeteksi gawang yang berada diatas
lapangan. Sehingga robot dapat mengurangi noise terhadap
objek yang serupa gawang yang berada di sekitar lapangan.
Setelah mendapatkan kontours lapangan kemudian diberikan
batas luasan lapangan hal ini robot hanya dapat mendeteksi
gawang diatas lapangan yang berada pada luasan tertentu.
Pendeteksian kontours lapangan diperlihatkan oleh Gambar 3.
 ISBN: 978-602-72004-3-2
Gambar 3. Kontours lapangan.
Warna hijau lapangan yang dapat dideteksi dibatasi pada
luasan tertentu dengan tujuan agar robot tidak mendeteksi
objek serupa di sekitar lapangan sehingga noise pada saat
mendeteksi lapangan dapat dikurangi. Citra lapangan kemudian
di tutup dengan warna hitam agar lebih mudah untuk
mendapatkan citra objek yang akan dideteksi yaitu berupa
gawang.
E. Erosi & Dilasi.
Tahap yaitu selanjutnya dilakukan proses Erosi dan Dilasi.
Proses erosi dilakukan pada citra gawang dengan tujuan untuk
menperkecil pixel pada citra gawang. Sementara proses dilasi
dilakukan pada citra lapangan dan citra lain yang berada di
sekitar gawang. Untuk proses erosi dan dilasi yang telah
dilakukan ditunjukan oleh Gambar 4.
Gambar 4. Represenstasi citra setelah dilakukan proses erosi dan dilasi.
Dengan kedua proses tersebut robot akan lebih mudah
mengenali gawang, karena hanya objek gawang yang dideteksi
selain itu akan ditutup dengan warna hitam.
F. Filter Canny.
Penggunaan filter canny bertujuan untuk mendapatkan
garis tepi citra gawang. Yang kemudian direpresentasikan
dengan titik-titik tepi yang sangat pendek sehingga menjadi
sebuah garis tepi. Filter canny yang telah dilakukan pada citra
gawang ditunjukan pada Gambar 5.
Gambar 5. Citra gawang setelah dilakukan filter canny.
94 Universitas Pendidikan Indonesia
5th Indonesian Symposium on Robotic Systems and Control, 6 Juli 2017
Dari gambar tersebut dapat dilihat objek yang ditampilakan
sudah berupa garis-garis yang membentuk gawang. Garis
tersebut merupakan garis tepi gawang setelah mengalami
proses filter canny.
G. Alogaritma Houghlines dan Cornerharris.
Alogaritma ini digunakan untuk mendeteksi garis lurus
yang dihasilkan oleh filter canny. Hal ini dilakukan agar dapat
dideteksi lebih spesifik sehingga robot akan lebih jelas dan
cepat dalam mengenali gawang. Sedangkan alogaritma
Cornerharris melupakan alogaritma yang digunakan untuk
mendeteksi sudut. Gawang pada KRSBI beroda terdiri dari dua
garis yaitu vertikal dan horisontal, pada titik temu kedua garis
tersebut terdapat sudut-sudut singgung, sudut tersebutlah yang
digunakan sebagai acuan dalam mendeteksi gawang. Pada garis
tepi yang ditemukan oleh pada alogaritma houghlines juga
akan menghasilkan sudut-sudut singgung antar garis. sehingga
Dengan kedua proses robot sudah dapat mengenali gawang.
Hasil penggunaan alogaritma houghlines dan cornerharis
ditampilkan pada Gambar 6.
(a) (b)
Gambar 6. (a) Penggunaan alogaritma houghlines, (b) Hasil penggunaan
alogaritma cornerharris.
Pada Gambar 6(a) dapat kita lihat terdapat garis tepi gawang
yang saling menyinggung menghasilkan sudut, yang kemudian
sudut tersebut dideteksi menggunakan alogaritma cornerharris.
Sehingga hasil akhirnya robot dapat mengenali gawang seperti
yang ditampilkan pada Gambar 6(b)
IV. HASIL DAN PEMBAHASAN
A. Pengujian 1
Pengujian ini menggunakan hardware sebuah Webcam
logitech C922 dan sebuah mini PC Odroid Xu-4 sebagai
pengolah citra digital yang di tangkap oleh Webcam.
Pengujian ini dilakukan dalam beberapa tahap, yang pertama
dengan meletakan objek berupa gawang diatas lapangan
berwana hijau (Gambar 7(a)) dan diatas media yang bukan
berwarna hijau (Gambar 7(b)).
(a) (b)
Gambar 7. (a) Gawang di atas warna hijau, (b) Gawang diatas warna bukan
hijau.
 ISBN: 978-602-72004-3-2
Dari gambar tersebut dapat kita lihat robot dapat mendeteksi
gawang dengan baik berdasarkan titik sudut gawang pada
objek gawang yang berada di atas warna hijau. Sementara
pada Gambar 7(b) robot tidak dapat mendeteksi gawang
karena objek tersebut tidak berada diatas warna hijau.
5th Indonesian Symposium on Robotic Systems and Control, 6 Juli 2017
C. Pengujian 3.
Pada pengujian yang kedua ini masih berdasarkan jarak
robot terhadap gawang serta digabungkan dengan sudut letak
robot terhadap gawang. Skema pengujian 3 yang dilakukan
ditunjukan oleh Gambar 9.

B. Pengujian 2.
Pengujian kedua ini yang dilakukan yaitu mendeteksi
objek berdasarkan jarak robot terhadap objek yang dideteksi.
pengujian tersebut dilakukan seperti skema pada Gambar 8.

Gambar 9. Skema pengujian 3.

Dari gambar tersebut dapat kita lihat P1-P7 merupakan titik

dimana robot akan diletakan untuk pengujian. Masing-masing
titik memiliki jarak dan sudut yang berbeda terhadap gawang
atau objek yang akan di deteksi. TABEL II, menunjukan hasil
Gambar 8. Skema pengujian 2. dari pengujian 2 yang dilakukan dengan mengacu skema yang
ditunjukan oleh Gambar 9.
P1-P5 merupakan titik-titik dimana robot akan diletakan untuk
pengujian. Antar titik tersebut berjarak satu meter, jarak TABEL II. Hasil pengujian berdasarkan sudut letak robot.
gawang terhadap titik P1 berjarak satu meter, titik P1 juga Metode Nilai (x,y)
Metode Nilai (x,y)
berjarak satu meter terhadap titik P2, begitu seterusnya. Posisi Filter canny
Hough
CornerHarr Sudut
Sudut kiri
is kanan
TABEL I. Menunjukan hasil dari sistem pendeteksian gawang
berjasarkan jarak robot terhadap gawang. P1 69, 69 265, 69

TABEL I. Pengujian objek berdasarkan jarak

P2 114, 81 300, 81
Nilai Nilai
Metode
Pos Filter Metode (x,y) (x,y)
CornerHa P3 - 241, 75
isi canny Hough Sudut Sudut
rris
kanan kiri

P1 36, 54 316, 54 P4 - 255, 75

P2 52, 77 307, 74 P5 47, 77 259, 77

P3 149, 92 307, 92 P6 93, 77 271, 77

P4 144, 70 283, 70 P7 122, 93 301, 93

P5 125, 67 254,70
Dari hasil uji yang dilakukan, pada TABEL I diperlihatkan
pada pengujian P1-P5 penggunaan filter canny masih terdapat
noise dari garis lapangan yang membentuk sudut robot, untuk
itu penggunaan metode houghlines digunakan untuk
menemukan garis tepi gawang dan membedakan gawang
dengan garis lapangan, kemudian digunakan metode
cornerharris untuk menemukan sudut persinggungan antar
garis tepi gawang. Dengan penggunaan ketiga metode tersebut
robot dapat mendeteksi objek dengan baik pada setiap letak
robot yang diujikan.
Dari TABEL II, dapat kita lihat pada pengujian P3 dan P4
robot hanya dapat mendeteksi sudut gawang pada sebelah
kiri.hal itu di sebabkan sudut pandang robot pada posisi yang
terlalu jauh dengan sudut gawang sebelah kiri, sehingga sudut
gawang tersebut tidak terdeteksi sebagai suatu sudut. Tetapi
penggunaan logika OR pada strategi robot untuk mendeteksi
gawang menyebabkan robot dapat mendeteksi gawang
walaupun hanya satu sudut yang terdeteksi.
V. KESIMPULAN
1. Robot dapat mendeteksi gawang dengan baik,
menggunakan metode Houghlines dan Cornerharris.

95 Universitas Pendidikan Indonesia

 ISBN: 978-602-72004-3-2 5th Indonesian Symposium on Robotic Systems and Control, 6 Juli 2017
2. Berdasarkan pengujian robot dapat membedakan antara
gawang dengan objek serupa yang berada di sekitar
lapangan pertandingan.
3. Penelitian sistem pendeteksian gawang menggunakan
metode houglines dan cornerharris tidak terpengaruh oleh
jarak, sehingga cocok diterapkan pada robot sepak bola
beroda.

REFERENSI
[1] Solichah uti, Muhammad Arifin, dan Muhammad Ardi Pradana,
“Pendeteksian Gawang Menggunakan Algoritma Ransac Pada Platform
Darwin-OP Berbasis Peraturan KRSBI 2016,” The 4th Indonesian
Symposium on Robot Soccer Competition 2016.
[2] Pambudi Wahyu Setyo, Irma Salamah, dan Alan Novi Tompunu,
Deteksi dan Estimasi Jarak Obyek Menggunakan Single Camera
Dengan Model Segmentasi HSV, Seminar Nasional Teknoin 2011
ISBN 978-979-96964-8-9.
[3] Payung, Musa, dan Bayu Saputera, “Robot Sepakbola dengan Pencarian
dari Pengolahan Citra OpenCV dan Arduino,” The 4th Indonesian
Symposium on Robot Soccer Competition 2016.
[4] Mahesa, Jovi, dan Azizul Meliyana, “Rancang Bangun Sistem Tracking
Pada Robot Sepak Bola Dengan Metode Thresholding Menggunakan
Open-CV,” The 4th Indonesian Symposium on Robot Soccer
Competition 2016.
[5] Mandala, Hanjaya, Eko Rudiawan, dan Hendawan Soebhakti, “Sistem
Deteksi Bola Berdasarkan Warna Bola Dan Background Warna
Lapangan Pada Robot Barelang FC,” The 4th Indonesian Symposium on
Robot Soccer Competition 2016.
[6] Jovi Mahesa, dan Azizul, Meliyana. Tagawa, “Rancang Bangun
Sistem Tracking Pada Robot Sepak Bola Dengan Metode Thresholding
Menggunakan Open-CV,” The 4th Indonesian Symposium on Robot
Soccer Competition 2016.

96 Universitas Pendidikan Indonesia