penerapan computer vision pada robot soccer

PENERAPAN COMPUTER VISION PADA ROBOT SEPAKBOLA

IMPLEMENTATION COMPUTER VISION ON ROBOSOCCER

Laporan ini disusun untuk memenuhi salah satu syarat menyelesaikan

Tugas Poyek 5 Diploma III Program Studi Teknik Informatika

Jurusan Teknik Komputer dan Informatika

Disusun oleh :

Muhammad Taufik H 101511019

Pajar Fathurrahman 101511023

Rizal Ramdani 101511027

JURUSAN TEKNIK KOMPUTER DAN INFORMATIKA

POLITEKNIK NEGERI BANDUNG

2013

ABSTRAK

Dalam memenuhi kebutuhan agar sebuah robot dapat mengetahui keadaan

lingkungan sekitar, diperlukan suatu cara agar keadaan sekitar tersebut dapat diubah menjadi

suatu bentuk data. Cara tersebut dapat diraih dengan bantuan suatu perangkat berjenis

kamera yang mampu mengubah keadaan sekitar menjadi suatu data dengan mengubah sinyal

analog yang didapatnya menjadi sinyal digital. Berbekal data digital atau yang lebih dikenal

dengan citra digital yang dimiliki, maka citra digital tersebut dapat diolah untuk membentuk

suatu informasi yang spesifik menggunakan ilmu image processing.

Pemikiran di atas kemudian dihubungkan dengan suatu permasalahan pada robot

pemain sepak bola terkait pengenalan bola dan gawang dalam pertandingan. Hal yang perlu

diperhatikan ialah bagaimana robot tersebut mampu mengejar, menggiring, dan menendang

bola dengan benar. Hal-hal tersebut tentunya tidak lepas dari bagaimana robot mengetahui

posisi bola untuk kemudian melakukan tracking pada bola yang telah ditemukan sehingga

robot dapat selalu melihat bola untuk diketahui keberadaan posisinya.

Berdasarkan landasan permasalahan dan pemikiran di atas, dibuatlah sebuah sistem

yang mampu mengenali lingkungan untuk kemudian diolah dan hasil pengolahannya

disampaikan pada robot. Sistem ini dibuat pada sebuah circuit board yang terintegrasi

dengan kamera dan dihubungkan langsung pada robot. Sistem dirancang menggunakan

OpenCV untuk menunjang kebutuhan computer vision. Sistem ini bekerja dengan menerima

stream video dari kamera dan menghasilkan output posisi bola atau gawang. Untuk dapat

menghasilkan posisi yang benar, sistem memanfaatkan teknik noise reduction, segmentasi,

dan hough circle transform. Noise reduction dilakukan untuk mengurangi noise yang muncul

pada citra yang ditangkap. Teknik noise reduction yang digunakan ialah median filter.

Kemudian, segmentasi dilakukan bertujuan untuk memisahkan objek yang berwarna jingga

dengan objek lain. Teknik segmentasi yang diadopsi ialah thresholding untuk membentuk

citra hitam putih atau yang lebih dikenal dengan citra biner. Setelah citra biner terbentuk,

selanjutnya dilakukan pengenalan bentuk lingkaran menggunakan teknik hough transform

circle. Jika lingkaran terdeteksi, maka posisi pusat lingkaran tersebut yang dijadikan output

sistem ke robot. Proses ini terus diulang kembali hingga sistem dimatikan.

Kata Kunci: computer vision, robot soccer, median filter, noise reduction, circle hough

transform.

i

KATA PENGANTAR

Puji syukur penulis panjatkan ke hadirat Allah SWT karena atas rahmat-Nyalah penulis dapat

menyelesaikan penulisan laporan yang berjudul Penerapan Computer Vision pada Robot

Soccer. Penulisan laporan merupakan salah satu tugas dan persyaratan untuk menyelesaikan

tugas mata kuliah Proyek 5 di Politeknik Negeri Bandung.

Dalam penulisan laporan ini, penulis menyampaikan ucapan terima kasih yang tidak terhingga

kepada pihak-pihak yang membantu dalam menyelesaikan laporan ini, khususnya kepada:

1. Bapak Priyanto Hidayatullah dan Bambang Wisnuadhi, selaku pembimbing mata kuliah

Kerja Praktik.

2. Segenap manajer Mata Kuliah Proyek 5.

3. Rekan-rekan kelas 2-A D3 Jurusan Teknik Komputer 2010, yang senantiasa memberikan

saran.

4. Secara khusus penulis menyampaikan terima kasih kepada keluarga tercinta yang telah

memberikan dorongan dan bantuan serta pengertian yang besar kepada penulis, baik

selama mengikuti perkuliahan maupun dalam menyelesaikan laporan ini.

5. Semua pihak yang tidak dapat disebutkan satu persatu, yang telah memberikan bantuan

dalam penulisan laporan ini.

Dalam penulisan laporan ini, penulis merasa masih banyak kekurangan baik pada teknis penulisan

maupun materi, mengingat akan kemampuan yang dimiliki penulis. Untuk itu, kritik dan saran

dari semua pihak sangat penulis harapkan demi penyempurnaan pembuatan laporan ini.

Akhir kata, penulis berharap semoga Allah memberikan imbalan yang setimpal pada mereka yang

telah memberikan bantuan, dan dapat menjadikan semua bantuan ini sebagai ibadah, Aamiin Yaa

Robbal Alamiin.

Bandung, Januari 2013

Penulis

ii

DAFTAR ISI

KATA PENGANTAR ................................................................................................................. i DAFTAR ISI .............................................................................................................................. ii

DAFTAR GAMBAR ................................................................................................................. iii BAB I ......................................................................................................................................... 1 Pendahuluan ............................................................................................................................... 1

1.1 Latar Belakang ........................................................................................................... 1 1.2 Perumusan Masalah ................................................................................................... 2

1.3 Tujuan dan Manfaat Sistem ....................................................................................... 3 1.4 Lingkup Sistem .......................................................................................................... 3

1.5 Hasil Yang Diharapkan ............................................................................................. 4

BAB II ....................................................................................................................................... 5 Tinjauan Pustaka ........................................................................................................................ 5

2.1 Computer Vision ....................................................................................................... 5 2.1.1 Image Acquisition ............................................................................................ 5

2.1.2 Image Processing ............................................................................................. 6 2.1.3 Image Analysis ............................................................................................... 10

2.2 Teknologi Penunjang ............................................................................................... 12 2.2.1 OpenCV ......................................................................................................... 12 2.2.2 Komunikasi Serial .......................................................................................... 13

BAB III .................................................................................................................................... 16 Hasil Analisis dan Pembahasan ................................................................................................ 16

3.1 Analisis Kebutuhan ................................................................................................. 16

3.1.1 Penerapan Computer Vision .......................................................................... 16

3.1.2 OpenCV ......................................................................................................... 23 3.1.3 Komunikasi Data ............................................................................................ 25

BAB IV .................................................................................................................................... 27 KESIMPULAN ........................................................................................................................ 27

DAFTAR PUSTAKA ............................................................................................................... 28

iii

DAFTAR GAMBAR

Gambar 1. Hasil pengolahan median filter dengan ukuran window yang berbeda-beda ... 8 Gambar 2. Ilustrasi circle hough transform ..................................................................... 11

Gambar 3. Struktur dan konten OpenCV ......................................................................... 12 Gambar 4. Gambaran umum OpenCV ............................................................................. 13 Gambar 5. RS-232-C Line untuk connector DB-9 .......................................................... 15 Gambar 6. Flowchart sistem ............................................................................................ 17 Gambar 7. Mean Filter dan Median Filter ....................................................................... 21

Gambar 8. Gambar pendeteksian partial circle ................................................................ 23

Gambar 9. gambar perbandingan opencv dengan library lain ......................................... 24 Gambar 10. Komunikasi data antara sistem, robot dan webcam ....................................... 26

1

BAB I

Pendahuluan

1.1 Latar Belakang

Robotika merupakan salah satu disiplin ilmu teknologi yang berkonsentrasi dalam

pembentukan suatu wujud mekanis dengan menggabungkan banyak disiplin ilmu lainnya,

yang utamanya ialah ilmu elektronika dan ilmu komputer. Sehubungan dengan

dibutuhkannya ilmu komputer dan latar belakang keilmuan yang dimiliki ialah ilmu

komputer, maka muncul rasa keingintahuan untuk mengeksplorasi dan memelajari ilmu

robotika sekaligus hendak mencoba menerapkan ilmu komputer yang dimiliki kedalam

disiplin ilmu robotika ini. Dengan diterapkannya ilmu komputer yang baik, diharapkan dapat

menunjang hasil pergerakan mekanis yang lebih baik lagi melalui kecerdasan yang disimpan

pada robot melalui algoritma yang tepat dan efisien.

Disiplin ilmu robotika itu sendiri merupakan disiplin ilmu yang begitu luas karena

wujud mekanis yang dibuat dapat berupa apapun yang tentunya dibuat dengan tujuannya

masing-masing. Salah satu kegiatan robotika yang hendak dipelajari pada kesempatan ini

ialah robot soccer, yakni sebuah rangka mekanis (robot) yang dibuat mengikuti bentuk rangka

manusia dan dibuat dengan tujuan agar dapat bermain bola layaknya pemain bola sungguhan.

Dipilihnya robot soccer sebagai kegiatan robotik yang hendak dikaji dilatarbelakangi

oleh kebutuhan UKM Robotika Polban untuk bisa berpartisipasi pada kompetisi robot soccer

yang diselengarakan setiap tahunnya oleh DIKTI dengan nama kompetisi RSHL (Robot

Soccer Humanoid League). Kompetisi ini pun dapat berperan sebagai gerbang untuk

berpartisipasi pada kompetisi tingkat internasional. Kompetisi ini diselenggarakan dengan

aturannya yang mengadopsi peraturan kompetisi robot soccer internasional yang mana robot

yang hendak berpartisipasi harus dibangun mengikuti aturan yang dinyatakan. Salah satu dari

segenap peraturan yang ada menyatakan bahwa robot harus memiliki rangka dan bertindak

layaknya manusia. Dengan demikian, agar robot dapat bertindak layaknya seorang pemain

bola, robot perlu dibuat agar mampu mengenali bola dan berusaha membawanya. Setelah bola

terdeteksi maka robot juga harus mampu menentukan ke arah gawang mana ia harus

Pendahuluan 2

Penerapan Computer Vision pada Robot Sepak Bola

menendang bola. Oleh karena itu, robot harus dapat melihat seperti manusia agar dapat

bermain sepak bola dengan baik,

Untuk menunjang kebutuhan penglihatan robot terhadap lingkungannya, maka

diperlukan suatu perangkat yang dapat menangkap keadaan dunia nyata dan mengubahnya ke

dalam bentuk data digital. Perangkat yang dimaksud ialah kamera dan data tersebut berupa

citra yang dihasilkan dari kamera tersebut. Kemudian, melalui data lingkungan yang dimiliki,

robot dapat mengambil informasi yang ada. Selanjutnya, robot hanya tinggal bertindak sesuai

dengan informasi yang ia miliki.

Proses pengolahan citra sebagai data menjadi informasi yang bermanfaat menjadi hal

utama yang dipikirkan. Proses inilah yang dikatakan sebagai metode pengolahan citra digital

atau yang lebih dikenal dengan image processing. Hasil dari proses pengolahan citra digital

yang dilakukan kemudian digunakan untuk penerapan tingkah laku robot dalam menjejaki

objek (bola ataupun gawang). Namun, image processing itu sendiri bukan merupakan

persoalan yang mudah, karena image processing juga harus dilakukan sebaik mungkin

sehingga robot tidak salah dalam bertindak. Dengan kata lain, dapat disimpulkan bahwa fokus

utama kajian ini ialah teknik penjejakan bola dan pendeteksian gawang pada pertandingan

sepak bola robot dan dilanjutkan dengan memberikan informasi maupun perintah pada robot.

1.2 Perumusan Masalah

Dalam bahasan ini terdapat beberapa masalah yang ditemukan dan dirumuskan sebagai

berikut:

Dibutuhkannya pengolahan citra dan pengenalan objek untuk pendeteksian bola.

Demi mendapatkan informasi dari data citra yang didapat, perlu dilakukan teknik

image processing pada citra tersebut.

Untuk keperluan pendeteksian objek yang terus-menerus, diperlukan sebuah sistem

yang mampu melakukan tracking (penjejakan) objek secara real-time.

Citra yang diberikan oleh kamera mengandung noise dan dapat mengganggu

pengolahan citra sehingga memengaruhi keakuratan informasi yang didapat. Oleh

karena itu dibutuhkan suatu teknik untuk mengurangi noise pada citra yang didapat

dari kamera.

Pendahuluan 3


Dalam mendeteksi objek diinginkan agar intensitas cahaya tidak terlalu peka bagi

sistem. Dengan kata lain, perbedaan intensitas cahaya (terhadap cahaya ruangan

tertutup) yang tidak terlalu signifikan tidak begitu memengaruhi keakuratan

pendeteksian lokasi objek.

Diperlukannya parameter nilai warna jingga yang sesuai dengan warna bola. Namun,

warna yang tersedia pada format HSV tidak terdapat warna jingga, sehingga perlu

dilakukan penggabungan warna yang ada pada format HSV untuk mendapatkan warna

jingga.

Diperlukannya komunikasi antara robot dengan sistem agar perilaku robot atau sistem

benar-benar sesuai dengan kebutuhan pada satu waktu tertentu.

1.3 Tujuan dan Manfaat Sistem

Berdasarkan rumusan masalah maka tujuan pembuatan sistem ini antara lain :

Membuat sistem yang mampu menerapkan metoda computer vision untuk

pendeteksian bola.

Membuat sistem yang mampu melakukan noise reduction dari citra yang diambil dari

kamera

Membuat sistem yang mampu melakukan penjejakan objek secara real time dan akurat

Membuat sistem yang mampu melakukan penjejakan objek sesuai dengan warna bola

yang di definisikan dalam pertandingan robot soccer

Membuat sistem yang mampu melakukan komunikasi 2 arah dengan sistem. Sistem

mengirimkan data data hasil penglihatannya dan robot memberikan perintah untuk

memulai proses pendeteksian bola.

Sedangkan manfaat sistem antara lain :

Robot dapat mengetahui koordinat bola dengan adanya sistem

Robot dapat mengetahui apakah bola jauh atau dekat karena mengetahui luas dari

objek bola yang diberikan sistem

1.4 Lingkup Sistem

Berikut merupakan batasan dari sistem yang dibuat:

Pendahuluan 4


Sistem hanya dapat mendeteksi bola dengan warna yang telah di definisikan yaitu

warna jingga.

Warna bola harus memiliki perbedaan yang cukup contrast dengan warna lain.

1.5 Hasil Yang Diharapkan

Sistem yang dibuat mampu menjejaki bola berwarna jingga dan mengirimkan koordinat

bola serta luas bola pada robot secara realtime dan tepat dalam ruangan dengan intensitas

cahaya seperti pada pertandingan robot soccer.

5

BAB II

Tinjauan Pustaka

2.1 Computer Vision

Computer vision merupakan proses otomatis yang mengintegrasikan sejumlah besar

proses untuk persepsi visual, seperti akuisisi citra, pengolahan citra, pengenalan dan membuat

keputusan. Computer vision mencoba meniru cara kerja sistem visual manusia (human vision)

yang sesungguhnya sangat kompleks. Untuk itu, computer vision diharapkan memiliki

kemampuan tingkat tinggi sebagaimana human visual. Computer Vision merupakan salah

satau cabang ilmu pengetahuan yang mempelajari bagaimana komputer dapat mengenali

obyek yang diamati/ diobservasi. Cabang ilmu ini bersama intelijensia semu (Artificial

Intelligence) akan mampu menghasilkan sistem intelijen visual (Visual Intelligence System).

Computer vision merupakan gabungan dari 2 cabang ilmu yaitu Image Processing dan

Pattern Recognition. Pengolahan Citra (Image Processing) merupakan bidang yang

berhubungan dengan proses transformasi citra/gambar (image). Proses ini bertujuan untuk

mendapatkan kualitas citra yang lebih baik. Sedangkan,Pengenalan Pola (Pattern

Recognition), bidang ini berhubungan dengan proses identifikasi obyek pada citra atau

interpretasi citra. Proses ini bertujuan untuk mengekstrak informasi/pesan yang disampaikan

oleh gambar/citra.

Agar dapat menyerupai cara kerja mata manusia terdapat tahapan umum dan dasar

dalam computer vision:

1. Proses penangkapan citra/gambar (image acquisition)

2. Proses pengolahan citra (image processing)

3. Analisa data citra (image analysis)

4. Proses pemahaman data citra (image understanding).

2.1.1 Image Acquisition

Image Acqusition adalah proses mengambil gambar dari lingkungan. Pada manusia

proses ini dilakukan oleh mata, kemudian informasi visual diterjemahkan ke dalam suatu

Tinjauan Pustaka 6


format yang kemudian dapat dimanipulasi oleh otak. Seperti halnya dengan proses di atas,

computer vision membutuhkan sebuah mata untuk menangkap sebuah sinyal

visual.Umumnya mata pada computer vision adalah sebuah kamera video.Kamera

menerjemahkan sebuah scene atau image, Kemudian sinyal listrik ini diubah menjadi

bilangan biner yang akan digunakan oleh komputer untuk pemrosesan. Output dari kamera

adalah berupa sinyal analog, dimana frekuensi dan amplitudonya (frekuensi berhubungan

dengan jumlah sinyal dalam satu detik, sedangkan amplitudo berkaitan dengan tingginya

sinyal listrik yang dihasilkan) merepresentasikan detail ketajaman (brightness) pada

scene.Kamera mengamati sebuah kejadian pada satu jalur dalam satu waktu, memindainya

dan membaginya menjadi ratusan garis horizontal yang sama.Tiaptiap garis membuat sebuah

sinyal analog yang amplitudonya menjelaskan perubahan brightness sepanjang garis sinyal

tersebut.Karena komputer tidak bekerja dengan sinyal analog, maka sebuah analogtodigital

converter (ADC), dibutuhkan untuk memproses semua sinyal tersebut oleh komputer.ADC ini

akan mengubah sinyal analog yang direpresentasikan dalam bentuk informasi sinyal tunggal

ke dalam sebuah aliran (stream) sejumlah bilangan biner.Bilangan biner ini kemudian

disimpan di dalam memori dan akan menjadi data rawyang akan diproses.

2.1.2 Image Processing

Image Processing adalah proses pengolahan ( manipulasi ) citra menjadi sesuatu yang

lebih mempunyai makna, seperti membentuk citra biner menggunakan teknik segmentasi.

Tidak hanya itu saja image processing juga bertujuan agar gambar yang dihasilkan oleh

kamera lebih bagus dan bebas noise contohnya menggunakan teknik noise reduction.

2.1.2.1 Median Filterring

Untuk mengurangi noise yang ada pada gambar, maka digunakan salah satu teknik

image filtering yang dinamakan median filter yang tergolong kedalam image filtering dasar.

Median filter memiliki cara kerja yang sederhana, membuatnya tepat diterapkan pada gambar

dengan tingkat noise yang rendah hingga menengah dan mampu mempertahankan kejelasan

sisi yang tajam pada gambar atau dengan kata lain batas-batas objek masih dipertahankan.

Tujuan dari median filter ini ialah menghaluskan gambar dengan menggantikan satu

piksel dalam suatu ruang lingkup dengan nilai piksel tengah yang dari sekumpulan piksel

(yang telah diurutkan nilainya) pada ruang tersebut. Proses ini dilakukan hingga seluruh

Tinjauan Pustaka 7


piksel pada gambar diproses, bersamaan dengan hal tersebut, ruang pemrosesan tersebut

tentunya juga akan bergeser seiring pemrosesan seluruh piksel. Ukuran ruang pemrosesan

yang digunakan akan menentukan kehalusan gambar yang dihasilkan. Semakin besar ukuran

segi empat yang digunakan, maka akan semakin halus (blur) pula gambar yang dihasilkan.

Ruang pemrosesan ini dapat berupa bentuk simeteris apapun, cakram bundar, lingkaran,

kotak, atau bentuk silang. Ruang pemrosesan yang dimaksud lebih dikenal dengan nama

window.

Penjelasan teknisnya dimisalkan dengan array satu dimensi sehingga segi empat

sebagai ruang lingkupnya berdimensi 1 x n, dengan n merupakan jumlah piksel sebanyak n

piksel ke kiri dan n piksel ke kanan. Untuk piksel di awal, sejumlah n piksel ke kiri digantikan

dengan piksel awal tersebut. Begitu pula piksel di akhir pada gilirannya akan menggantikan

sejumlah n piksel ke kanan. Pada intinya, piksel yang tidak ada akan digantikan oleh piksel

yang paling ujung. Misalkan terdapat array A = [4 6 100 3 4], dan ukuran segi empat yang

dipakai ialah 1 x 3, maka hasil pemrosesan tiap-tiap elemen pada array tersebut akan menjadi

seperti berikut:

B[0] = Median[4 4 6] = 4

B[1] = Median[4 6 100] = 6

B[2] = Median[6 100 3] = Median[3 6 100] = 6

B[3] = Median[100 3 4] = Median[3 4 100] = 4

B[4] = Median[3 4 4] = 4

Dengan B merupakan array hasil atau diibaratkan sebagai gambar hasil penerapan teknik

median filtering. Dengan karakteristiknya, teknik ini hanya dapat memberikan hasil yang baik

pada citra dengan tingkat noise yang rendah hingga menengah dan biasanya diterapkan untuk

menghilangkan speckle noise dan salt and pepper noise.

Tinjauan Pustaka 8


Gambar 1. Hasil pengolahan median filter dengan ukuran window yang berbeda-beda

2.1.2.2 Segmentation

Segmentasi merupakan proses membagi-bagi daerah dalam satu citra berdasarkan

kriteria warna yang ada pada gambar tersebut. Proses ini dilakukan guna memudahkan

pembacaan citra tersebut agar mudah untuk keperluan analisis, yaitu mengenali pola yang ada

pada citra tersebut. Kualitas hasil segmentasi yang dilakukan akan berbanding lurus dengan

kualitas pengenalan pola pada suatu citra. Artinya, semakin baik proses segmentasi yang

dilakukan, akan semakin baik pula pola yang dapat dikenali pada suatu citra.

Tiga pendekatan umum yang banyak digunakan dalam proses segmentasi antara lain

ialah:

a) Teknik threshold, yaitu pengelompokan citra berdasarkan properti piksel yang dalam

hal ini ialah warna piksel. Dengan kata lain, pengelompokkan daerah-daerah pada citra

dilakukan berdasarkan warna.

b) Teknik region-based, yaitu pengelompokkan citra secara langsung menjadi daerah-

daerah tertentu sesuai dengan persamaan karakteristik suatu area citranya. Dengan

teknik ini, daerah yang memiliki karakteristik yang sama akan dikotakkan sebagai satu

region.

c) Teknik edge-based, yaitu pengelompokkan citra ke dalam wilayah yang berbeda

dikarenakan adanya perubahan warna tepi dan warna dasar citra yang signifikan.

Artinya, teknik ini bertujuan untuk mengelompokkan citra berdasarkan perubahan

intensitas warna untuk mengetahui batas atau tepi objek.

Tinjauan Pustaka 9


Segmentasi dapat dilakukan secara kualitatif dan kuantitatif. Penilaian secara kualitatif

ditinjau dari sisi pengamatan mata manusia, yakni pemberian nilai pada region-region dalam

citra atau yang lebih dikenal dengan Mean Opinion Score (MOS) sehingga pengelompokkan

daerah dilakukan berdasarkan nilai tersebut. Sedangkan, penilaian secara kuantitatif dilihat

dari segi performansi segmentasi yang dihasilkan melalui perhitungan yang dilakukan dengan

menghitung nilai koefisien variansi dari hasil segmentasi. Koefesien ini berperan dalam

menyatakan variasi nilai piksel dalam suatu region. Jika variasi yang terjadi tidak terlalu

signifikan atau secara mata warna yang menyusun suatu region tampak homogen, maka

koefesien variansinya akan bernilai kecil yang menandakan pengelompokkan daerah terjadi

dengan baik sehingga hasil segmentasinya semakin bagus. Bagaimanapun juga, pada kajian

ini yang menjadi fokus ialah bagaimana teknik segmentasi dilakukan atau dengan kata lain

berfokus pada pendekatan proses segmentasi, bukan pada perhitungan hasil atau performansi

segmentasi.

2.1.2.3 Thresholding

Thresholding merupakan salah satu teknik dalam melakukan segmentasi pada citra.

Teknik ini bekerja dengan memerhatikan nilai warna piksel dan menghasilkan citra baru

dengan dua warna atau yang lebih dikenal dengan citra biner. Pembentukan citra biner ini

bertujuan untuk menyederhanakan citra ke dalam dua warna saja sehingga dapat memudahkan

proses analisis citra.

Teknik thresholding bekerja dengan cara memeroses tiap piksel pada citra dan

membandingkannya dengan satu rentang nilai yang dinamakan nilai threshold. Jika piksel

yang diproses memiliki nilai diluar nilai threshold, maka piksel tersebut diberi tanda 0.

Sebaliknya, jika piksel yang diproses memiliki nilai didalam nilai threshold, maka piksel

tersebut diberi tanda 1. Selanjutnya, hanya tinggal menentukan piksel apakah piksel dengan

nilai 0 atau 1 yang hendak diberi warna hitam sehingga satunya lagi diberi warna putih yang

pada akhirnya terbentuklah citra biner hasil proses thresholding.

Parameter kunci dalam menerapkan teknik ini ialah penentuan nilai threshold yang

tepat. Nilai ini dapat ditentukan secara manual atau dengan menggunakan suatu algoritma

untuk menghitung nilai threshold secara otomatis yang dikenal dengan nama automatic

thresholding. Ketika automatic thresholding dipilih, terdapat teknik lainnya yang dinamakan

Tinjauan Pustaka 10


dynamic thresholding. Teknik ini memiliki nilai threshold yang berbeda-beda pada setiap

region karena nilai threshold dihitung berdasarkan region itu sendiri.

2.1.3 Image Analysis

Image analysis adalah proses ekstraksi informasi yang telah didapat oleh sistem melalui

tahap image processing. Image analysis juga sering disebut pattern recognition karena sering

digunakan untuk mendeteksi pola yang ada dalam sebuah image, seperti pola lingkaran dan

tepi objek. Salah satu contoh dari image analysis adalah object detection dan sharp detection.

Dengan melakukan image analysis sistem akan mengetahu tepian (edge) yang terbentuk

antara objek dan latar belakangnya atau antara dua objek yang spesifik berdasarkan perbedaan

format warna pada sisi yang berbeda dengan salah satu batasnya. Sehingga sistem dapat

mengetahui bentuk dari objek yang terdeteksi.

2.1.3.1 Edge Detection

Edge detection adalah salah satu image analysis untuk mendeteksi tepi dari objek

dalam gambar yang diolah. Dengan menggunakan edge detection tepi dari suatu objek dapat

diketahui, sehingga bentuk objek dapat terdefinisi. Tujuan dari edge detection adalah

Untuk menandai bagian yang menjadi detail citra

Untuk memperbaiki detail dari citra yang kabur, yang terjadi karena error

Inti dari algoritma edge detection adalah memeriksa setiap pixel yang ada dalam

gambar dan menandai titik pixel yang mempunyai perbedaan tinggi dengan tetanggannya.

Kemudian titik titik pixel tersebut dihubungkan dengan sebuah garis sehingga batasan

antara objek dapat terlihat.

2.1.3.2 Circle Detection

Circle detection adalah salah satu teknik Image Analysis untuk mendeteksi apakah ada

objek berbentuk lingkaran dari citra yang telah diolah.

Salah satu algoritma yang digunakan untuk mendeteksi lingkaran adalah circle hough

transform. Inti dari circle hough transform adalah mendeteksi apakah terdapat pola lingkaran

Tinjauan Pustaka 11


dari tepi objek yang terdeteksi. Suatu objek dikatakan mempunyai pola lingkaran apabila dari

titik titik tepi objek tersebut dibuat lingkaran sebesar r, lingkaran lingakaran yang

terbentuk tersebut beririsan tepat di 1 titik ( menyinggung 1 titik).

Secara umum algoritma circle hough transform adalah sebagai berikut:

Lakukan pendeteksian tepi dari objek yang terdeteksi.

Untuk setiap titik tepi yang terdeteksi buat lingkaran dengan pusat titik tepi tersebut

dengan jari jari sebesar r.

Lakukan pengecekan apakah lingkaran lingkaran tersebut bersinggungan (beririsan)

di 1 titik, jika iya maka lingkaran terdeteksi dan hentikan algoritma. Jika tidak lakukan

langkah 2 dengan r lebih besar dari sebelumnya. Apabila nilai r sama dengan nilai

diagonal gambar, hentikan algoritma artinya lingkaran berada di luar gambar.

Untuk lebih jelasnya ilustrasi dapat digambarkan seperti gambar berikut:

Gambar 2. Ilustrasi circle hough transform

Gambar kiri merupakan gambar pendeteksian edge dari objek yang terbentuk. Kemudian dari

titik tepi yang terdeteksi tersebut dibuat lingkaran dengan jari- jari sebesar r seperti pada

gambar kanan. Apabila lingkaran yang dibuat tepat menyinggung 1 titik maka objek tersebu

adalah lingkaran dan titik singgung tersebut merupakan pusat lingkarannya.

Tinjauan Pustaka 12


2.2 Teknologi Penunjang

2.2.1 OpenCV

OpenCV (Open Computer Vision) adalah sebuah API (Application Programming

Interface) Library untuk Pengolahan Citra Computer Vision. OpenCV merupakan library

Open Source untuk Computer Vision untuk C/C++, java dan phyton, OpenCV didesain untuk

aplikasi real-time, memiliki fungsi-fungsi akuisisi yang baik untuk image/video dan

mempunyai lebih dari 500 fungsi yang mendukung image processing dan pattern recognition

serta cocok untuk robot karena dapat menggunakan native language yaitu phyton dan C/C++.

OpenCV terdiri dari 4 library, yaitu :

1. CV : untuk algoritma Image processing dan Vision.

2. ML : untuk machine learning library

3. Highgui : untuk GUI, Image dan Video I/O.

4. CXCORE : untuk struktur data, support XML dan fungsi-fungsi grafis.

Keempat library tersebut dapat digambarkan menjadi struktur dan konten OpenCV sebagai

berikut:

Gambar 3. Struktur dan konten OpenCV

Sedangakan mengenai fitur OpenCV dapat ditunjukan oleh gambar berikut

Tinjauan Pustaka 13


Gambar 4. Gambaran umum OpenCV

2.2.2 Komunikasi Serial

Dalam pengembangan sistem ini, salah satu hal yang dibutuhkan oleh sistem yaitu

bagaimana sistem ini dapat berkomunikasi dengan object lainnya, dalam hal ini object

yang dibutuhkan oleh sistem dan object yang membutuhkan sistem itu sendiri. Untuk

mendukung hal tersebut dibutuhkan salah satu teknologi komunikasi yang dapat membuat

komunikasi antara sistem dan object lainnya. Dalam pengembangan sistem ini salah satu

teknologi komunikasi yang dipakai adalah komunikasi serial. Komunikasi serial

merupakan komunikasi data dengan pengiriman data secara satu per satu dengan

menggunakan satu jalur kabel data. Sehingga komunikasi serial hanya menggunakan 2

kabel data yaitu kabel data untuk pengiriman yang disebut transmit (Tx) dan kabel data

untuk penerimaan yang disebut receive (Rx). Kelebihan dari komunikasi serial adalah

jarak pengiriman dan penerimaan dapat dilakukan dalam jarak yang cukup jauh

dibandingan dengan komunikasi parallel tetapi kekurangannya adalah kecepatan lebih

lambat daripada komunikasi parallel, namun untuk teknologi embedded system, banyak

mikrokontroler yang dilengkapi dengan komunikasi serial (baik seri RISC maupun CISC)

atau Serial Communication Interface (SCI). Dengan adanya SCI yang terpadu pada 1C

mikrokontroler akan mengurangi jumlah pin keluaran, sehingga hanya dibutuhkan 2 pin

utama TxD dan RxD . Ada tiga metode yang sering dijumpai pada komunikasi data serial

yaitu Simpleks, half dupleks, dan full duplex. Pada transmisi data simpleks , data hanya

dapat dikirim dalam satu arah saja. Pada half dupleks data dapat ditransmisikan dalam dua

Tinjauan Pustaka 14


arah secara bergantian. Transmisi data secara full dupleks merupakan transmisi data dua

arah dimana data dapat diterima oleh system dan sekaligus system tersebut dapat

mengirimkan data secara bersamaan. Transmisi data full dupleks dapat dijumpai pada

system telepon. Dalam komunikasi data serial, ada dua metode dasar yang digunakan

yaitu komunikasi serial asinkron dan komunikasi serial sinkron.

Dalam pengembangan sistem image processing pada robot soccer ini standar

komunikasi serial yang dipakai yaitu RS-232-C. Ada beberapa standar yang telah

dikembangkan oleh Electronic Industries Association (EIA) untuk komunikasi serial

antara lain RS-232-C, RS-422, RS-423 dan RS-449. RS adalah kependekan dari

Recomended Standard. Standar yang paling sederhana dan paling sering digunakan adalah

RS-232-C. Standar RS-232-C termasuk dalam komunikasi data serial asinkron. Dalam

komunikasi serial, pengirim dan penerima harus memenuhi protokol komunikasi. Berikut

ini adalah beberapa istilah dalam protokol komunikasi RS-232-C :

1. Baud periode : Kecepatan transmisi yang diukur dalam satuan bit per sekon. Clock

dari pengirim dan peneriman harus disinkronisasi pada baud perioda yang sama.

2. Marking state : Periode waktu selama tidak ada data yang dikirim. Selama kondisi

marking, output line pengirim selalu logic 1 (High).

3. Start bit : Logika '0' (Low) menunjukkan transmisi data dimulai. Kondisi low yang

terjadi pada start bit dinamakan spacing state.

4. Karakter bit : Berisi data dengna jumlah 5, 6, 7 atau 8 bit. Bit pertama yang

dikirim adalah LSB.

5. Parity bit : Parity bit adalah bit pilihan yang dikirim setelah karakter bit untuk

mendeteksi error transmisi. Ada dua macam parity yaitu parity genap dan parity

ganjil.

6. Stop bit : Satu, satu setengah dan dua bit berlogika ' 1 ' (High) akan dikirim setelah karakter bit atau parity bit jika ada parity bit. Dengan adanya stop bit dapat

dipastikan bahwa penerima mempunyai waktu yang cukup untuk menerima

karakter berikut.

Spesifikasi connector untuk standar RS-232-C terdiri dari 25 pin. Connector 25 pin

ini dinamakan D-shell connector atau DB-25. Tetapi tidak semua PC serial portnya

menggunakan DB-25 connector. Ada yang menggunakan DB-9 connector ataupun 16-

Tinjauan Pustaka 15


position BERG connector. Fungsi dari setiap pin berbeda - beda untuk masing - masing

connector. Gambar dibawah ini menunjukan RS-232-C line untuk connector DB-9

Gambar 5. RS-232-C Line untuk connector DB-9

16

BAB III

Hasil Analisis dan Pembahasan

3.1 Analisis Kebutuhan

Dengan berlandaskan latar belakang, permasalahan yang muncul, dan tujuan yang hendak

dicapai, serta hal-hal lainnya yang telah diuraikan sebelumnya, maka terdapat beberapa hal

yang dibutuhkan untuk membentuk sistem yang mampu menunjang kebutuhan computer

vision pada robot sepak bola, diantaranya ialah:

1. Dibutuhkan sebuah sistem yang mampu menerima video dari kamera

2. Dibutuhkan sebuah sistem yang dapat membedakan daerah yang berwarna jingga dan

daerah yang bukan

3. Dibutuhkan sebuah sistem yang mampu mengetahui apakah terdapat lingkaran pada

citra yang didapat atau tidak

4. Dibutuhkan sebuah sistem yang mampu mengetahui posisi lingkaran pada citra dan

merepresentasikannya dalam bentuk koordinat kartesian

5. Dibutuhkan sebuah sistem yang mampu berkomunikasi dengan robot secara serial

3.1.1 Penerapan Computer Vision

Robot soccer harus mampu mengetahui letak bola.Berdasarkan kebutuhan tersebut

maka dibutuhkan sistem yang mampu bertindak sebagai mata pada robot yang bertugas untuk

menjejaki objek bola pada pertandingan robot soccer. Oleh karena itu dibutuhkanlah

penerapan metoda computer vision. Karena dengan menerapkan metoda computer vision

robot soccer dengan bantuan sistem seolah olah mempunyai mata untuk melihat keadaan

sekitar sehingga robot dapat mengetahui letak bola dan dapat membuat keputusan seperti

mengejar bola ataupun menendang bola.

Sistem yang dibuat menerapkan metoda computer vision oleh karena itu flow chart

atau langkah kerja sistem yang dibuat harus memuat tahap dasar computer vision yaitu image

Hasil Analisis dan Pembahasan 17


acquisition, image processing dan image analisis untuk mendapatkan informasi yang

diinginkan yaitu koordinat titik tengah bola.

Berikut merupakan flow chart dari sistem yang dibuat:

Gambar 6. Flowchart sistem

Dari flowchart dapat diketahui bahwa langkah 1 dan 2 adalah teknik image acquisition karena

berhubungan dengan proses pengambilan citra dari kamera. Untuk teknik image processing

dilakukan pada tahap no 3, 4 dan 5 karena berhubungan dengan pengolahan citra, dalam hal

ini citra dirubah menjadi citra biner melalui teknik segmentasi. Sedangakan tahap 6

merupakan image analisis karena merupakan tahap pendeteksian dari citra biner yang telah

didapat apakah terdapat pola lingkaran atau tidak.



3.1.1.1 Image Acquisition

Berdasarkan flowchart dapat diketahui bahwa image acquisition pada sistem dilakukan

oleh kamera. Seperti halnya mata pada manusia kamera merupakan mata dalam sistem

karena bertugas untuk mengambil gambar kondisi lingkungan. Kamera yang dipakai

terhubung pada sistem secara serial.

Proses pengambilan gambar pada sistem dilakukan secara realtime, agar proses

penjejakan objek tidak lepas atau gagal.Maka untuk memenuhi kebutuhan tersebut data yang

diambil harus berupa video. Video merupakan sequence of image sedangkan pengolahan citra

dapat dilakukan pada 1 image saja dalam satu satuan waktu. Oleh karena itu video hasil

pengambilan dari kamera harus diambil frame demi frame. Barulah kemudian frame yang

didapat tersebut yang akan dilakukan teknik image processing.

Kemampuan pengambilan banyakanya frame pada kamera berbeda beda. Untuk

mendapatkan proses tracking yang handal maka diperlukan kamera dengan spesfikasi fps

yang cukup kurang lebih 30 fps. Fps ( frame per second ) adalah kemampuan kamera untuk

menangkap jumlah frame dalam satu satuan waktu. Meskipun sistem akan bekerja lebih berat

karena dalam satu satuan waktu kamera akan mengirim banyak frame dalam satuan waktu

tetapi, hal ini tidak menjadi masalah karena proses tracking akan lebih handal dikarenakan

kemungkinan frame yang hilang menjadi sedikit.

3.1.1.2 Image Processing

Dalam pertandingan sepak bola robot, kebutuhan pandangan (vision) robot akan

lingkungan sekitar sangat diperlukan. Kebutuhan ini datang agar robot dapat mengidentifikasi

objek nyata yang ada disekitarnya. Hal ini tentu dilakukan untuk menunjang kemampuan

robot dalam bermain sepak bola. Untuk bisa memenuhi kebutuhan ini, salah satu langkah

yang dapat dilakukan ialah dengan menyediakan sebuah alat (device) yang mampu

menangkap keadaan dunia nyata, yaitu kamera yang kemudian dikombinasikan dengan ilmu

image processing sehingga dari citra yang dihasilkan melalui kamera dapat diperoleh

informasi.

Objek penting yang perlu dideteksi pada permainan sepak bola ini diantaranya ialah

bola dan gawang. Baik bola maupun gawang yang hendak dideteksi memiliki karakteristik

warna yang kontras dengan lapangan pertandingan yang berwarna hijau, yaitu jingga sebagai



warna bola dan dua buah gawang yang warnanya berbeda, yaitu gawang dengan warna

kuning dan gawang dengan warna biru. Adanya perbedaan warna yang nampak jelas tersebut

menjadi sesuatu yang membuat image processing memang benar-benar diperlukan karena

image processing dilakukan atas dasar warna yang terdapat pada citra yang dihasilkan oleh

kamera.

Image processing yang dilakukan dalam suatu sistem dibuat agar dapat mendukung

untuk dilakukannya pelacakan bola maupun gawang secara terus menerus (real-time) atau

dengan kata lain melakukan tracking terhadap bola maupun gawang. Oleh karena itu,

informasi yang didapat robot merupakan data yang aktual akan posisi bola dan gawang pada

satu waktu. Dengan demikian, diharapkan robot dapat memperoleh informasi tentang

keberadaan bola dan gawang melalui sistem sehingga robot mampu memasukkan bola ke

gawang lawan.

3.1.1.2.1 Noise Reduction

Ketika suatu citra diperoleh melalui kamera yang ada, gambar yang dihasikan tidak

sepenuhnya bersih, akan tetapi mengandung noise dengan tingkat noise yang masih

dikategorikan rendah. Noise ini menjadi hal yang wajar terdapat pada citra yang dihasilkan,

karena citra tersebut merupakan kombinasi frekuensi dua dimensi, yaitu frekuensi dalam arah

horizontal dan vertikal. Perlu diketahui bahwa pada perangkat penangkap sinyal analog,

frekuensi yang ditangkap rusak atau tidak semestinya merupakan hal yang wajar. Noise ini

hadir sebagai suatu piksel dengan nilai yang berbeda jauh dari nilai piksel disekitar

tetangganya. Dengan kata lain, noise hadir dalam wujud frekuensi yang berfluktuasi jauh

terhadap frekuensi yang disekitarnya sehingga menimbulkan piksel dengan warna yang

berbeda dari sekitarnya.

Dengan maksud agar kualitas citra yang dihasilkan meningkat, maka noise yang ada

perlu dieliminasi. Noise yang ada pada citra dapat dikurangi dengan menerapkan teknik image

filtering atau smoothing pada citra tersebut. Hal tersebut terjadi dikarenakan teknik smoothing

bekerja dengan cara memerhatikan piksel dalam suatu lingkup dan memerosesnya. Dengan

demikian, teknik seperti ini mampu menekan piksel dengan nilai yang berdeviasi tinggi dari

nilai disekitarnya (noise) pada satu ruang lingkup.



Selain itu, dikarenakan noise yang muncul pada citra yang didapat masih

dikategorikan rendah, maka proses pengurangan noise yang dibutuhkan cukuplah dengan

memanfaatkan teknik yang sederhana, sehingga dapat memperkecil waktu yang dibutuhkan

dalam prosesnya. Sederhana, namun tetap perlu memerhatikan sisi batas objek.

Berdasarkan kebutuhan yang telah dijabarkan di atas, maka teknik filtering atau

smoothing yang digunakan ialah median filtering. Teknik ini dipilih dikarenakan teknik ini

prosesnya sederhana dan gambar blur yang dihasilkan masih memiliki batas-batas warna atau

dengan kata lain sisi objek masih dipertahankan. Dengan menerapkan teknik median filtering,

noise yang sebelumnya muncul pada objek bola dapat dikatakan tereliminasi sehingga objek

bola menjadi objek yang dipenuhi dengan warna jingga.

Sebenarnya, terdapat pula teknik filtering lain dengan karakteristik yang hampir

serupa dengan median filtering, yaitu mean filtering. Kesamaannya terletak pada karakteristik

cara kerjanya yang memerhatikan satu ruang lingkup tertentu. Teknik mean filtering bekerja

dengan cara memberikan nilai pada satu piksel dengan nilai rata-rata piksel-piksel

tetangganya dalam satu lingkungan (dengan luas lingkungan yang ditentukan) dan dilakukan

hingga seluruh piksel pada gambar telah diproses seluruhnya. Teknik seperti ini memang

mampu menghilangkan noise dengan cara merata-ratakan nilai piksel, namun akibatnya

gambar akan menjadi blur.

Perbedaan antara mean filtering dengan median filtering ialah pada kejelasan gambar

yang dihasilkan. Jika menggunakan mean filtering, batas warna besar kemungkinan akan

bercampur akibat proses perata-rataan nilai piksel atau suatu objek dengan sisi tajam tidak

lagi tajam setelah diterapkan teknik ini. Akibatnya, batas objek tidak lagi menjadi jelas dan

akurat setelah gambar menjadi blur. Sedangkan, dengan teknik median filtering, kejelasan

batas warna yang dihasilkan masih terlihat sehingga objek dapat dibedakan dengan mudah.

Sebenarnya, berdasarkan jenisnya pun kedua teknik ini dikategorikan ke dalam jenis yang

berbeda. Mean filtering tergolong ke dalam linear filtering karena memanfaatkan nilai rata-

rata. Sedangkan, median filtering tergolong ke dalam non-linear filtering karena tidak

memanfaatkan nilai rata-rata Berikut perbedaan hasil gambar dengan menggunakan teknik

mean filtering dan median filtering.



Gambar 7. Mean Filter dan Median Filter

3.1.1.2.2 Segmentasi dan Thresholding

Pada kajian yang dibahas atau computer vision pada robot sepak bola, segmentasi

perlu dilakukan untuk mempermudah proses analisis atau pendeteksian objek bola selama

pertandingan. Teknik segmentasi yang digunakan ialah thresholding. Teknik ini dipilih

dengan memerhatikan kejelasan bola yang akan digunakan selama pertandingan. Dengan kata

lain, dikarenakan objek bola telah pasti, yakni hadir sebagai objek bundar yang berwarna

jingga, maka kejelasan inilah yang dijadikan pemutusan penggunaan teknik thresholding.

Berbeda dengan metode segmentasi lainnya yang mengelompokkan suatu area dalam

citra yang memiliki warna yang sama (region-based). Region-based akan mengelompokkan

area citra yang memiliki warna yang sama, sedangkan pendeteksian yang diinginkan ialah

pendeteksian terhadap warna bola dan gawang saja, warna lainnya tidak perlu dideteksi atau

bahkan dikelompok-kelompokkan, sehingga region-based tidak dilakukan pada citra yang

didapat. Pendekatan lainnya, yakni edge-detection akan digunakan setelah thresholding

dilakukan terlebih dahulu atau dengan kata lain setelah terbentuk citra biner. Edge detection

ini digunakan untuk keperluan analisis citra, yaitu pendekteksian objek bola. Dengan

dilakukannya thresholding, edge detection pun akan lebih cepat dilakukan dikarenakan hanya

ada dua warna pada citra yang diproses.

Nilai threshold yang menjadi parameter kunci dalam melakukan thresholding ialah

warna bola yang digunakan dalam pertandingan, yaitu warna jingga. Dengan melakukan



thresholding pada citra yang didapat selama proses image acquisition, daerah berwarna jingga

akan diwarnai putih dan jika tidak berwarna jingga akan diwarnai hitam. Sederhananya,

kesimpulan singkatnya ialah jika pada citra biner terdapat daerah dengan warna putih, maka

daerah tersebut menandakan posisis bola.

3.1.1.3 Image Analisis

Dalam sistem yang dibuat image analisis dilakukan karena definisi bola didefinisiakan

tidak hanya berdasarkan warna saja tetapi juga berdasarkan bentuk. Oleh karena itu image

analisis diperlukan agar sistem mampu mendeteksi apakah citra yang telah diolah memilki

pola seperti objek bola.

3.1.1.3.1 Circle Detection

Dalam pertandingan robot soccer bola yang digunakan adalah bola tennis berwarna

jingga. Oleh karena itu objek bola didefinisikan tidak hanya sebagai benda yang berwarna

jingga saja tetapi juga mempunyai bentuk seperti bola.

Gambar yang diambil melalui kamera adalah gambar 2 dimensi, berbeda dengan

kenyataannya ( duni nyata) yaitu objek bola yang merupakan bangun 3 dimensi. Agar sistem

dapat mengenai bola sistem harus mampu mendeteksi apakah objek yang terdeteksi

mempunyai bentuk 2 dimensi dari bangun bola yaitu lingkaran.

Deteksi lingkaran pada sebuah citra dapat dilakukan menggunakan algoritma circle

hough transform. Hough transform dipakai karena dengan menggunakan algoritma ini

lingkaran masih dapat dideteksi meskipun image yang didapat hanya merupakan partial circle.

Seperti pada gambar dibawah ini



Gambar 8. Gambar pendeteksian partial circle

Gambar diatas menunjukan bahwa meskipun koin koin ada yang tertutupi oleh koin

lain sehingga hanya berbentuk setengah lingkaran tetapi masih dengan menggunakan

algoritma circle hough transform masih terdeteksi lingkaran dikarena terdapat pola lingkaran

pada objek tersebut. Hal ini sangat bagus karena dalam pertandingan soccer ada kemungkinan

robot hanya dapat melihat sebagian dari bola contohnya ketika bola terhalang oleh robot lain.

Berdasarkan flow chart sistem pendeteksian lingkaran akan dilakukan setelah proses

segmentasi maka citra yang merupakan inputan pada proses ini adalah citra biner.

3.1.2 OpenCV

OpenCV dipilih karena mempunyai library Computer Vision yang lengkap yaitu lebih

dari 500 fungsi image processing serta pattern recognition dan mendukung untuk diterapkan

dalam robot. OpenCV lebih baik dibandingkan dengan library library image processing

yang lainnya, terutama dalam hal kecepatan. Berikut merupakan gambar perbandingan

OpenCV dengan beberapa library lain.



Gambar 9. gambar perbandingan opencv dengan library lain

Gambar diatas merupakan perbandingan lamanya runtime beberapa proses image processing

antara OpenCV dengan beberapa library lain dengan sumbu x adalah kecepatan runtime dan

sum bu y adalah beberapa proses image processing yang di tes. Tes dilakukan pada prosessor

dengan kecepatan 1.7 GHZ dan fungsi yang di tes yaitu 2D DFT, Resize, Optical flow (

tracking) dan Neural Net. Dapat disimpulkan bahwa OpenCV lebih cepat dibandingkan

dengan library LTI dan VXL karena mempunyai waktu runtime yang paling kecil. Tetapi

OpenCV lebih lambat jika dibandingkan OpenCV + IPP yang merupakan library

pengembangan dari OpenCV.

Dalam pengembangan sistem semua kebutuhan algoritma algoritma yang

dibutuhkan oleh computer vision sudah disediakan oleh OpenCV. Berikut merupakan rincian

dari fungsi fungsi OpenCV yang mendukung pengembangan sistem:

Untuk image acquisition dapat menggunakan fungsi cvCaptureFromCAM., fungsi ini

adalah untuk mengambil gambar dari kamera. Maka kebutuhan untuk mengambil

gambar dari lingkungan melalui kamera sudah terpenuhi. Tahap image acquisition

juga membutuhkan bagaimana cara untuk mengambil frame demi frame dari video

yang ditangkap, proses ini dapat dipenuhi menggunakan fungsi OpenCV yaitu

cvQueryFrame. Dengan menggunakan cvQueryFrame dapat mengambil 1 frame dari

kumpulan image yang ditangkap oleh kamera.



Tahap image processing dalam sistem juga dapat dipenuhi oleh fungsi OpenCV. Noise

reduction menggunakan algoritma median filter dapat dipenuhi menggunakan fungsi

medianBlur yang memiliki kegunaan untuk mengurangi noise dengan cara membuat

gambar menjadi lebih halus. Pembentukan citra biner juga dapat menggunakan fungsi

OpenCV. Seperti telah dijelaskan pada analisis kebutuhan segmentasi untuk

membentuk citra biner, format warna citra harus dirubah terlebih dahulu menjadi

HSV. OpenCV telah menyediakan fungsi cvCvtColor untuk merubah format warna.

Sedangkan untuk memisahkan antara objek dan objek ( membentuk citra biner ) dapat

menggunakan fungsi cvInRanges dengan parameternya adalah nilai HSV dari warna

jingga.

Proses image analisis pendeteksian lingkaran yang dibutuhkan oleh sistem

menggunakan algoritma circle hough transform telah disediakan oleh OpenCV

menggunakan fungsi cvHoughCircles.

3.1.3 Komunikasi Data

Dalam pembuatan sistem ini terdapat komunikasi data yang harus dianalisis yaitu

bagaimana sistem dapat berkomunikasi dengan robot dan webcam. Sistem dan robot

berkumunikasi agar robot dapat menerima informasi dari sistem untuk mengetahui posisi bola

dan gawang sedangkan sistem menerima informasi dari robot tentang informasi apa yang

harus diberikan oleh sistem. Komunikasi antara sistem dan robot itu disertai webcam yang

terhubung pada sistem dimana webcam berfungsi sebagai pengirim data hasil capture dari

webcam itu sendiri.

Kebutuhan komunikasi sistem dengan object lainnya yaitu robot dan webcam harus

memiliki kemampuan mengirim dan menerima data secara cepat, agar saat robot mencari bola

atau gawang dapat memiliki respon yang cepat, dalam hal ini system dengan robot

menggunakan komunikasi serial 2 arah (Duplex), sedangkan webcam terhubung pada sistem

menggunakan USB.



Gambar 10. Komunikasi data antara sistem, robot dan webcam

Seperti terlihat dari gambar di atas, merupakan suatu proses komunikasi data sistem,

robot dan webcam untuk mencari posisi bola, diawali oleh komunikasi antara sistem dan

robot dimana robot mengirim perintah pada sistem lewat komunikasi serial untuk mencari

posisi bola, lalu sistem menerima data hasil capture dari webcam yang nantinya data itu

langsung di olah dan di ambil informasinya, apabila bola sudah diketahui posisinya sistem

mengirim data posisi bola kepada robot berupa koordinat posisi bola dan radius bola.

Komunikasi antara sistem dan robot ini menggunakan standar yang paling sederhana

yaitu RS-232-C dengan connector 9 Pin yaitu DB-9, karena processor yang akan dipakai pada

system dan robot nanti sudah mendukung SCI (Serial Communication Interface) sehingga

hanya membutuh kan 3 pin saja dari 9 pin connector DB-9 yaitu pin TX (Transmiter), RX

(Receiver) dan GND (Ground).

27

BAB IV

KESIMPULAN

Berdasarkan hal yang diuraikan sebelumnya dapat disimpulkan bahwa bola

didefinisikan sebagai objek yang berbentuk lingkaran dan berwarna jingga oleh karena itu

proses pendeteksian dilakukan berdasarkan warna menggunakan teknik segmentasi dan

menggunakan algoritma circle hough transform untuk mendeteksi lingkaran. Segmentasi

dilakukan untuk membentuk citra biner yaitu memisahkan antara objek dan bukan objek

berdasarkan warna agar gambar yang dihasilkan lebih mudah untuk dianalisis. Pendeteksian

lingkaran dilakukan agar sistem lebih akurat dapat mendeteksi bola dan dapat mengetahui

luas lingkaran sebagai parameter untuk menunjukan jauh atau dekatnya bola.

Sebagai teknologi pendukung OpenCV sudah dapat memenuhi penerapan metoda

computer vision pada sistem yang meliputi image acquisition, image processing dan image

analisis. Sedangkan agar sistem mampu berkomunikasi dengan robot, dibutuhkannya

teknologi pendukung yang dapat mengkomunikasikan sistem dan robot, dalam hal ini

teknologi komunikasi yang dipakai yaitu koneksi serial dengan standar RS-232 karena

processor yang ada di sistem dan robot mendukung Serial Comnication Interface sehingga

dapat mempermudah saat implementasi.

28

DAFTAR PUSTAKA

Barends, Johannes Nassa.1998. Komunikasi data serial antar computer dengan metoda

frequency-shift keying.Surabaya:Universitas Kristen Petra.

Bradski, Gary, dan Kaehler ,Adrian.2008.Learning OpenCV. USA: OReilly Media Inc.

Laganire, Robert.2011.OpenCV 2 Computer Vision Application Programming Cookbook.

UK: Packt Publishing Ltd.

Priawadi, Ozi. OpenCV. http://priawadi.blogspot.com/2012/09/opencv.html [2 Januari 2013].

Rhody, Harvey.2005.Lecture 10 : Hough Circle Transform.

www.cis.rit.edu/class/simg782/lectures/lecture_10/lec782_05_10.pdf [ 15 Desember 2012].

Riwinoto. 2011. Penggunaan Algoritma Hough Transform Untuk Deteksi Bentuk Lingkarann

pada Ruang 2D: 3-4.

Wang,Ruye . Smoothing and Noise Reduction.

http://fourier.eng.hmc.edu/e161/lectures/smooth_sharpen/node3.html [1 Januari 2013].

SAADAH, SITI. Analisis Dan Implementasi Segmentasi Citra Menggunakan Algoritma

Graph Cut.

http://digilib.ittelkom.ac.id/index.php?option=com_content&view=article&id=575:segmentas

i-citra&catid=20:informatika&Itemid=14 [2 Januari 2013].

Tarigan, Priskanta. Computer Vision. http://freezcha.wordpress.com/2010/11/16/computer-

vision/ [2 Januari 2013].

penerapan computer vision pada robot soccer

Documents