Sistem Pendeteksi Penghalang Diam Menggunakan Metode Pyramidal Lucas Kanade Optical Flow dengan Pustaka OpenCV

Abstract

Penggunaan kamera sebagai sensor pada robot merupakan salah satu bentuk implementasi dari computer vision. Kamera yang terpasang pada robot tersebut berfungsi sebagai sumber data berupa citra digital yang menggambarkan keadaan di sekitar robot. Citra digital tersebut kemudian diolah oleh suatu sistem sehingga didapatkan informasi mengenai keberadaan penghalang yang berpotensi mengganggu laju dari robot. Sistem pendeteksi penghalang diam yang diimplementasikan dalam skripsi ini menggunakan metode Pyramidal Lucas Kanade Optical Flow dengan masukan berupa citra greyscale yang diperoleh dari kamera atau video file. Sistem ini dibangun menggunakan pustaka dari OpenCV. Sebagai parameter masukan untuk kalkulasi optical flow digunakan titik corner yang merupakan hasil dari corner detection menggunakan metode Shi-Tomasi Corner Detection. Hasil dari kalkulasi optical flow diolah menjadi nilai Time To Contact (TTC) yang digunakan untuk memperkirakan jarak robot dengan penghalang. Sistem ini menggunakan metode Time History Obstacle Detection untuk mengatasi terjadinya kesalahan deteksi pada beberapa frame tertentu. Sistem yang dibuat juga mampu memberikan respon terhadap hasil pendeteksian dengan menampilkan indikator arah. Berdasarkan hasil dari beberapa pengujian menunjukkan bahwa sistem mampu mendeteksi penghalang diam yang bertekstur, baik di lingkungan yang nyata maupun di lingkungan buatan atau simulasi. Rata – rata waktu yang diperlukan untuk kalkulasi optical flow adalah 8 ms dan ini berbanding lurus dengan peningkatan jumlah titik corner yang digunakan sebagai parameter masukan. Secara keseluruhan, sistem dapat bekerja dengan rata – rata total waktu eksekusi yang diperlukan tiap frame sebesar 31 ms. Sistem dapat mendeteksi penghalang diam pada lingkungan dengan intensitas cahaya sebesar 22 lx sampai dengan 400 lx.

Cameras as sensors on robot is a form of computer vision implementation. Camera which mounted on the robot, serves as a data source in the form of digital image that describes the environs of the robot. Then the digital image processed by a system to get information about the existence of an obstacle that getting in the way of the robot. Motionless obstacle detection system implemented in this final project is using Lucas Kanade Pyramidal Optical Flow methods and the greyscale image obtained from a camera or video files is used as system input. The system is built using OpenCV library. Corner point which is the result of corner detection using Shi-Tomasi Corner Detection is used as input parameters for optical flow calculation. The results from optical flow calculation is processed into Time to Contact (TTC) value that used to estimate the distance of the robot to the obstacle. This system uses Time History Obstacle Detection methods to resolve false detection on some specific frame. Detection response of the system is by displaying indicators of direction. The system testing results indicate that the system is able to detect the textured motionless obstacle, both in the real scene and the artificial or simulated environment. The average of optical flow calculation time is 8 ms and its value is directly proportional to the increase in the number of corner points that used as input parameters. The average of total execution time of the system required for each frame is 31 ms. The system can detect motionless obstacle in environments with light intensity value from 22 lx to 400 lx.