BAB 2 LANDASAN TEORI
2.1 Computer Vision Machine vision merupakan salah satu cabang ilmu yang sering digunakan untuk pengembangan bidang robotik. Cabang ilmu ini lebih dikenal dengan sebutan computer vision. Cabang ilmu ini mempelajari bagaimana komputer dapat mengenali objek yang diamati/ diobservasi. Computer vision merupakan kombinasi dari: •
Pengolahan Citra (Image Processing) Bidang ini berhubungan dengan proses transformasi citra/ gambar. Proses ini bertujuan untuk mendapatkan kualitas citra yang lebih baik.
•
Pengenalan Pola (Pattern Recognition) Bidang ini berhubungan dengan proses identifikasi objek pada citra atau interpretasi citra. Proses ini bertujuan untuk mengekstrak informasi/ pesan yang disampaikan oleh gambar/ citra.
(http://ilmukomputer.internux.net.id/berseri/tharomrobot/index.php) Secara keseluruhan tujuan dari sistem computer vision adalah membuat model dunia nyata dari sebuah gambar. Sebuah sistem computer vision memperbaiki informasi yang berguna mengenai scene dari proyeksi dua-dimensi. Gambar proyeksi dua-dimensi berasal dari dunia tiga-dimesi, maka informasi yang didapat tidak langsung tersedia dan harus diperbaiki. Perbaikan ini memerlukan inversi yang banyak
7
8
dari satu pemetaan. Pengetahuan mengenai objek-objek pada scene dan proyeksi geometri sangat diperlukan dalam memperbaiki informasi tersebut. Gambar 2.1. merupakan salah satu aplikasi sistem computer vision. Gambar tersebut menjelaskan tentang diagnosa suatu penyakit dengan menggunakan gambar tomografi yang diolah oleh komputer. Sistem computer vision membantu dokter untuk memperbaiki informasi dengan meningkatkan kualitas gambar. Pengukuran kuantitatif pada daerah yang diinginkan juga dapat dibuat tersedia dengan mudah. Sistem tersebut telah dikembangkan untuk semua mode pencitraan yang berguna dalam berbagai aspek kesehatan. Aplikasi serupa sedang dikembangkan untuk pemeriksaan industri, pertanian, dan produk lainnya. Sistem computer vision telah digunakan untuk pengendalian kualitas produk dari pembuatan pizza hingga pemilihan buah jeruk atau apel yang berkualitas.
Gambar 2.1 Gambar X-Ray Sumber Gambar : http://www.allposters.com/-sp/Bronchitis-Chest-X-Ray-Adult-Posters_i4257631_.htm
9
Di bidang kesehatan, gambar-gambar medis dapat diproses oleh sistem yang ada didalam komputer ( machine vision ) untuk membantu dalam hal diagnosa sebuah penyakit. Gambar 2.1 merupakan contrast-enhanced CT ( tranverse X-ray computed tomography ) dari sebuah paru-paru manusia. (Ramesh Jain, dkk., 1995, p1) Computer vision tidak hanya berlaku pada pemprosesan gambar saja, tetapi juga dapat diterapkan pada mobile robot. Seperti halnya pada manusia, kemampuan vision mempengaruhi robot, dengan mekanisme pengindraan yang mutakhir yang memungkinkan suatu mesin untuk merespon lingkungannya dengan menggunakan kecerdasan (inteligent).
Gambar 2.2 Penggunaan Computer Vision Sumber gambar : http://psychology.wikia.com/wiki/Computer_vision
10
Computer vision itu sendiri adalah sebuah bagian dari kecerdasan buatan dan pengolahan citra yang dihubungkan oleh komputer untuk melakukan pemrosesan citra digital yang berasal dari lingkungan sekitar. Gambar 2.2 misalnya, computer vision pada dasarnya membutuhkan kombinasi dari pengolahan citra tingkat dasar untuk memperbaiki kualitas citra (contohnya menghilangkan noise) dan tingkat yang lebih lanjut berupa pengenalan pola serta interpretasi citra untuk mendapatkan informasi yang terdapat di dalam gambar yang berhasil ditangkap oleh sebuah sensor visual. Computer vision adalah aplikasi lain yang berhubungan dengan AI, merupakan alat analisis dan evaluasi informasi visual dengan menggunakan komputer. Tekhnik AI memungkinkan komputer untuk bisa menguji sebuah gambar atau adegan nyata dengan mengidentifikasi objek, cirinya atau polanya. (Nathaniel, 2007, p8) Computer vision pada bidang robotik biasa disebuat juga dengan vision robot. Vision robot dapat didefinisikan sebagai proses ekstraksi, karakteristik serta menafsirkan informasi dari dunia gambar tiga-dimensi. Proses ini disebut juga sebagai mesin atau vision komputer ( Computer vision ), dan dapat dibagi menjadi enam wilayah prinsip yang meliputi sensing, preproses, segmentasi, deskripsi, pengenalan dan interpretasi. Pada skripsi yang penulis kerjakan segmentasi dan recognition merupakan bagian terpenting yang akan digunakan nantinya.
2.1.1 Segmentasi Segmentasi adalah proses yang membagi sebuah scene yang menjadi bagian-bagian dari penyusunnya atau sebuah objek. Segmentasi merupakan
11
salah satu elemen yang paling penting dari sebuah sitem vision otomatis, karena pada tahap pengolahan objek yang diambil dari sebuah scene untuk recognition selanjutnya dan dianalisis. Algoritma segmentasi umumnya didasarkan pada salah satu dari dua prinsip dasar: diskontinuitas dan kesamaan. Pendekatan utama yang pertama adalah berdasarkan batas deteksi: pendekatan utama yang kedua adalah yang berbasiskan di wilayah threshold dan berkembang. Konsepkonsep ini berlaku baik untuk statis maupun dinamis scene. (K.S.Fu, dkk., 1987, p296) Suatu gambar yang tersegmentasi akan memisahkan antara objek dengan backgroundnya. Objek recognition dan masalah segmentasi berhubungan erat dalam banyak kasus. Contoh di beberapa aplikasi, ada kemungkinan segmentasi keluar dari objek dengan mudah. Contohnya ketika objek belum tersegmentasi, masalah recognition berhubungan erat dengan masalah segmentasi. Secara tidak langsung dapat dikatakan bahwa segmentasi citra merupakan suatu proses pengelompokkan citra menjadi beberapa region berdasarkan kriteria tertentu. Berdasarkan pengertiannya, segmentasi memiliki tujuan menemukan karakteristik khusus yang dimiliki suatu citra. Oleh karena itulah, segmentasi sangat diperlukan pada proses pengenalan pola. Semakin baik kualitas segmentasi maka semakin baik pula kualitas pengenalan polanya. Secara umum ada beberapa pendekatan yang banyak digunakan dalam proses segmentasi antara lain :
12
a) teknik threshold, yaitu pengelompokan citra sesuai dengan distribusi properti pixel penyusun citra.
b) teknik region-based, yaitu pengelompokkan citra kedalam regionregion tertentu secara langsung berdasar persamaan karakteristik suatu area citranya.
c) edge-based methods, yaitu pengelompokkan citra kedalam wilayah berbeda yang terpisahkan karena adanya perbedaan perubahan warna tepi dan warna dasar citra yang mendadak.
Pendekatan pertama dan kedua merupakan contoh kategori pemisahan image berdasarkan kemiripan area citra, sedangkan pendekatan ketiga merupakan salah satu contoh pemisahan daerah berdasarkan perubahan intensitas yang cepat terhadap suatu daerah.
(http://www.ittelkom.ac.id/library/index.php?view=article&catid=20%3Ainformat ika&id=575%3Asegmentasi-citra&option=com_content&Itemid=15)
2.1.2 Recognition Recognition adalah proses pelabelan: yaitu, fungsi algoritma recognition adalah untuk mengidentifikasi setiap objek yang tersegmnetasi dalam scene dan untuk menetapkan label (nama) objek tersebut. Sebagian besar tahap sistem recognition dalam vision industri beroperasi pada asumsi bahwa objek dalam sebuah scene telah tersegmentasi sebagai unit personal. Kendala lain yang
13
umum dihadapi adalah bahwa gambar diperoleh dengan melihat geometri yang dikenalnya (biasanya tegak lurus dengan wilayah kerja). Hal ini menurunkan varibilitas pada karakteristik bentuk dan penyederhanaan segmentasi dan deskripsi dengan mengurangi kemungkinan terjadinya oklusi. Variabilitas dalam objek orientasion ditangani dengan memilih rotasi deskripsi-invarian atau dengan menggunakan sumbu utama objek untuk mengarahkannya ke arah yang telah ditetapkan. Pendekatan recognition sering digunakan saat ini dengan membaginya menjadi dua kategori utama: decision theory dan struktural. Metode decision theory didasarkan pada deskripsi kualitatif (contoh tekstur statistik), sedangkan metode struktural mengandalkan deskripsi simbolik dan hubungannya (contoh urutan arah dalam batas kode rantai). (K.S.Fu, dkk., 1987, p296)
2.2 Warna Sistem visual manusia dapat membedakan ratusan ribu shade warna dan intersitas, tetapi hanya 100 shade keabun. Oleh sebab itu, dalam suatu citra, masih banyak informasi lainnya yang ada pada warna, dan informais terse-but juga dapat digunakan untuk menyederhanakan analisis citra, misalkan identifikasi objek dan ekstraksi warna. Tiga kuatisasi yang dapat digunakan untuk menggambarkan warna: • hue ditentukan oleh dominan panjang gelombang. Warna yang dapat dilihat oleh mata memiliki panjang gelombang antara 400 nm (violet) 700 nm (red) pada spektrum electromagnetic seperti pada gambar 2.3.
14
Gambar 2.3 Visible Spectrum • (Saturation) ditentukan oleh tingkat kemurnian, dan tergantung pada jumlah sinar putih yang tercampur dengan hue. Suatu warna hue murni adalah secara penuh tersaturasi, yaitu tidak ada sinar putih yang tercampur. Hue dan saturation digabungkan menentukan chromaticity suatu warna. Intensitas ditentukan oleh jumlah sinar yang diserap. Semakin banyak sinar yang diserap semakin banyak tinggi intensitas warnanya. • Sinar Achromatic tidak memiliki warna, tetapi hanya ditentukan oleh atribut intensitas. Tingkat keabuan (Greylevel) adalah ukuran intensitas yang ditentukan oleh energi, sehingga merupakan suatu kuantitas fisik. Dalam hal lain, brightness atau luminance ditentukan oleh persepsi warna (sehingga dapat merupakan efek psychology). Apabila diberikan sinar biru dan hijau dengan intensitas yang sama, sinar biru diterima (perceived) lebih gelap dibandingkan sinar hijau. Sehingga dapat dikatakan bahwa persepsi intensitas manusia adalah non-linear, misalkan perubahan intensitas yang dinormalisasi dari 0.1 ke 0.11 dan 0.5 ke 0.55 akan diterima dengan perubahan tingkat kecerahan (brightness) yang sama.
15
Warna secara utuh bergantung pada sifat pantulan (reflectance) suatu objek. Warna yang dilihat merupakan yang dipantulkan, sedangkan yang lainnya diserap. Sehingga sumber sinar perlu diperhitungkan begitu pula sifat alami system visual manusia ketika menangkap suatu warna. Sebagai contoh, suatu objek yang memantulkan sinar merah dan hijau akan tampak berwarna hijau apabila benda tersebut disinari oleh sinar hijau (tanpa adanya sinar merah). Demikian juga sebaliknya, objek akan tampak berwarna merah apabila tidak terdapat sinar hijau. Apabila benda tersebut disinari oleh sinar putih, maka objek tersebut berwarna kuning (merupakan gabungan warna hijau + merah).
2.2.1 Teori Tristimulus Persepsi Warna Retina manusia memiliki 3 jenis cones. Respon setiap jenis cone sebagai suatu fungsi panjang gelombang (gambar 2.4). Pada Gambar 2.4, puncak setiap kurva warna adalah ada 440 nm (biru), 545 nm (hijau) dan 580 nm (merah).
Gambar 2.4 Spectral response curves for each cone type. The peaks for each curve are at 440nm (blue), 545nm (green) and 580nm (red).
16
CIE primaries Teori tritimulus persepsi warna dapat dilihat bahwa suatu warna dapat diperoleh dari suatu campuran tiga warna utama: merah, hijau dan biru (Red Green Blue). Meskipun hampir setiap warna yang tampak dapat ditentukan sesuai dengan tiga komponen diatas, tetapi masih terdapat beberapa warna yang tidak dapat diuraikan sebagai kombinasi dari ketiga warna dasar tersebut. Bagaimanapun juga apabila salah satu dari ketiga komponen warna dasar tersebut ditambahkan ke warna yang tidak dapat dicocokkan tadi, maka warna yang tidak dapat dicocokkan tersebut dapat dicocokkan dengan campuran dari dua warna dasar lain. Hal ini menunjukkan bahwa warna dapat memiliki nilai bobot negatif dari ketiga komponen warna dasar tersebut. Pada tahun 1931, Commission Internationale de l’ Eclairage (CIE) mendefinisikan tiga standar komponen warna utama : X, Y dan Z. yang dapat ditambahkan untuk membentuk semua kemungkinan warna. Warna utama Y dipilih sedemikian rupa sehingga fungsi kecocokan warnanya secara tepat mencocokkan fungsi luminous efisiensi mata manusia berdasarkan penjumlahan ketiga warna seperti pada gamabar 2.5. Diagram Chromaticity (Gambar 2.5) menunjukkan semua visible colours. Sumbu x dan y merupakan nilai normalisasi warna utama X dan Y untuk suatu warna, dan z =1-x-y menyatakan jumlah Z utama yang diperlukan. Chromaticity bergantung pada panjang gelombang dan saturation dominan, dan tidak bergantung pada energi luminan. Warna dengan nilai chromaticity yang sama tetapi dengan luminan berbeda akan terpetakan pada titik yang sama di regian tersebut.
17
Gambar 2.5: Diagram CIE Chromaticity menunjukkan semua visible colours. x dan y adalah jumlah normalisasi kemunculan X and Y primaries, z = 1 x -y menentukan jumlah Z primary yang dibutuhkan.
Warna spectrum utama murni berada pada bagian kurva batas daerah, dan suatu sinar putih standar memiliki warna yang didefinisikan berada dekat (tetapi tidak di) titik dengan persamaan energi x = y = z =1/3. Warna komplementer, yaitu warna yang ditambahkan ke warna putih, berada di titik akhir suatu garis yang melewati titik tersebut. Sebagai ilustrasi pada gambar 2.4, semua warna yang berada di dalam segitiga dapat dibentuk dari campuran warna yang berada pada verteks (garis) segitiga. Dari ilustrasi grafik tersebut, semua warna visible tidak dapat diperoleh dari campuran warna utama R, G dan B (atau dari tiga visible warna lainnya), karena bentuk diagramnya bukan segitiga.
18
Gambar 2.6: Warna Campuran pada Diagram Chromaticity (Catatan Kuliah Pengantar Pengolahan Citra, Adang Suhendra)
2.3 Robot Siapa yang tidak mengenal robot. Perkembangan tekhnologi ini semakin pesat. Robot berasal dari kata “robota” yang dalam bahasa Ceko yang berarti budak, pekerja atau kuli. Pertama kali kata “robota” diperkenalkan oleh Karel Capek dalam sebuah pentas sandiwara pada tahun 1921 yang berjudul RUR (Rossum’s Universal Robot). Pentas ini mengisahkan mesin yang menyerupai manusia yang dapat bekerja tanpa lelah yang kemudian memberontak dan menguasai manusia. Istilah “robot” ini kemudian mulai terkenal dan digunakan untuk menggantikan istilah yang dikenal saat itu, yaitu automaton. ( http://nugroho.staff.uii.ac.id/2009/02/01/apa-sih-robot-itu/ ) Menurut S. Brian Morris, robot adalah mesin yang dapat diprogram kembali dengan beberapa derajat kebebasan mandiri yang dapat bertukar informasi dengan peralatan lain. Namun definisi ini juga menyatakan secara tidak langsung bahwa
19
komputer yang mengendalikan derajat kebebasan yang merupakan bagian dari suatu robot. Dengan kata lain, bila merujuk dari dua definisi yang disebutkan bahwa robot merupakan suatu mesin yang dapat diprogram kembali untuk bergerak ke segala posisi selama masih berada di dalam batasan setiap derajat kebebasan. (S.Brian Morris, 1995, p232) Robot juga dapat didefinisikan sebagai sebuah alat mekanik yang dapat melakukan tugas fisik, baik menggunakan pengawasan dan kontrol manusia, ataupun menggunakan program yang telah didefinisikan terlebih dulu (kecerdasan buatan). ( http://id.wikipedia.org/wiki/Robot ) Robot biasanya digunakan khususnya dalam bidang indutri yaitu melakukan tugas-tugas yang berat untuk menggantikan manusia, seperti robot pembersih limbah beracun. Namun, dengan semakin berkembangnya tekhnologi serta ilmu dibidang robotic, memungkinkan robot dikembangan secara luas. Sehingga tidak terpaku pada bidang indutri saja, melainkan merambah ke bidang lainnya, yaitu pertahanan, akademik bahkan hiburan. Khusus untuk bidang akademik, robot biasa digunakan oleh para hobbyist atau akademik untuk pengembangan maupun coba-coba. Biasanya robot yang digunakan oleh para hobbyist ini bisa berupa robot rakitan yang sederhana atau robot yang sudah jadi.
20
2.3.1 LEGO NXT
Gambar 2.7 LEGO NXT Mindstroms Sumber : foto penulis
Pada gambar 2.7 merupakan gambar dari LEGO Corporation dengan tipe mindstroms NXT. Lego mindstroms ini merupakan generasi terbaru dalam pendidikan
di
mengaplikasikan
bidang ilmu
robotik,
yang
pengetahuan,
memudahkan tekhnologi
dan
penggunanya
untuk
matematik
secara
menyenangkan, menarik dan mudah dalam pembuatannya. Dengan adanya kombinasi dari LEGO building system dengan tekhnologi LEGO MINDSTROMS, pengguna dengan mudah dapat merancang, membangun, memprogram bahkan menguji robot tersebut. Dalam hal ini, bisa dikatakan secara tidak langsung membuat pengguna menjadi lebih kreatif untuk menyelesaikan berbagai masalah dalam pembuatan robot mindstroms NXT ini. Ada pun fitur-fitur yang terdapat di dalamnya antara lain advanced 32-bit computer controlled NXT brick, interactive servo motors, sounds, ultrasonic dan sensor lainnya, bluetooth communication dan beberapa kemampuan donwload. ( http://mindstorms.lego.com/en-us/default.aspx )
21
2.4 AVR AVR merupakan seri mikrokontroler CMOS 8-bit buatan Atmel, berbasis arsitektur RISC ( Reduced Instruction Set Komputer ). Hampir semua instruksi dieksekusi dalam satu siklus clock. AVR mempunyai 32 register general-purpose, timer/counter fleksibel dengan mode compare, interrupt internal dan eksternal, serial UART, programmable Watchdog Timer, dan mode power saving, ADC dan PWM internal. AVR juga mempunyai In-System Programmable Flash on-chip yang mengijinkan memori program untuk diprogram ulang dalam sistem menggunakan hubungan serial SPI. ATMega16. ATMega16 mempunyai
throughput mendekati 1 MIPS per MHz membuat
disainer sistem untuk mengoptimasi konsumsi daya versus kecepatan proses. Beberapa keistimewaan dari AVR ATMega16 antara lain: 1.
Advanced RISC Architecture
•
130 Powerful Instructions – Most Single Clock Cycle Execution
•
32 x 8 General Purpose Fully Static Operation
•
Up to 16 MIPS Throughput at 16 MHz
•
On-chip 2-cycle Multiplier
2.
Nonvolatile Program and Data Memories
•
8K Bytes of In-System Self-Programmable Flash
•
Optional Boot Code Section with Independent Lock Bits
•
512 Bytes EEPROM
•
512 Bytes Internal SRAM
•
Programming Lock for Software Security
22
3.
Peripheral Features
•
Two 8-bit Timer/Counters with Separate Prescalers and Compare Mode
•
Two 8-bit Timer/Counters with Separate Prescalers and Compare Modes
•
One 16-bit Timer/Counter with Separate Prescaler, Compare Mode, and Capture Mode
•
Real Time Counter with Separate Oscillator
•
Four PWM Channels
•
8-channel, 10-bit ADC
•
Byte-oriented Two-wire Serial Interface
•
Programmable Serial USART
4.
Special Microcontroller Features
•
Power-on Reset and Programmable Brown-out Detection
•
Internal Calibrated RC Oscillator
•
External and Internal Interrupt Sources
•
Six Sleep Modes: Idle, ADC Noise Reduction, Power-save Powerdown, Standby and Extended Standby
5.
I/O and Package
•
32 Programmable I/O Lines
•
40-pin PDIP, 44-lead TQFP, 44-lead PLCC, and 44-pad MLF
6.
Operating Voltages
•
2.7 - 5.5V for Atmega16L
•
4.5 - 5.5V for Atmega16
23
Pin-pin pada ATMega16 dengan kemasan 40-pin DIP (dual inline package). Guna memaksimalkan performa, AVR menggunakan arsitektur Harvard (dengan memori dan bus terpisah untuk program dan data). Berikut adalah gambar dari AVR Atmega16
Gambar 2.8 AVR Atmega16 Sumber Gambar : http://www.sourabh.sankule.com/tutorial/avr/overview.html
Seperti yang terlihat pada gambar 2.8, ATMega16 mempunyai empat buah port yang bernama PortA, PortB, PortC, dan PortD. Keempat port tersebut merupakan jalur bidirectional dengan pilihan internal pull-up. Tiap port mempunyai tiga buah register bit, yaitu DDxn, PORTxn, dan PINxn. Huruf ‘x’mewakili nama huruf dari port sedangkan huruf ‘n’ mewakili nomor bit. Bit DDxn terdapat pada I/O address DDRx, bit PORTxn terdapat pada I/O address PORTx, dan bit PINxn terdapat pada I/O address PINx. Bit DDxn dalam register DDRx (Data Direction Register) menentukan arah pin. Bila DDxn diset 1 maka Px berfungsi sebagai pin output. Bila DDxn diset 0 maka Px berfungsi sebagai pin input.Bila PORTxn diset 1 pada saat pin terkonfigurasi sebagai pin input, maka resistor pull-up akan diaktifkan. Untuk mematikan resistor pull-up, PORTxn harus diset 0 atau pin dikonfigurasi sebagai pin output. Pin port
24
adalah tri-state setelah kondisi reset. Bila PORTxn diset 1 pada saat pin terkonfigurasi sebagai pin output maka pin port akan berlogika 1. Dan bila PORTxn diset 0 pada saat pin terkonfigurasi sebagai pin output maka pin port akan berlogika 0. Saat mengubah kondisi port dari kondisi tri-state (DDxn=0, PORTxn=0) ke kondisi output high (DDxn=1, PORTxn=1) maka harus ada kondisi peralihan apakah itu kondisi pull-up enabled (DDxn=0, PORTxn=1) atau kondisi output low (DDxn=1, PORTxn=0). Biasanya, kondisi pull-up enabled dapat diterima sepenuhnya, selama lingkungan impedansi tinggi tidak memperhatikan perbedaan antara sebuah strong high driver dengan sebuah pull-up. Jika ini bukan suatu masalah, maka bit PUD pada register SFIOR dapat diset 1 untuk mematikan semua pull-up dalam semua port. Peralihan dari kondisi input dengan pull-up ke kondisi output low juga menimbulkan masalah yang sama. Kita harus menggunakan kondisi tri-state (DDxn=0, PORTxn=0) atau kondisi output high (DDxn=1, PORTxn=0) sebagai kondisi transisi. Pada AVR Atmega16 memiliki timer. Timer/counter adalah fasilitas dari ATMega16 yang digunakan untuk perhitungan pewaktuan. Beberapa fasilitas chanel dari timer counter antara lain: counter channel tunggal, pengosongan data timer sesuai dengan data pembanding, bebas -glitch, tahap yang tepat Pulse Width Modulation (PWM), pembangkit frekuensi, event counter external. (http://ilmukomputer.org/wp-content/uploads/2008/08/sholihul-atmega16.pdf )
2.5 LM7805 IC regulator 7805 adalah IC yang berguna untuk menstabilkan tegangan yang masuk ke rangkaian jika terjadi perubahan tegangan yang masuk ke rangkaian listrik.
25
Fungsi IC ini juga untuk menyaring tergangan yang besarnya lebih dari 5v dan diubah ke tegangan 5v sesuai dengan yang diinginkan oleh komponen rangkaian listrik
Gambar 2.9 LM7805 Sumber gambar : http://belajar-elektronika.com/datasheet/regulator-tegangan-positif-lm78xx/
Pada gambar 2.9 merupakan regulator LM7805 merupakan regulator yang menghasilkan tegangan yang tetap yang memiliki 3 kaki pada bentuk aslinya dimana terdapat VCC untuk aliran listrik masuk, kaki vout untuk hasil tegangan yang telah diubah, dan kaki ground. Tegangan yang keluar dari IC 7805 ini dapat memungkinkan untuk IC dipakai untuk rangkaian dengan menggunakan gerbang logika. Rangkaian Standart dari IC 7805 adalah sebagai berikut
Gambar 2.10 rangkaian IC7805 Sumber gambar : http://belajar-elektronika.com/datasheet/regulator-tegangan-positif-lm78xx/
26
Pada rangkaian dalam gambar 2.10, terdapat capasitor yang berada pada rangkaian, fungsi dari kapasitor pertama (Cin) adalah untuk meratakan tegangan dan fungsi dari kapasitor ke 2 Co adalah untuk memperbaiki atau menstabilkan tegangan yang telah diubahkan. ( http://belajar-elektronika.com/datasheet/regulator-tegangan-positif-lm78xx/ )
2.6 L293 L293 merupakan driver motor sirkuit terintegrasi yang dapat digunakan untuk simultan, bidirectional kontrol dua motor kecil. L293 ini terbatas untuk 600 mA. L293 memiliki 16 pin dalam IC nya, dan memiliki 2 jalur sirkuit terpadu. ( W. Durfee, Desember 01 ) Gambar 2.11 merupakan skematik pin dari ICL293
Gambar 2.11 Skematik IC L293
IC L293 dapat digunakan dengan memberikan logika. Logika yang digunakan adalah 1 ( High ) dan 0 ( Low ). Logika untuk menggerakan motor DC dengan menggunakan IC L293 dapat dilihat pada tabel 2.1.
27
Tabel 2.1 Logika pada L293 Enable
Input A
Input B
Reaksi motor DC
1
1
0
Motor ke kanan
1
0
1
Motor ke kiri
1
1/0
0 /1
Berhenti cepat
0
Acak
Acak
Berhenti lambat
(http://www.cambierobotics.com/HTML/Robotics/L293%20Motor%20Driver%201.pdf )
2.7 Motor DC Didalam setiap motor listrik, operasi yang terjadi didasarkan pada elektromagnetis sederhana. Magnet memiliki polaritas yang berlawanan yaitu kutub positif dan kutub negatif. Apabila 2 buah kutub yang berbeda bertemu, maka magnet akan saling tarikmenarik sehingga dapat melekat satu sama lain. Apabila 2 buah kutub yang sama polaritas nya bertemu, maka magnet akan saling tolak-menolak dan akan menjauh satu sama lain. Seperti yang terlihat pada gambar 2.12, motor DC memiliki bagian-bagian dasar, yaitu rotor, stator, magnet. Stator adalah bagian yang memiliki magnet didalamnya yang memilki kutub yang berbeda. Stator merupakan termasuk casing dari motor DC. Rotor yaitu bagian dalam motor DC yang berputar akibat adanya kumparan yang dililitkan. Lilitan yang membentuk kumparan akan dialiri arus sehingga kumparan tersebut memiliki polaritas seperti magnet. Adanya medan magnet pada stator dan rotor inilah yang mengakibatkan motor DC dapat bergerak.
28
Gambar 2.12 Bagian-bagian Motor DC ( http://www.solarbotics.net/starting/200111_dcmotor/200111_dcmotor2.html )
2.8 Kamera 2.8.1 WebCam Webcam merupakan kamera yang dapat digunakan bersamaan dengan perangkat komputer maupun dengan perangkat lain.
Gambar 2.13 WebCam Logitech C600 Sumber : http://www.logitech.com/en-au/webcam-communications/webcams/devices/5869 Pada gambar 2.13 merupakan gambar dari Logitech C600. WebCam ini memiliki kelebihan pada fitur-fitur menarik yang dapat digunakan oleh pengguna. Untuk kepentingan Image Prosesing, webcam ini telah mendukung kemampuan kamera 2 Megapixel-sensor, kamera juga mensupport sampai kemampuan up to 8 Megapixel
29
untuk penggunaan aplikasi yang ada didalam software webcam. Kemampuan lain dalam webcam ini adalah memiliki kemampuan sampe 30 frame per detik.
2.8.2 CMUcam3
Gambar 2.14 CMUcam3 Sumber Gambar : Datasheet CMUcam3 Gambar 2.14 merupakan gambar dari CMUcam3. CMUcam3 adalah sebuah prosesor ARM7TDMI yang telah dilengkapi dengan sensor untuk vision. Prosesor utama menggunakan LPC2106 yang terhubung dengan modul sensor kamera CMOS Omnivion. Dengan menggunakan bahasa C, CMUcam3 dapat dikembangkan dengan adanya libraries dan contoh program yang sudah ada. Komunikasi dengan CMUcam dapat menggunakan serial port. Beberapa fitur – fitur yang diberikan oleh CMUcam3 adalah sebagai berikut • CIF Resolution (352x288) dengan sensor RGB • Open Source Development Environment for Windows and Linux
30
• Slot MMC dengan mendukung driver FAT16 • 4 port untuk motor servo • Mengambil gambar dengan kecepatan 26 frame per detik • CMUcam2 Emulation CMUcam2 Emulation merupakan fitur yang ada didalam CMUcam3, dapat digunakan dalam proses vision. Perangkat simulasi ini memiliki kemampuan seperti yang terlihat pada gambar 2.15.
Gambar 2.15 CMUcam2 Emulation
31
Fitur yang ada didalam CMUcam2 Emulation ini meliputi •
Camera view, yang dapat digunakan untuk mengetahui objek yang ada didepan kamera
•
Config, digunakan untuk mengetahui konfigurasi dari objek yang ditangkap kamera
•
Colour, fitur ini digunakan untuk mendeteksi letak suatu objek berdasarkan warna yang dimiliki oleh objek
•
Motions, dapat digunakan untuk memberikan tanda dimana letak dari objek berdasarkan centroid atau titik tengah dari benda
•
Histogram, digunakan untuk mengetahui kepekatan warna yang ditangkap melalui kamera, dan memunculkan hasil dalam bentuk histogram
CMUcam3 adalah sebuah perangkat keras yang digabungkan dengan software yang pengembangannya terbuka secara luas. Hal ini ditargetkan kepada pengguna yang sudah terbiasa melakukan pengolahan gambar dan juga sudah terbiasa melakukan pemrograman dengan menggunakan mikrokontroller.
32
Gambar 2.16 Blok diagram dari CMUcam3 Sumber Gambar : Datasheet CMUcam3 Dari gambar 2.16 dapat dilihat, proses kerja dari CMUcam3 yaitu Omnivision CMOS Sensor berupa kamera yang menjadi satu dengan mikrokontroller LPC2106, akan melakukan perintah sesuai dengan perintah yang diberikan oleh Averlogic. Tegangan listrik yang digunakan adalah 5 volt output dari regulator. Regulator yang digunakan membuat sumber listrik yang dapat diberikan antara 6 sampai 15 volt tegangan DC. Motor servo yang terhubung dapat menggunakan tegangan listrik dari dalam, atau dapat menggunakan tegangan listrik tambahan. Dari gambar 2.17, dapat dilihat bahwa CMUcam3 memiliki serial port yang digunakan untuk berkomunikasi dengan perangkat lain. Serial port hanya menggunakan 3 pin yang ada pada serial, yaitu TX, RX, dan ground.
33
Gambar 2.17 Hadware Connection Sumber Gambar : Datasheet CMUcam3 (http://www.seattlerobotics.com/CMUcam3_datasheet.pdf)
Teori Pengenalan Lokasi Sistem yang digunakan oleh CMUcam dalam mengenali lokasi adalah dapat dengan mengenali warna. Hal yang dilakukan dalam mengenali suatu warna adalah CMUcam harus menentukan nilai minimum dan nilai maksimum untuk warna yang telah ditentukan yaitu warna RGB. Setiap warna merupakan warna merah , hijau dan biru dan seberapa besar warna-warna tersebut dicampurkan dan menghasilkan warna akhir. Nilai maksimum atau batas minimum yang diketahui dari ketiga warna tersebut akan menjadi pedoman dalam pengenalan warna oleh CMUcam. Proses pengenalan tersebut dipengaruhi oleh besarnya cahaya yang digunakan untuk mentracking objek. Pada kamera CMUcam masing masing dari warna tersebut akan dikonversikan menjadi angka yaitu antara 16-240 yang merupakan batas minimum dan batas maksimum, dan jika kita memiliki batas minimum dan maksimum di dalam warna
34
tersebut maka kita memiliki 3 batas minimum dan 3 batas maksimum. Adanya batasbatas tersebut maka dapat membatasi warna-warna yang ingin dicari oleh cmucam tersebut. Setelah menentukan warna apa yang akan dilacak, maka cmucam akan menentukan batas dan memproses batas yang akan dilacaknya. Pada cmucam, akan menggunakan algoritma dimana cmucam akan merekam gambar yang ada di depannya. Pertama-tama cmucam akan memulai mendeteksi dari bagian kiri atas, dan terus memeriksa setiap baris pixel object yang dilihatnya. Pixel yang terdeteksi oleh kamera menghasilkan pixel yang sama, maka pixel tersebut akan menjadi panduan cmucam untu mentracking object tersebut. Hal ini berfungsi pada saat benda menjauh, cmucam akan dapat mendeteksi letak benda berada di paling atas , bawah, kiri atau kanan dari jangkauan penglihatan cmucam tersebut. Cmucam akan dapat mendeteksi pixel horizontal dan pixel vertical dan disaat digabungkan maka cmucam akan mengenali object yang dicari berada dimana. (http://www.seattlerobotics.com/CMUcam3_datasheet.pdf)
2.9 Arduino Arduino merupakan sebuah perangkat elektronik yang memiliki sifat open-source dengan kemampuan fleksibel, dengan hardware dan software yang mudah digunakan. Software Arduino berisi editor teks yang digunakan untuk menulis kode, teks konsol, dan terdapat sebuah toolbar dengan tombol fungsi secara umum. Pengguna dapat memasukan sebuah perintah dalam bentuk coding, kemudian ketika software melakukan compile,
35
secara langsung software akan memberikan umpan balik tentang coding yang dimasukan, apakah terdapat error ataupun tidak.
