Rekontruksi Citra 3 Dimensi menggunakan Voxel Coloring
Oleh : Umar Maksum
2204 109 659
Dosen Pembimbing : Ahmad Zaini, ST, M.T. Dr. I Ketut Eddy Purnama.ST.,MT
Latar Belakang
Mendapatkan bentuk citra objek 3D yang sesuai dengan bentuk objeknya merupakan hal yang komplek. Selama ini untuk mendapatkan gambar objek tiga dimensi dilakukan secara manual yaitu dengan melakukan pengukuran secara manual terhadap objek yang akan digambar dan kemudian menggambar objek tersebut secara manual.
Proses ini memerlukan waktu yang cukup lama. Oleh karena itu diperlukan suatu prototype yang dapat menscanning bentuk benda dan dapat menggambar benda tersebut sesuai dengan aslinya. Oleh karena itu pada penelitian ini mencoba untuk membuat system rekontruksi citra 3 dimensi menggunakan Voxel Coloring. Metode Voxel Coloring (VC) yang dikemukakan oleh Slabaugh, dimana metode ini kemudian dikembangkan oleh oleh Seitz dan Dyer.
Metode Voxel coloring ini dapat menghasilkan obyek 3D yang bersifat sesuai dengan citra input-nya (photorealistic) dan dapat mengatasi masalah penutupan obyek (occlusion) yang terjadi pada proses rekonstruksi. Dengan adanya prototype ini dapat memudahkan untuk menggambar benda 3D.
Tujuan
Tujuan yang hendak dicapai dalam tugas akhir ini adalah merancang dan mengimplementasikan rekontruksi objek 3D dengan metode VC (Voxel Coloring) sehingga didapatkan objek sesuai bentuk aslinya.
Batasan Masalah Pengambilan gambar secara manual dengan memutar objek dari berbagai sudut. Untuk pengambilan gambar digunakan kamera web yang telah terkalibrasi. Pengujian dilakukan pada objek yang sederhana.
Metodologi
Studi iteratur.
Pada tahap ini akan dipelajari secara mendalam hal-hal sebagai berikut:
Ebook tentang VC (Voxel Coloring)
Microsoft Visual C++
Library OpenGL dan OpenCV
Realisasi Program
Proses pembuatan aplikasi dilakukan dengan microsoft Visual C++ dengan library OpenGl dan OpenCV.
Pengujian dan percobaan
Sebelum menjadi aplikasi yang siap pakai, terlebih dahulu harus dilakukan pengujian, dalam hal ini pengambian gambar pada objek-objek sederhana seperti kardus dan meguji hsil rekontruksi objek 3 dimensi.
Penulisan buku tugas akhir
Menyusun laporan yang menunjukkan hasil yang diperoleh dalam tugas akhir.
Kalibrasi Kamera
Kalibrasi kamera adalah salah satu langkah yang harus dilakukan dalam proses rekonstruksi 3D. dimana proses ini diperlukan untuk mendapatkan informasi metrik dari gambar 2D. Metode yang akan digunakan untuk melakukan proses rekonstruksi gambar 3D ini dikembangkan oleh Zhang [4]. Metode ini merupakan kombinasi dari Photogrammetric Calibration dan Self Calibration, karena menggunakan informasi metrik 2D dan menghasilkan informasi yang meliputi parameter intrinsik dan ekstrinsik yang akan digunakan dalam proses penghitungan letak benda dalam ruang 3D.
Proyeksi Gambar Hubungan antara koordinat 3 dimensi dengan image coordinat dapat dijabarkan sbb:
Gambar 1 hubungan antara world coordinat dan image coordinat
Definisi Voxel
Voxel melambangkan sebuah nilai diskrit dari ruang 3D, seperti pixel yang merupakan satuan terkecil dari gambar 2D, istilah voxel digunakan untuk melambangkan satuan terkecil yang ada pada gambar 3D. Voxel Coloring (VC) adalah sebuah metode rekonstruksi gambar 3D dari beberapa gambar 2D yang dikemukakan oleh Slabaugh[1] dan merupakan pengembangan dari metode Voxel Coloring [2].VC menghasilkan rekonstruksi gambar 3D dengan menggunakan teori tentang visibility yang tepat dan penempatan kamera yang berubah-ubah.
Voxel Coloring (VC)
Voxel Coloring adalah sebuah algoritma untuk merekonstruksi bentuk 3D dari sejumlah masukan citra yang dikemukakan oleh Seitz dan Dyer [1] Langkah awal metode ini ialah mendiskritkan obyek yang akan dimodelkan menjadi sekumpulan voksel, yang akhirnya membentuk suatu ruang yang disebut ruang voksel (voxel space). Kemudian dilakukan pengecekan secara berurutan terhadap ruang voksel dimulai dari posisi yang terdekat dengan kamera hingga posisi yang terjauh. Pengecekan ini dilakukan untuk mengidentifikasi voksel mana yang mempunyai warna yang unik dan konsisten. Sebuah voksel dianggap konsisten jika hasil proyeksi dari voksel tersebut ke citra input menghasilkan warna yang sama untuk semua citra dimana voksel tersebut terlihat.
Color Consistency
Dalam memproses sebuah voxel perlu dilakukan pengecekan bahwa voxel tersebut terlihat pada gambar dan merupakan bagian dari objek, pengecekan apakah suatu voxel terlihat pada gambar atau tidak. Proses diakukan dengan menghitung standard deviasi dari kumpulan warna pixel hasil proyeksi V kemudian dibandingkan dengan nilai threshold maka dapat dianggap bahwa proyeksi V menunjuk pada obyek yangs sama
Gambar 2 Proses colour consistency check
Perencanaan Sistem Secara garis besar sistem perangkat lunak ini terdiri dari beberapa bagian utama.yaitu:
Input Proses input terdiri dari proses pengambilan citra chessboard pattern dan citra obyek dengan menggunakan kamera digital.Citra yang didapatkan akan digunakan sebagai input pada proses selanjutnya.
Segmentation Proses segmentation adalah proses untuk memisahkan obyek dengan lingkungan (latar belakang) sehingga memungkinkan sistem untuk mengenali obyek yang terdapat pada citra.
Camera Calibration Proses camera calibration berfungsi untuk mencari parameter intrinsik kamera dan mencari matrik ekstrinsik tiap citra berdasarkan koordinat dunia.
3D Reconstruction 3D Reconstruction adalah proses utama dari perangkat lunak. yaitu proses rekonstruksi citra 3D dengan metode voxel coloring untuk mencari titik-tltik yang berkoresponden dengan citra 2D berdasarkan warna.
Flowchart Sistem Perangkat Lunak
Gambar 4 Flowchart rekontruksi 3 Dimensi
Perangkat Pendukung
Perangkat lunak dibangun dengan visual C++ dengan beberapa library yang open source yaitu openCV dan openGL.Berjalan pada system operasi Microsoft Windows XP SP2.Berikut spesifikasi perangkat keras sistem yang digunakan: Tabel 1 Perangkat pendukung
No
Deskripsi
Spesifikasi
1
CPU
Intel Core 2 Duo T7500 @2.2 GHz
2
Memory
2 GB
3
VGA
Sys672 series 3 Graphics 128MB
4
Kamera
Webcam 1.3 MP
Algoritma Voxel Coloring Create empty voxel space and partition layers For every voxel layer L do pixelsDoneInLayer ← ∅ for every voxel V in layer L do pixels ← ∅ for all images I do
it
pixels←pixels∪selectUnmarked(projectVoxel(V,I)) end for consistent ← consistencyCheck(pixels) if pixels ≠ ∅ and consistent and containsBackgroundPixel(pixels) then colorVoxel(V,mean(pixels)) pixelsDoneInLayer ← ∪ pixels Else carveVoxel(V) end if end for mark(pixelsDoneInLayer) end for Gambar 5 Algoritma Voxel Coloring
into
not
Pengujian Prosedur pengujiannya adalah: Melakukan kalibrasi kamera agar nilai-nilai parameter hasil kalibrasi benar-benar akurat sehingga hasil rekontruksi lebih baik. Kalibrasi menggunakan citra pattern papan catur yang di capture dari 8 sudut yaitu : 00, 450, 900, 1350, 1800, 2250, 2700 dan 3150. Melakukan capture objek dari 8 posisi sudut mulai dari sudut 00, 450, 900, 1350, 1800, 2250, 2700 dan 3150. Segmentasi 8 citra input untuk diketahui apakah segmentasi berhasil dengan baik. Rekontruksi citra 3D dengan menggunakan voxel coloring. Citra yang diuji berupa bangun kubus dan prisma. Dengan memberikan pengjian volume space mulai dari 50X50X50, 100X100X100 dan 150X150X150 dihasilkan data berupa jumlah voksel dan waktu rekontruksi. Gambar 6 Pengujian kalibrasi
Pengujian Capture Objek
Gambar 4.5 Bangun Kubus
Gambar 4.5 Bangun Prisma
Gambar 7 Proses pengujian capture object
Pengujian Segmentasi
Gambar 4.7 Hasil Segmentasi Kubus
Gambar 4.7 Hasil Segmentasi Prisma
Pengujian Hasil Rekontruksi 3 Dimensi (1)
Gambar 4.9 Hasil Rekontruksi Prisma dengan voxel volume space (50X50X50) Data voxel: Voxel volume Space = 50 X 50 X 50 Banyak voxel = 2914 voxel Waktu rekontruksi = 19,687 detik
Pengujian Hasil Rekontruksi 3 Dimensi (2)
Gambar 4.10 Hasil Rekontruksi Prisma dengan voxel volume space (100X100X100) Data voxel: Voxel volume Space = 100 X 100 X100 Banyak voxel = 10437 voxel Waktu rekontruksi = 79,953 detik
Pengujian Hasil Rekontruksi 3 Dimensi (3)
Gambar 4.11 Hasil Rekontruksi Prisma dengan voxel volume space (150X150X150) Data voxel: Voxel volume Space = 150 X 150 X 150 Banyak voxel = 21349 voxel waktu rekontruksi = 215,859 detik
Pengujian Hasil Rekontruksi 3 Dimensi (4)
Gambar 4.12 Hasil Rekontruksi Kubus dengan voxel volume space (50X50X50) Data voxel: Voxel volume Space = 50 X 50 X 50 Banyak voxel = 4841 voxel Waktu rekontruksi = 21,844 detik
Pengujian Hasil Rekontruksi 3 Dimensi (5)
Gambar 4.13 Hasil Rekontruksi Kubus dengan voxel volume space (100X100X100) Data voxel: Voxel volume Space = 100 X 100 X 100 Banyak voxel = 15675 voxel Waktu rekontruksi = 74,297 detik
Pengujian Hasil Rekontruksi 3 Dimensi (6)
Gambar 4.14 Hasil Rekontruksi Kubus dengan voxel volume space (150X150X150) Data voxel: Voxel volume Space = 150 X 150 X 150 Banyak voxel = 30471 voxel Waktu rekontruksi = 208,11detik
Tabel Hasil Percobaan Tabel 1 Percobaan Kubus No VoxelVolume Space 1 50 X 50 X 50
Jumlah Voksel 4841
Waktu Rekontruksi (dt) 21,844
2
100 X 100 X 100
15675
74,297
3
150 X 150 X 150
30471
208,11
Tabel 2 Percobaan Prisma No 1 2 3
Voxel Volume Space 50 X 50 X 50 100 X 100 X 100 150 X 150 X 150
Jumlah Voksel 2914 10437 21349
Waktu Rekontruksi (dt) 19,687 79,953 215,859
Kesimpulan A. Kesimpulan
Pada percobaan bangun Kubus dan Prisma bahwa semakin besar volume voxel space-nya maka semakin banyak jumlah voxel-nya dan semakin besar waktu yang dibutuhkan untuk melakukan rekontruksi.
Pada Kubus untuk volume voxel space (150X150X150) jumlah voxel-nya 30471 voxel, time reconstruction 208,11 detik. Untuk Prisma dengan volume voxel space (150X150X150) jumlah voxel-nya 21349 voxel, time reconstruction-nya 215,859 detik.
Hasil rekontruksi 3D dengan volume voxel space (50X50X50) lebih kasar karena jumlah voksel lebih sedikit, sehingga untuk menghasilkan citra yang lebih halus maka volume space-nya lebih besar.
B. Saran
Guna menunjang pengujian aplikasi ini, maka dukungan hardware harus memadai. Saat ini, replika hardware belum bisa meberikan hasil maksimal dalam pengujian.
Pengambilan gambar yang lebih banyak, agar rekontruksinya dapat sesuai seperti bentuk aslinya.
Referensi [1] Gregory G. Slabaugh. Novel Volumentric Scene Reconstuction Methods for New View Synthesis. USA: Georgia Institute of Technology, 2002 [2] Steven M. Seitz dan Charles R. Dyer, Photorealistic Scene Reconstruction by Voxel Coloring, Proc. Computer Vision and Pattern Recognition Conf, pp.1067-1073, 1997 [3] Rudy Adipranata, Hwang-Kyu Yang and Tae-Soo Yun. Implementation of Photorealistic 3D Object Reconstruction Using Voxel Coloring. 19th Conference of Korean Information Processing Society, pp. 527-530, 2003 [4] Zhang, Zhengyou. Flexible Camera Calibration by Viewing aPlane from Unknown Orientation. In International Conf. on Computer Vision, 1999 [5] Open CV Documentation by Intel Research.
, akses : 3 Desember 2009 [6] http://en.wikipedia.org/wiki/Voxel, 2009
