Pengenalan Orientasi Kepala Berbasis Visual untuk Interaksi Navigasi Lingkungan Virtual
LAPORAN TUGAS AKHIR
Disusun sebagai syarat kelulusan tingkat sarjana
oleh: Ibrahim Arief / 13503038
PROGRAM STUDI INFORMATIKA SEKOLAH TEKNIK ELEKTRO DAN INFORMATIKA INSTITUT TEKNOLOGI BANDUNG 2008
LEMBAR PENGESAHAN Program Studi Sarjana Teknik Informatika PENGENALAN ORIENTASI KEPALA BERBASIS VISUAL UNTUK INTERAKSI NAVIGASI LINGKUNGAN VIRTUAL
Tugas Akhir Program Studi Sarjana Teknik Informatika ITB
Oleh Ibrahim Arief / 13503038
Telah disetujui dan disahkan sebagai laporan tugas akhir di Bandung, pada tanggal 30 Juni 2008
Pembimbing
Dr.Ing.Ir. Iping Supriana NIP. 130 796 173
i
RINGKASAN Simulasi lingkungan virtual tiga dimensi merupakan salah satu pemanfaatan komputer yang membutuhkan banyak interaksi antara pengguna dengan komputer. Dari berbagai jenis interaksi antara pengguna dengan lingkungan virtual, dukungan terhadap interaksi navigasi yang baik sangat penting untuk meningkatkan produktivitas dan kenyamanan pengguna. Dalam tugas akhir ini, dikembangkan sebuah sistem pengenalan orientasi kepala dengan memanfaatkan citra wajah yang ditangkap oleh sebuah sensor visual untuk keperluan
navigasi
lingkungan
virtual.
Pengenalan
dilakukan
dengan
menggunakan dua macam jaringan saraf tiruan yang sudah dilatih dengan 2.740 citra wajah yang terdiri atas berbagai macam orientasi. Masing-masing jaringan saraf tiruan melakukan pengenalan orientasi untuk satu sumbu saja, horisontal dan vertikal. Pemrosesan awal yang dilakukan dalam sistem ini antara lain adalah isolasi citra wajah dari citra keseluruhan dengan menggunakan algoritma pendeteksian warna kulit, serta operasi normalisasi dan pengenalan sisi citra untuk meningkatkan akurasi pengenalan orientasi kepala. Dengan menggunakan kriteria pengelompokan orientasi kepala menjadi tiga kelas diskrit seperti kiri, tengah, dan kanan, sistem pengenalan orientasi kepala dapat mencapai tingkat akurasi 91,46% untuk pengenalan orientasi horisontal dan 85,88% untuk pengenalan orientasi vertikal. Selain itu, proses isolasi wajah mencapai tingkat akurasi sebesar 98,2%. Hasil pengenalan orientasi kepala tersebut lalu digunakan sebagai data navigasi dalam lingkungan virtual. Pengujian navigasi lingkungan virtual dengan menggunakan sistem ini mencapai hasil yang relatif baik. Kata kunci : virtual environment navigation, head pose recognition, neural network
ii
KATA PENGANTAR Puji syukur ke hadirat Allah SWT. Dengan rahmat dan bimbingan-Nya, penulis dapat menyelesaikan tugas akhir dengan judul ”Pengenalan Orientasi Kepala Berbasis Visual untuk Interaksi Navigasi Lingkungan Virtual” dengan baik.
Pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesarbesarnya pada: 1. Bapak Dr. Ing. Ir. Iping Supriana sebagai pembimbing Tugas Akhir, atas segala bantuan, pengalaman, bimbingan, dan pengetahuan yang sangat berharga selama pelaksanaan Tugas Akhir. 2. Ibu Dr. Eng. Ayu Purwarianti, S.T., M.T. atas segala kritik, saran, dan bimbingan yang diberikan selaku penguji seminar, prasidang, dan sidang Tugas Akhir. 3. Ibu Masayu Leylia Khodra, S.T., M.T. atas segala kritik, saran, dan bimbingan yang diberikan selaku penguji sidang Tugas Akhir penulis. 4. Ibu Nur Ulfa Maulidevi, S.T., M.Sc. atas segala kritik dan saran yang diberikan selaku penguji presentasi proposal Tugas Akhir. 5. Prof. Dr. Paul Grimm dan M. Yudha Kuntjoro, S.T., M.Sc., selaku dosen pembimbing selama pertukaran riset di Fachhochschule Erfurt, atas bimbingan dan kesempatan menimba pengalaman berharga yang diberikan. 6. Indah Kuntum Khairina, atas dorongan semangat dan kenangan-kenangan indah yang tidak tergantikan selama dua tahun terakhir di ITB. 7. Sahabat-sahabat di KMS dan KMD, Adit, Akbar, Andhika, Budiono, Fajar, Firman, Gilang, Okta, Reinhard, Rian, Rika, Riza, Simon, Septa, Sonny, Weno, dan Yudi, atas semua tawa dan tangis dalam empat tahun kebersamaan, yang memberikan arti persahabatan sejati bagi penulis. 8. Sahabat Andreas Kotter, atas dukungan semangat dan nasihat bijak selama masa-masa pengerjaan tugas akhir yang penulis lakukan di Jerman. 9. Sahabat-sahabat di HMIF’04, Abigael, Zakka, Tania, Simon, Ajen, Ebhe, Dyah, Echa, Ratih, Sapla, Peppi, Bhimantyo, Anda, Kuchay, Dila, Sherbay,
iii
Mira, Ilham, Cathy, Paul, Fitra, Fitri, Ivan, Anne, Zamak, Olip, Herianto, dan nama-nama lain yang karena keterbatasan tempat tidak muat dicantumkan dalam kata pengantar ini, namun selalu dikenang di hati penulis atas perjuangan, kebersamaan, dan masa-masa menyenangkan yang tidak ternilai harganya. 10. Para teman seperjuangan di Sangkuriang Studio, atas dorongan, kebersamaan, dan pengertian yang diberikan selama pelaksanaan Tugas Akhir penulis. 11. Seluruh dukun Lab GAIB, Felix, Victor, Def, Rika, Pram, Riza, Ririn, Mia, Masykur, Ibi, Ella, Depe, Ahe, Teguh, dan makhluk-makhluk lainnya, atas bantuan, dorongan, diskusi, kolaborasi, dan masa-masa bersama yang dilalui di Lab. 12. Seluruh teman-teman IF’03, atas seluruh kenangan, tawa, tangis, dan pengalaman yang diberikan.
Di atas semua itu, penulis ingin memberikan rasa syukur dan terima kasih yang sangat mendalam pada Papa, Mama, dan Kakak tercinta atas seluruh doa, kepercayaan, dan dukungan yang tidak ada habisnya.
Akhir kata, penulis menyadari bahwa Tugas Akhir ini masih memiliki banyak kekurangan, karena itu penulis berharap generasi-generasi berikutnya dapat memberikan saran, masukan, kritik, dan pengembangan agar Tugas Akhir ini bagaikan tunas rimbun yang dipupuk oleh pengetahuan intelektual agar dapat menghasilkan buah pemikiran yang berguna bagi masyarakat dan bangsa.
Bandung, 25 Juni 2008
Penulis
iv
DAFTAR ISI LEMBAR PENGESAHAN ..................................................................................... i RINGKASAN ......................................................................................................... ii KATA PENGANTAR ........................................................................................... iii DAFTAR ISI........................................................................................................... v DAFTAR GAMBAR ........................................................................................... viii DAFTAR TABEL.................................................................................................. ix DAFTAR ALGORITMA........................................................................................ x DAFTAR ISTILAH ............................................................................................... xi BAB I PENDAHULUAN .....................................................................................I-1 I.1
Latar Belakang .......................................................................................I-1
I.2
Rumusan Masalah ..................................................................................I-2
I.3
Tujuan.....................................................................................................I-3
I.4
Batasan Masalah.....................................................................................I-3
I.5
Metodologi .............................................................................................I-4
I.6
Sistematika Pembahasan ........................................................................I-6
BAB II LANDASAN TEORI ..............................................................................II-1 II.1
Lingkungan Virtual ...............................................................................II-1
II.1.1
Definisi Lingkungan Virtual ..........................................................II-1
II.1.2
Navigasi Lingkungan Virtual.........................................................II-1
II.1.3
Derajat Kebebasan .........................................................................II-2
II.1.4
Metode Navigasi ............................................................................II-2
II.2
Pengenalan Isyarat Orientasi Kepala.....................................................II-4
II.2.1
Definisi Isyarat Kepala...................................................................II-4
II.2.2
Pendekatan Berbasis Visual ...........................................................II-4
II.2.3
Pendekatan Berbasis Model ...........................................................II-4
II.2.4
Perbandingan Kedua Pendekatan...................................................II-5
II.3
Pendeteksian Citra Wajah .....................................................................II-7
II.3.1 II.4
Pengenalan Warna Kulit ................................................................II-7
Jaringan Saraf Tiruan ............................................................................II-7
II.4.1
Definisi Jaringan Saraf Tiruan .......................................................II-7
v
II.4.2 II.5
Pelatihan Jaringan Saraf Tiruan .....................................................II-9
Latar Belakang Pengujian dalam Related Work..................................II-10
BAB III ANALISIS ........................................................................................... III-1 III.1
Analisis Navigasi Lingkungan Virtual......................................... III-1
III.2
Analisis Isyarat yang Digunakan ................................................. III-2
III.3
Analisis Pengenalan Isyarat Kepala ............................................. III-3
III.3.1
Pendekatan Berbasis Visual ......................................................... III-3
III.3.2
Deskripsi Jaringan Saraf Tiruan Pengenalan ............................... III-4
III.3.3
Pelatihan Jaringan Saraf Tiruan ................................................... III-6
III.3.4
Basis Data Citra Yang Digunakan untuk Pelatihan ..................... III-7
III.4
Pemrosesan Awal Citra Masukan ................................................ III-8
III.4.1
Ekstraksi Citra Wajah .................................................................. III-8
III.4.2
Pengenalan Warna Kulit .............................................................. III-9
III.4.3
Batasan Citra untuk Ekstraksi Wajah......................................... III-13
III.5
Pengenalan oleh Jaringan Saraf Tiruan...................................... III-14
III.6
Eksplorasi terhadap Berbagai Alternatif Pendekatan................. III-16
III.6.1
Eksplorasi Pendekatan Berbasis Model ..................................... III-16
III.6.2
Eksplorasi Pengenalan Kulit Berdasar Model Statistik ............. III-18
BAB IV PERANCANGAN ............................................................................... IV-1 IV.1
Perangkat Keras yang Dibutuhkan Sistem................................... IV-1
IV.2
Rancangan Perangkat Lunak Sistem............................................ IV-2
IV.2.1 Deskripsi Komponen.................................................................... IV-2 IV.2.2 Rancangan Tampilan Sistem........................................................ IV-3 IV.2.3 Komponen Pemrosesan Citra....................................................... IV-4 IV.2.4 Komponen Jaringan Saraf Tiruan ................................................ IV-6 IV.2.5 Komponen Lingkungan Virtual ................................................... IV-7 IV.2.6 Komponen GUI Manager............................................................. IV-8 IV.2.7 Rancangan Integrasi Sistem ......................................................... IV-8 IV.3
Rancangan Fungsionalitas Sistem................................................ IV-9
BAB V IMPLEMENTASI DAN PENGUJIAN ................................................. V-1 V.1
Implementasi ........................................................................................ V-1
vi
V.1.1
Spesifikasi Lingkungan Implementasi .......................................... V-1
V.1.2
Batasan Implementasi ................................................................... V-2
V.1.3
Implementasi Kelas....................................................................... V-4
V.1.4
Implementasi Teknik Pengenalan Orientasi Kepala ..................... V-5
V.1.5
Implementasi Antar Muka............................................................. V-8
V.1.6
Implementasi Navigasi dalam Lingkungan Virtual .................... V-11
V.2
Pengujian ............................................................................................ V-11
V.2.1
Tujuan Pengujian ........................................................................ V-11
V.2.2
Lingkungan Pengujian ................................................................ V-12
V.2.3
Data Pengujian ............................................................................ V-12
V.2.4
Skenario dan Hasil Pengujian Fungsionalitas ............................. V-13
V.2.5
Skenario dan Hasil Pengujian Akurasi Pengenalan Wajah......... V-15
V.2.6
Skenario Pengujian Akurasi Pengenalan Orientasi Kepala ........ V-16
V.2.7
Hasil Pengujian Akurasi Pengenalan Orientasi Kepala .............. V-18
V.2.8
Perbandingan dengan Related Work ........................................... V-22
BAB VI PENUTUP ........................................................................................... VI-1 VI.1
Kesimpulan .................................................................................. VI-1
VI.2
Saran............................................................................................. VI-1
DAFTAR REFERENSI ....................................................................................... xiii LAMPIRAN A HASIL PENGUJIAN ALTERNATIF KRITERIA................... A-1
vii
DAFTAR GAMBAR Gambar II-1 Gambar II-2 Gambar II-3 Gambar II-4 Gambar II-5 Gambar III-1 Gambar III-2 Gambar III-3 Gambar III-4 Gambar III-5 Gambar III-6 Gambar III-7 Gambar III-8 Gambar III-9 Gambar III-10 Gambar III-11 Gambar III-12 Gambar III-13 Gambar III-14 Gambar III-15 Gambar III-16 Gambar III-17 Gambar III-18 Gambar III-19 Gambar III-20 Gambar III-21 Gambar III-22 Gambar III-23 Gambar III-24 Gambar IV-1 Gambar IV-2 Gambar IV-3 Gambar IV-4 Gambar IV-5 Gambar IV-6 Gambar V-1 Gambar V-2 Gambar V-3 Gambar V-4 Gambar V-5 Gambar V-6 Gambar V-7 Gambar V-8 Gambar V-9 Gambar V-10 Gambar V-11 Gambar V-12 Gambar V-13
Tiga Derajat Kebebasan Translasi [BIR07] .........................................................II-2 Pengaruh Kebebasan Vertikal Terhadap Lingkungan Virtual [MUR95] .............II-3 Citra Wajah Berbasis Visual (Kiri) [STI04] dan Model (Kanan) [STI96] ...........II-6 Contoh Jaringan Saraf Tiruan Tiga Lapisan.........................................................II-8 Contoh Pemrosesan Awal Citra dalam [STI04] .................................................II-11 Dua Derajat Kebebasan yang Didukung pada Lingkungan Virtual [HUB01] ....III-1 Contoh Hasil Klasifikasi Jaringan Saraf Tiruan Berdasar Citra Masukan ..........III-5 Contoh Citra Wajah dalam Pointing ’04 Head Pose Image Database [GOU04]III-7 Contoh Ekstraksi Wajah untuk Menghilangkan Citra Tidak Relevan.................III-8 Contoh Ekstraksi Wajah untuk Menghasilkan Citra dengan Ukuran Invarian....III-9 Contoh Konversi Citra Wajah dari Ruang-Warna RGB ke YCrCb ....................III-9 Contoh Pengenalan Warna Kulit dari Citra dalam Ruang-Warna YCrCb ........III-10 Contoh Penghilangan Area Warna Kulit dengan Luas <5000 Pixel .................III-11 Contoh Citra Asli dengan Wajah yang Telah Terdeteksi ..................................III-11 Contoh Pengecilan Citra Wajah untuk Masukan Jaringan Saraf Tiruan ...........III-12 Contoh Hasil Operasi Konversi Grayscale dan Normalisasi Histogram...........III-12 Contoh Operasi Pendeteksian Sisi Horisontal dan Vertikal ..............................III-13 Contoh Kesalahan Ekstraksi Wajah Karena Warna Rambut.............................III-13 Contoh Kesalahan Ekstraksi Wajah Karena Warna Pakaian.............................III-14 Contoh Konversi Citra Greyscale Menjadi Kumpulan Bilangan Pecahan........III-15 Korespondensi Keluaran Jaringan Saraf Tiruan dengan Orientasi Vertikal......III-15 Korespondensi Keluaran Jaringan Saraf Tiruan dengan Orientasi Horisontal ..III-16 Contoh Citra Wajah dengan Fitur yang Sudah Dikenali dalam [STI96]...........III-16 Contoh Pengenalan Pupil Mata dalam [STI96].................................................III-17 Contoh Pengenalan Fitur Pupil Mata dengan Sensor Video Sendiri .................III-18 Contoh Citra Warna Kulit dari Pointing’04 Head Pose Image Database.........III-19 Contoh Hasil Pengenalan Warna Kulit Dengan Pendekatan Model Statistik ...III-19 Contoh Kesalahan Pengenalan Wajah Karena Pencahayaan Terlalu Terang....III-20 Contoh Kesalahan Pengambilan Sampel Warna Kulit ......................................III-20 Contoh Webcam yang Digunakan Dalam Sistem............................................... IV-1 Contoh Citra Tangkapan Webcam yang Digunakan Dalam Sistem ................... IV-1 Keterhubungan Komponen Bagian Perangkat Lunak dari Sistem ..................... IV-2 Rancangan Tampilan Sistem .............................................................................. IV-3 Operasi Edge Detection dalam OpenCV............................................................ IV-5 GUI Fast Artificial Neural Network................................................................... IV-6 Contoh Pencahayaan dari Samping......................................................................V-2 Contoh Pencahayaan dari Belakang yang Terlalu Kuat .......................................V-3 Contoh Pencahayaan Tidak Konstan....................................................................V-3 Contoh Pose Miring Kepala Pengguna ................................................................V-4 Contoh Masukan NeuralNetBasicTechnique .......................................................V-6 Contoh Masukan NeuralNetEdgeTechnique........................................................V-7 Urutan Panel Citra yang Diimplementasikan .......................................................V-9 Tampilan Sistem dalam Pengenalan Orientasi Arah Kanan.................................V-9 Tampilan Sistem dalam Pengenalan Orientasi Arah Kiri...................................V-10 Tampilan Sistem dalam Pengenalan Orientasi Arah Atas..................................V-10 Tampilan Sistem dalam Pengenalan Orientasi Arah Bawah ..............................V-11 Tampilan Jalan yang Digunakan dalam Pengujian Fungsionalitas ....................V-13 Contoh Kesalahan dari Hasil Pengujian Pengenalan Wajah ..............................V-15
viii
DAFTAR TABEL Tabel II.1-1 Tabel II.2-1 Tabel II.4-1 Tabel III.1-1 Tabel III.3-1 Tabel III.3-2 Tabel III.3-3 Tabel III.3-4 Tabel III.4-1 Tabel IV.2-1 Tabel IV.2-2 Tabel IV.2-3 Tabel IV.2-4 Tabel IV.2-5 Tabel IV.2-6 Tabel IV.3-1 Tabel V.1-1 Tabel V.1-2 Tabel V.1-3 Tabel V.1-4 Tabel V.1-5 Tabel V.1-6 Tabel V.1-7 Tabel V.1-8 Tabel V.2-1 Tabel V.2-4 Tabel V.2-2 Tabel V.2-3 Tabel V.2-5 Tabel V.2-5 Tabel V.2-7 Tabel V.2-8 Tabel V.2-9 Tabel V.2-10 Tabel V.2-11 Tabel V.2-12 Tabel V.2-13 Tabel A-1 Tabel A-2 Tabel A-3 Tabel A-4 Tabel A-5 Tabel A-6 Tabel A-7 Tabel A-8 Tabel A-9
Metode Navigasi Dua Derajat Kebebasan .............................................................II-3 Perbandingan Resolusi Citra Wajah Kedua Pendekatan ........................................II-6 Perbandingan Resolusi Citra Wajah Kedua Pendekatan ........................................II-9 Derjat Kebebasan yang Didukung dalam Lingkungan Virtual .............................III-2 Perbandingan Tingkat Kesalahan Orientasi Vertikal dan Horisontal....................III-3 Kelas Tujuan Klasifikasi Jaringan Saraf Tiruan ...................................................III-4 Jumlah Sel dalam Jaringan Saraf Tiruan...............................................................III-6 Derajat Orientasi dalam Pointing ’04 Head Pose Image Database ......................III-7 Kriteria Sebuah Piksel Termasuk Ke Dalam Warna Kulit..................................III-10 Komponen dalam Bagian Perangkat Lunak dari Sistem...................................... IV-2 Fungsionalitas Komponen Pemrosesan Citra....................................................... IV-5 Fungsionalitas Komponen Jaringan Saraf Tiruan ................................................ IV-7 Fungsionalitas Komponen Lingkungan Virtual ................................................... IV-8 Fungsionalitas Komponen GUI Manager ............................................................ IV-8 Daftar Kelas dalam Rancangan Terintegrasi........................................................ IV-9 Rancangan Fungsionalitas Sistem...................................................................... IV-10 Spesifikasi Perangkat Keras...................................................................................V-1 Spesifikasi Perangkat Lunak..................................................................................V-1 Daftar Implementasi Kelas.....................................................................................V-4 Daftar Library Tambahan.......................................................................................V-5 Interpretasi Orientasi Kepala dari Nilai Keluaran NeuralNetBasicTechnique.......V-7 Interpretasi Orientasi Kepala dari Nilai Keluaran NeuralNetEdgeTechnique .......V-8 Perbedaan Arsitektur Jaringan Saraf Tiruan Antara Teknik Implementasi............V-8 Perubahan Posisi dan Orientasi Terhadap Perintah Navigasi...............................V-11 Skenario Pengujian Fungsionalitas ......................................................................V-14 Hasil Pengujian Fungsionalitas............................................................................V-14 Alternatif Kriteria Pengelompokan Nilai Pengenalan Orientasi Horisontal ........V-18 Alternatif Kriteria Pengelompokan Nilai Pengenalan Orientasi Vertikal ............V-18 Perbandingan Hasil Pengujian Akurasi antara Teknik Implementasi ..................V-18 Perbandingan Hasil Pengujian Akurasi antara Data Masukan Bersih dan Tidak.V-19 Rekapitulasi Pengujian Alternatif Kriteria Pengenalan Orientasi Kepala............V-20 Kriteria Pengelompokan yang Digunakan dalam Sistem.....................................V-20 Hasil Pengujian Pengenalan Orientasi Horisontal Kriteria A ..............................V-21 Hasil Pengujian Pengenalan Orientasi Vertikal Kriteria A ..................................V-22 Confusion Matrix untuk Klasifikasi Orientasi Kepala Vertikal [STI04]..............V-22 Confusion Matrix untuk Klasifikasi Orientasi Kepala Horisontal [STI04]..........V-23 Perbandingan Akurasi Sistem dalam Tugas Akhir dengan [STI04] ....................V-23 Hasil Pengujian Pengenalan Orientasi Horisontal Alternatif A .............................A-1 Hasil Pengujian Pengenalan Orientasi Horisontal Alternatif B .............................A-1 Hasil Pengujian Pengenalan Orientasi Horisontal Alternatif C .............................A-2 Hasil Pengujian Pengenalan Orientasi Horisontal Alternatif D .............................A-2 Hasil Pengujian Pengenalan Orientasi Horisontal Alternatif E..............................A-2 Hasil Pengujian Pengenalan Orientasi Vertikal Alternatif A .................................A-3 Hasil Pengujian Pengenalan Orientasi Vertikal Alternatif B .................................A-3 Hasil Pengujian Pengenalan Orientasi Vertikal Alternatif C .................................A-3 Hasil Pengujian Pengenalan Orientasi Vertikal Alternatif D .................................A-3
ix
DAFTAR ALGORITMA Algoritma V-1
Alur Eksekusi Pengenalan dalam Sistem..........................................................V-6
x
DAFTAR ISTILAH Istilah
Definisi
Back-Propagation
Algoritma pelatihan jaringan saraf tiruan
Binary Threshold
Operasi citra yang menghasilkan citra hitam-putih menurut kriteria tertentu
Classifier
Sebuah komponen yang bertugas mengklasifikasikan data masukan menjadi beberapa kelas tujuan.
Confusion Matrix
Matriks yang membandingkan antara hasil klasifikasi sebuah classifier dengan target klasifikasi yang seharusnya dihasilkan.
Edge Detection
Operasi pendeteksian sisi-sisi dari sebuah citra.
Equalization
Operasi untuk menonjolkan fitur-fitur dalam sebuah citra.
Frame per Second
Satuan jumlah citra yang bisa ditangkap sensor video dengan interval tertentu dalam rentang waktu satu detik.
Gesture
Isyarat
Graphics Rendering Engine
Komponen perangkat lunak yang berperan untuk melakukan penggambaran objek-objek ke layar monitor
Grayscale
Citra yang hanya terdiri dari satu warna dan digambarkan dalam warna di antara putih, abu-abu, dan hitam.
Head Gesture
Isyarat yang dilakukan oleh kepala pengguna
Interface
Antar muka sistem yang digunakan pengguna untuk melihat hasil pemrosesan sistem
Keyboard
Papan ketik sebagai alat masukan komputer
Library
Komponen perangkat lunak yang menyediakan fungsionalitas tertentu
Look Around
Mode navigasi melihat ke sekeliling
Maximum Epoch
Jumlah iterasi maksimal dari pelatihan jaringan saraf tiruan
Megapixel
Satuan satu juta pixel
Motion
Pergerakan
Mouse
Alat penunjuk sebagai alat masukan komputer
Move
Mode navigasi mencari arah yang hendak dituju dan bergerak ke depan
Noise
Data tidak relevan yang mengganggu proses pelatihan
Open Source
Jenis lisensi program yang memberikan kebebasan untuk menggunakan dan mengubah kode sumber tanpa harus membayar
Overfitting
Kondisi pelatihan yang terlalu mengikuti data pelatihan dan tidak memiliki performansi yang bagus dibandingkan data pengujian
Pan
Mode navigasi bergerak ke depan, belakang, atau samping tanpa mengubah arah pandangan
xi
Istilah
Definisi
Pixel
Elemen citra dalam gambar, direpresentasikan sebagai satu titik dengan warna tertentu
Plugin
Komponen tambahan dari sebuah perangkat lunak yang memberikan fungsionalitas yang sebelumnya tidak disediakan
Real-Time
Pemrosesan perangkat lunak yang dilakukan dalam waktu cepat sehingga pengguna merasa program berjalan sesuai waktu asli
Related Work
Pekerjaan yang terkait dengan sistem yang dikembangkan
Roll
Rotasi dalam sumbu Z
Runtime
Berkaitan dengan saat program sudah dieksekusi dan berjalan
Six-Degrees of Freedom
Enam pergerakan yang dimungkinkan dalam sebuah lingkungan virtual
Virtual Environment
Lingkungan virtual
Virtual Reality
Realitas virtual
Wayfinding
Proses pencarian arah dan jalur untuk menuju sebuah titik tujuan
Webcam
Sensor video untuk menangkap citra dan dapat digunakan untuk menampilkan citra tersebut lewat jaringan
Yaw
Rotasi dalam sumbu Y
xii
