1
Rancang Bangun Navigasi Pengganti Rotary Encoder Menggunakan Kamera Handi Rahmannuri1), Ronny Mardiyanto2), Suwito3) Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111 Indonesia e-mail: 1)
[email protected], 2)
[email protected]
Abstrak— Pada tugas akhir ini diracang sistem navigasi pengganti rotary encoder menggunakan kamera (suatu sistem yang dapat melakukan estiamsi jarak dengan menampilkan nilai-nilai koordinat target, aktual, error, arah navigasi ketika bergerak, dan status navigasi baik selama proses menuju koordinat target maupun sesudah mencapai target yang kesemua proses tersebut menggunakan acuan berupa perpotongan garis ubin). Sistem ini sangat berguna untuk system navigasi pada robot vison. Pada tugas akhir ini dirancang sebuah sistem penggantin rotary encoder menggunakn kamera sebagai sensor utama. Beberapa metode pengolohan citra kami telah kembangkan dan kami implementasikan menggunakan perangkat lunak OpenCv dan bahasa C++. Juga, kami mengembangkan metode pendeteksian crossline pada ubin dan menggunakan titik-titik hasilnya sebagai titik acuan dalam proses navigasi. Dari hasil pengujian system navigasi ini diperoleh nilai error rata-rata untuk masing-masing koordinat x dan y adalah 8.55557% dan 6.717739% berarti tingkat keberhasilan navigasi untuk masing-masing koordinat x dan y adalah 91.44443% dan 93.28226%.
Kata kunci : Pendeteksian croosline, navigasi, ubin, rotary encoder, kamera, target, aktual, error. I. PENDAHULUAN Teknologi dalam bidang navigasi semakin berkembang.Teknologi navigasi dapat dimanfaatkan untuk mengatasi permasalahan yang berhubungan dengan parameter operator dan jangkauan.Penggunaan teknologi navigasi dapat digunakan dalam sistem otomasi di banyak industri misal kesehatan dll. Selain itu, penggunaan teknologi navigasi juga dapat diterapkan untuk kebutuhan tertentu sebagai solusi dari permasalahan-permasalahan manusia. Pada umumnya sebuah navigasi bisa bekerja dengan baik adalah karena navigasi itu sendiri sudah memiliki data akurat seperti data jarak yang mana data itu didapat dari sebuah transduser seperti rotary encoder. Dalam kasus ini navigasi dirancang dengan menggunakan sebuah kamera digital. Dalam kesempatan kali ini penulis mencoba mengptimalkan fungsi dari kamera digital itu sendiri karena sebuah kamera digital jika bisa dioptimalkan fungsinya dapat berfungsi sebagai multisensor, jadi melalui sebuah kamera digital bisa didapatkan berbagai macam data informasi misalnya jarak. Dengan mengoptimalkan fungsi kamera diharapkan bisa menciptakan suatu produk dimana tidak teralu banyak membutuhkan sensor yang tentu saja sangat berguna untuk
membantu pekerjaan manusia dengan lebih efektiv dan efisien. II. LANDASAN TEORI A. Teknik Grayscaling Teknik ini berfungsi untuk menyimpan citra yang diambil dari kamera menjadi format 8 bit untuk setiap sample pixel dan warna dari hasil citra menjadi abu-abu dalam arti citra memiliki warna putih sebagai intensitas terkuat dan warna hitam sebagai intensitas terlemah. Algoritma dari teknik ini yaitu untuk setiap chanel R, G, dan B dijumlahkan kemudian dibagi 3.
B. Teknik Adative Thresholding Prinsip dari teknik threshold adalah membedakan antara objek dan latar belakang citra dalam format 8 bit dengan mengatur level grayscale. Dan pada teknik adaptive threshold ini bisa membedakan dengan jelas antara objek dan latar belakang walaupun di dalam citra terdapat nois dan pantulan cahaya. Algoritma dari teknik ini adalah nilai threshold akan terus berubah sesuai daengan nilai histogram dari pixel-pixel tetangga. Itu semua dilakukan dengan cara mencari histogram dari pixel tetangga dari setiap pixel di dalam frame. Setelah didapatkan histogram barulah proses threshod dilakukan secara otomatis jadi setiap terdapat noise atau pantulan cahaya pada frame sumber maka tiap pixel akan secara otomatis memperjelas dirinya sendiri sesuai dengan latar beakangnya, jadi objek akan tampak jelas berbeda dengan atar belakang walaupun latar belakang mengaami gradasi warna seperti yang ditunjukkan seperti gambar 2.1.
Gambar 2.1 Algoritma Adaptive Threshold.
2 III. PERANCANGAN SISTEM NAVIGASI A. Sistem Navigasi Secara Umum KALIBRASI
ARAH PERGERAKAN BASE
60 cm 60 cm A
TARGET (X cm , Y cm)
cm 60 60 cm
C. Hough Transform Transformasi Hough memungkinkan kita untuk menemukan (menentukan) bentuk berbagai obyek di dalam citra dengan memanfaatkan tepi-tepi obyek tersebut. Setelah melakukan pendeteksian tepi, dilanjutkan dengan pengoperasian thresholding pada citra maka hanya pixel-pixel yang signifikan saja yang ditampilakn menjadi citra hasil. Suatu garis lurus merupakan barisan keseluruhan pixel-pixel yang membentuk diekspresikan dengan persamaan:
B
A
B
KAMERA CITRA LANTAI
C
I H
D
I
PC
H BASE
LANTAI G
f(x) = y = m.x + c
E
F
G
Y
F
Dan jika kita evaluasi nilai-nilai untuk m dan c, agar diperoleh suatu garis lurus yang diinginkan. TARGET TERCAPAI
BASE
X
JIKA NILAI KOORDINAT AKTUAL = KOORDINAT TARGET
TARGET 1 BUAH UBIN = (30 X 30) CM ARAH PERGERAKAN UBIN
Gambar 3.1 Ilustrasi Kerja Sistem Gambar 2.2 Representasi Hough Transform. Gambar 2.2 merupakan representasi transformasi hough yang menggambarkan sebuah garis yang ditarik dari tiga titik yang berbeda tetapi mempunyai sudut kemiringan dari titik pusat terhadap garis adalah sama 30°. Meskipun sudutnya sama tetapi jarak (rho) berbeda karena garis ditarik dari tiga titik berbeda. Jika sudutnya bervariasi maka otomatis jaraknya juga bervariasi. Ada beberapa permasalahan yang timbul dalam penggunaan rumus diatas. Permasalahan yang timbul apabila garis yang direpresentasikan hampir tegak lurus terhadap sumbu x, sehingga nilai m akan menjadi negatif tak terhingga atau positif tak terhingga. Oleh karena itu, representasi garis tidak dalam koordinat kartesian (x,y) tetapi menjadi koordinat polar (r,Ɵ). Rumus persamaan garis dalam koordinat polar adalah sebagai berikut: x. cos Ɵ + y. sinƟ = r
Gambar 2.3 Hough Transform dalam Koordinat Polar.
Pada ilustrasi blok sistem gambar 3.1, pertama-tama operator akan menentukan target kemana base akan berjalan dalam koordinat kartesian 4 kuadran, setelah program dieksekusi, kamera akan langsung menangkap gambar lantai dalam hal ini adalah perpotongan-perpotongan ubin, hal ini dilakukan dengan cara pada saat kamera membaca citra dari ubin secara real time, maka operator akan mengambil satu frame saja untuk mewakili frame yang diambil secara kontinyu tetapi dengan syarat bahwa base tidak boleh geser atau bergerak, posisi pengambilan gambar harus tepat dan sesuai dengan jalannya sistem artinya arah pengambilan citra kamera harus tegak lurus dengan ubin seperti pada gambar 3.1 agar didapatkan citra garis-garis ubin secara horizontal dan vertikal kalau tidak perhitungan jarak per pixel tidak akan sesuai dengan ukuran lantai sesungguhnya, kalau jarak tiap pixel tidak bisa terestimasi dengan tepat maka sistem akan mempunyai error yang sangant besar, hal ini akan dibahas dengan lebih detail pada sub-bab selanjut. Setelah itu operator akan mengkalibrasi sistem dengan cara mengambil titik-titik koordinat di sebagian perpotongan ubin untuk dijadikan acuan penentuan jarak per pixel dari gambar. Jika sudah operator akan menjalankan base secara manual baik secara diagonal maupun menuju kearah sumbu x dulu baru ke sumbu y dan sebalikya ke arah target yang sudah ditetapkan dari awal. Dalam menggerakkan base dilakukan dengan pelan-pelan karena jika terlalu cepat proses pengolahan citra tidak bisa mengatasinya artinya proses pendeteksian garis-garis ubin tidak bisa kontinyu karena keterbatasan kemampuan kamera. Selama operator mengarahkan base, operator juga dapat secara realtime mengetahui nilai actual dari koordinat, nilai error, koordinat target, dan arah pergerakan base dalam bidang
3 kartesian dimana semua itu dapat membantu navigasi dari operator dalam menggerakkan base dari titik awal menuju titik target. Jika base sudah mencapai target atau dengan kata lain nilai target = nilai aktual maka akan ada pemberitahuan bahwa posisi base sudah mencapai target. Nilai aktual dan nilai target ditampilkan dalam skala sentimeter artinya jika target adalah (120 cm , 90 cm) maka itu sama dengan 4 ubin ke arah + x dan 3 ubin ke arah + y karena 1 ubin berukuran 30 cm x 30 cm. Pada Tugas Akhir ini hanya fokus pada pembuatan sistem navigasi untuk mengestimasi jarak berdasarkan perpotongan ubin dan track yang dilalui harus berupa perpotongan garisgaris horizontal dan vertikal. Kemudian pergerakan base juga dilakukan secara manual dengan cara didorong oleh operator tanpa merobah sudut orientasi base.
KAMERA AMBIL GAMBAR GRAYSCALLING ADAPTIVE THRESHOLD HOUGH TRANSFORM DETEKSI PERPOTONGAN HITUNG POSISI X,Y DARI BASE PADA BIDANG KARTESIAN
Pada diagram blok pemrosesan citra hal yang pertama kali dilakukan adalah menangkap gambar dengan kamera pseye yang memiliki frame rate per second 120, jadi dalam waktu satu detik frame yang ditangkap kamera bisa mencapai 120 artinya untuk pengambilan frame menjadi lebih banyak daripada kamera digital yang hanya mempunyai frame rate per second 30. Dengan ini makan diharapkan proses pengambilan citra bisa mendekati realtime. Spesifikasi kamera pseye dapat dilihat pada sub-bab selanjutnya. Kemudian setelah itu proses selanjutnya adalah teknik grayscaling yaitu menjadikan citra berwarna memiliki nilai pixel antara 0 sampai 1 dan mengubah format warna menjadi 8 bit, artinya dalam citra berwarna terdapat 3 channel warna yaitu RGB dimana channel RGB itu nilainya dibagi rata hingga gambar yang tadinya memiliki 3 channel berubah menjadi hanya 1 channel. Proses ini juga bertujuan agar citra memilki ketajaman yang bagus dan juga agar teknik yang akan digunakan selanjutnya yaitu teknik threshold memiliki output yang bagus dan ini juga merupakan syarat utama menggunakan teknik threshold. Setelah teknik grayscalling, yang dilakukan adalah teknik threshold yang bertujuan untuk merubah citra grayscale agar memiliki menjadi citra binary agar objek yang diinginkan terpisah dari latar belakangnya, artinya objek bisa dipisahkan secara jelas dengan citra selain objek. Setelah itu baru dilakukan metode transformasi hough yang bertujuan untuk mendeteksi citra yang berbentuk garis lurus dalam hal ini garis-garis ubin. Setelah garis-garis terdeteksi baru pada proses selanjutnya adalah mendeteksi titik-titik perpotongan pada garis-garis ubin dengan cara meng-increment tiap garis yang terdeteksi secara bergantian pada format 8 bit, jika ada garis yang saling berpotongan maka titik perpotongan itu memiliki nilai gray yang berbeda dari lainnya. Setelah perpotongan terdeteksi dilakukan penghitungan posisi koordinat x dan y pada koordinat kartesian yang proses detailnya akan dibahas pada subbab selanjutnya. Setelah itu proses selanjutnya adalah mencari koordinat target dengan cara menggerakkan base menuju target. Pergerakan base bisa dilakukan dengan 3 cara yaitu diagonal, menuju kea rah sumbu x dahulu baru kemudian ke arah sumbu y, dan sebaliknya. Selama proses menggerakkan base operator juga bisa melihat koordinat target, koordinat actual, nilai eror, dan posisi arah base secara realtime. Jika base sudah mencapai titik koordinat target maka akan ada pemberitahuan bahwa sistem sudah mencapain target. KAMERA
PC 200 cm
CARI KOORDINAT TERGET Gambar 3.2 Diagram Blok Sistem
BASE
LANTAI
Gambar 3.3 Diagram Base dengan roda omni
4 Berikut penjeasan dari gambar 3.3 : a. Kamera digital : sebagai sensor visual menangkap citra dari garis-garis lantai dan menampilkannya di komputer. b. PC : berfungsi untuk mengendalikan kerja keseluruhan dari sistem. Pada PC ini semua data citra dari kamera diproses. c. Base : berfungsi sebagai media untuk meletakkan kamera dan memposisikanya agar bisa melihat citra ubin dari atas. START TIDAK AMBIL GAMBAR
NILAI PIXEL DI FRAME A > T
GRAYSCALING
YA C = KOORDINAT PIXEL FRAME A
THRESHOLDING
HOUGH TRANSFORM FOR X C + 5 ==B ?
ADA GARIS SUDAH TERDETEKSI SEMUA ?
YA
TIDAK BACA KOORDINAT PIXEL GARIS
BACA NILAI PIXEL DI FRAME A SESUAI KOORDINATE PIXEL GARIS
NIAI PIXEL DI INCREMENT (++) DAN DIISIKAN KE FRAME A DENGAN KOORDINAT YANG SAMA
TIDAK
YA
FOR X C - 5 ==B ?
TIDAK
YA
dilakukan metode transformasi hough yang bertujuan untuk mendeteksi garis-garis ubin. Tiap satu garis yang mucul dari fungsi transformasi hough, maka koordinat dari tiap garis tersebut digambar ulang pada frame baru yang berformat 8 bit dan sebelum ada garis yang muncul lagi maka frame tempat dideteksinya garis-garis tadi nilai pixelnya dibuat 0 artinya tiap garis yang baru muncul di-increment agar jika ada garis yang saling bertumpukan atau berpotongan maka akan terdapat perbedaan nilai, nilai ini akan dijadikan acuan untuk menentukan apakah itu titik perpotongan atau bukan, caranya adalah dengan menerapkan threshold nilai pada tiap-tiap pixel, pada sistem ini nilai pixel yang lebih dari 1 pada citra 8 bit frame_3 pada gambar 3.11 berarti titik perpotongan dari garisgaris ubin. Titik-titik perpotongan itu kemudian ditandai dengan warna hijau. Setelah itu koordinat perpotongan warna hijau tadi digambar ulang pada frame_2 yang merupakan frame dimana garis-garis dari transformasi hough sudah terdeteksi semua sehinggan akan tampak seperti gambar 3.14. Jika perpotongan sudah terdeteksi maka akan dicek pada masing-masing perpotongan tiap 5 pixel ke kiri, ke kanan, ke atas, dan ke bawah dari titik-titik perpotongan apakah ada warna hijau yang sama dengan warna titik-titik perpotongan, jika tidak ada maka itu bukan titik perpotongannya dan jika di tiap titik pengecekan terdapat warna biru yang berarti warna dari garis-garis ubin hasil deteksi transformasi hough maka berarti itu adalah perpotongan dari garis-garis ubin. Metode ini ditambahkan supaya pendeteksian perpotongan garis-garis ubin memiliki keakuratan yang lebih baik.
TIDAK FOR Y C + 5 ==B ?
YA
TIDAK FOR Y C - 5 ==B ?
YA KOORDINAT C = PERPOTONGAN
C BUKAN KOORDINAT PERPOTONGAN
Gambar 3.4 Flowchart pendeteksian titik perpotongan garis lantai. Pada flowchart pemrosesan citra seperti yang ditunjukkan pada gambar 3.4 hal yang pertama kali dilakukan setelah kamera menangkap gambar adalah teknik grayscaling yaitu menjadikan citra berwarna memiliki nilai pixel antara 0 sampai 1 dan mengubah format warna menjadi 8 bit. Proses ini bertujuan agar citra memilki ketajaman yang bagus dan juga agar teknik yang akan digunakan selanjutnya yaitu teknik threshold memiliki output yang bagus dan ini juga merupakan syarat utama menggunakan teknik threshold. Teknik threshold bertujuan untuk merubah citra grayscale agar memiliki menjadi citra binary agar objek yang diinginkan terpisah dari latar belakangnya. Dalam sistem ini digunakan metode threshold yang tidak biasa yaitu adaptive threshold, artinya citra objek bisa dibedakan dengan jelas walaupun pada citra keseluruhan terdapat noise dan pantulan cahaya karena pada citra ubin terdapat pantulan cahaya dari lampu jadi citra garisgaris ubin dapat terdeteksi dengan jelas. Setelah itu baru
Gambar 3.5 Flowchart estimasi jarak.
5 Penjelasan pada gambar 3.5 ertama-tama operator harus melakukan kalibrasi terhadap jarak tiap pixel yang terdapat di frame dengan cara mendapatkan koordinat-koordinat dari ujung-ujung ubin. Garis hitam pada gambar 3.6 adalah garis ubin dan titik-titik hijau adalah koordinat kaibrasi, jadi operator melalui PC harus mendapatkan koordinat secara urut mulai dari A s/d I. Ini dilakukan agar dapat mengetahui berapa jarak tiap pixel. Ukuran 1 ubin adalah 30 cm x 30 cm.
sehingga Cx,y = Kx,y dan Addx,y = Actx,y berfungsi untuk memperbarui jarak. Frame
Dibalik Titik Merah Terdapat Titik Hijau
t=0
60 cm
r < 50 A
B
C
r > 50
t=1
60 cm
r < 50 t=2
I D
H
Gambar 3.8 Ilustrasi proses estimasi jarak. G
F
E
Gambar 3.6 Ilustrasi proses kaibrasi jarak pixel Setelah itu akan didapatkan Cx dan Cy yang berasal dari koordinat input Ix dan Iy pada koordinat frame. Setelah itu dilakukan inisiaisasi variabel Pos_x, Pos_y, ADD x,dan ADD y dengan nilai 0. Kemudian dilakukan perubahan variabel Pos_x dan Pos_y yang merupakan koordinat yang memiliki referensi (0,0) pada (Cx, Cy) pada bidang kartesian menuju koordinat 1 kuadran atau koordinat frame. Ilustrasi bisa dilihat pada gambar 3.7. Y
Koordinat Frame
Koordinat Kartesian
(0,0)
(10,0) X
(0,-10)
Titik merah adalah titik yang dijadikan referensi dari pergerakan base baik secara diagonal, ke depan, ke belakang, ke kiri, dan ke kanan. Maksudnya adalah pada titik merah yang ada pada gambar 3.18 terdapat informasi yaitu titik koordinat yang dijadikan acuan dalam sistem untuk memperbarui koordinat jarak perjalanan dari base. Jika titik merah sudah melewati garis biru maka titik akan hilang dan muncul lagi di frame dengan menyimpan informasi jarak yang baru, itu dilakukan dengan cara sebelum titik merah muai hilang koordinat terakhir tadi disimpan dan dihitung jaraknya dari titik center base dan disimpan pada variabel baru, kemudian pada saat titk merah itu hilang dan kemudian muncul lagi dengan koordinat yang baru, nilai jarak yang ada pada variabel tadi ditambahkan jaraknya. Ilustrasi dari proses yang telah disebutkan bisa dilihat di bawah 3.8.
(50,50)
(60,50)
(50,60)
Gambar 3.7 Ilustrasi koordinat pada bidang kartesian dan frame. Jadi intinya proses ini adalah bahwa koordinat yang dibaca sistem itu sebenarnya dalah koordinat frame 1 kuadran, berhubung pada sistem navigasi ini pergerakan base didasarkan pada koordinat 4 kuadran maka digunakan lah rumus 3.3 dan 3.4 agar perubahan koordinat frame yang dibaca oleh sistem sesuai dengan perubahan koordinat 4 kuadran. Setelah itu dicarilah titik hijau yang terdekat dengan Pos_x,y dan diisikan di variabel Kx,y. Jika titik merah belum melewati garis biru seperti ilustrasi gambar 3.8, makan itu berarti Pos_x,y = Kx,y. Kemudian di koordinat Kx,y digambar warna merah sehingga seakan akan titik merah terus berjalan. Kemudian rubah Pos_x,y menuju 4 kuadran karena visulisasi sistem adalah bidang kartesian. Setelah itu isi Actx,y = Pos_x,y + Addx,y. Kemudian isi posisi x,y = (Act*-1) * jarak pixel karena jika base maju maka titik merah bergerak mundur dan sebaliknya. Jika titik merah sudah mengenai garis biru dan hilang maka titik itu akan kembali muncul dengan jarak pixel > 50 pixel dari koordinat terakhir sebelum hilang,
Gambar 3.9 Flowchart penetuan arah base. Pada gambar 3.9 Jika jarak actual terhadap target sudah < 10 cm maka target berarti tercapai dan sistem otomatis langsung berhenti. Tujuan pemberian toleransi 10 cm adalah karena titik perpotongan tidak selalu bisa muncul terus terkadang sesaat hilang disebabkan karena fungsi hough transform tidak bisa 100 % bisa mendeteksi garis tiap frame-nya. Jika itu terjadi maka titik akan hilang dan muncul lagi di tempat yang agak jauh dari titik tersebut mulai hilang tadi, itu menyebabkan lonjakan jarak yang cukup signifikan.
6 IV. PENGUJIAN Pengujian navigasi dilakukan pada kuadran I – IV. A. Hasil Pengujian Teknik Grayscale
F. Pengujian Navigasi Pada pengujian ini yang bisa ditampikan hanya satu pengujian navigasi karena tidak memungkinkan untuk menampilkan 13 pengujian lainya. (60,180) cm
Y
(0,0) cm
X
B. Hasil Pengujian Citra Adaptive Threshold
TARGET HOME POSITION ARAH PERGERAKAN KAMERA 1 BUAH UBIN = (30 X 30) CM
C. Hasil Pengujian Hough Transform
D. Hasil Pengujian Pendeteksian Perpotongan Garis
E. Proses Estimasi Jarak
Gambar 4.1 Ilustrasi arah pergerakan kamera dan base. Nilai Pixel X Nilai Pixel Y Target (X,Y) Aktual (X,Y) Ubin (X,Y) Jarak Base Terhadap Target Error (X,Y) Arah Base Menuju Posisi +X Arah Base Menuju Posisi +Y Status
: : : : : :
0.15 cm 0.15 cm 60 cm , 180 cm 52.74 cm , 173.83 cm 1.5 10.09 cm
: :
7.86 cm , 6.32 cm 7.86 cm
:
6.32 cm
:
Target Tercapai
Seperti yang telah dijelaskan pada bab sebelumnya, nilai pixel X yaitu ukuran tiap pixel yang menuju ke arah sumbu x (ke kanan) pada frame citra dan nilai pixel y adalah ukuran tiap pixel ke arah sumbu –y (ke bawah) pada frame citra. Target (X,Y) adalah koordinat yang di-input oleh operator sebagai acuan titik koordinat tujuan dalam menjalankan navigasi. Aktual (X,Y) adalah koordinat terakhir dimana posisi base berada dalam bidang kartesian. Ubin (X,Y) adalah jumlah ubin yang telah dilalui base, 1 ubin berukuran 30 cm x 30 cm, jadi untuk menentukan koordinat Ubin (X,Y) adalah Aktual (X cm,Y cm) / 30 cm. Jarak base terhadap target ialah jarak posisi koordinat terakhir base terhadap titik koordinat target. Kemudian error (X,Y) didapatkan dari koordinat target X,Y dikurangi dengan koordinat posisi (X,Y) saat ini. kemudian arah base menuju posisi X dan Y secara prinsip sama dengan nilai error (X,Y). Status adalah kondisi dimana posisi koordinat base saat ini sudah mencapai target walaupun koordinat aktual tidak 100% sama dengan koordinat target
7 seperti pada data di atas. Ini disebabkan karena dalam sistem ini diberikan nilai toleransi 10 cm untuk jarak antara koordinat aktual dan koordnat target artinya jika koordinat aktual (koordinat posisi saat ini) memiliki jarak kurang dari 10 cm baik pada koordinat X maupun Y maka posisi base sudah mencapai target. Dasar dari pemberian toleransi ini sudah dibahas pada bab sebelumnya.
b.
c.
d.
Saat menggerakkan base secara manual untuk menuju target bisa dilakukan dengan 3 cara yaitu langsung menuju titik koordinat target secara diagonal, menyusuri arah sumbu X kemudian ke arah sumbu Y, dan sebaliknya. Nilai error rata-rata untuk masing koordinat X dan Y adalah 8.55557% dan 6.717739% berarti tingkat keberhasilan navigasi untuk masing-masing koordinat X dan Y adalah 91.44443% dan 93.28226%. Prosedur yang harus dipenuhi ketika menjalankan sistem ini adalah operator harus menentukan terkebih dahulu koordinat target baru kemudian melakukan kalibrasi dengan garis ubin agar didapatkan data yang presisi dan pergerakan robot harus smooth (tidak terlalu cepat) agar didapatkan data valid. VI. DAFTAR PUSTAKA
[1]
Sulistyo J, Widyanto T, Gustica Abi .N, "Penentuan Koordinat Posisi Robot Pada Bidang Kartesian", Laporan Kerja Praktek, Institut Teknologi Sepuluh Nopember, 11 Nopember 2013
[2] Jusuf Dwi Karianto, Ali Husein Alasiry, Fernando Ardila, Nofria Hanafi, “ Navigasi Mobile Robot Berbasis Trajektory dan Odometri dengan Pemulihan Jalur Secar Otomatis”. Politeknik Negeri Surabaya, Surabaya. Tabel 4.1 Hasil Pengujian [3]
RD. Kusmanto, Alan Novi Tompunu. “Pengolahan Citra Digital Untuk Mendeteksi Objek Menggunakan Pengolahan Warna Model Normalisasi RGB”, Seminar Nasional Teknologi Informasi dan Komunikasi Terapan, Politeknik Negeri Sriwijaya, 2011.
[4]
Ichad Pugalu., “Makalah Citra Biner”
, Juni 2014.
[5]
Agus., “Citra RGB Dan Grayscale”, Juni 2014.
[6] Ahmad, U. (2005). Pengolahan Citra Digital dan Teknik Pemrogramannya. Yogyakarta: Graha Ilmu.
Gambar 4.12 Presentase error aktual terhadap target.
[7]
Liu, J.G., Mason, P.J. 2009. Essential Image Processing and GIS for Remote Sensing, John Wiley and Sons, Chichester.
[8]
Schowengerdt, R.A., 2007. Remote Sensing Models and Methods for Image Processing. Third Edition.Elsevier. London.
[9]
“Pengertian Pengolahan Citra Digital”> www.temukanpengertian.blogspot.com->,Agustus 2013.
V. KESIMPULAN Kesimpulan yang diperoleh dalam Tugas Akhir ini adalah: a. Kamera dapat menggantikan rotary encoder pada sebuah sistem navigasi. Secara prinsip kamera bisa difungsikan sebagai penentu gerakan, arah, dan posisi seperti yang bisa dilakukan oleh rotary encoder pada umunya.
[10] http://thesis.binus.ac.id/Asli/Bab2/2006-2-01130IF%20bab%202.pdf.
