1
Visualisasi Model 3D Jari Menggunakan Finger Motion Capture Heri Risman, Ahmad Zaini, dan Muhtadin Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111 E-mail:
[email protected],
[email protected]
Abstrak—Pada penelitian ini diajukan suatu sistem visualisasi dan perekaman gerakan jari tangan dengan menggunakan alat finger motion capture berbasis flex sensor dan accelerometer. Data visualisasi gerakan diperoleh dari pengolahan data-data sensor menjadi data sudut untuk masing-masing joint jari tangan, dimana data tersebut kemudian disimpan sebagai data motion dengan format BVH. Pengujian dilakukan pada visualisasi jari saat menampilkan karakter angka, pergerakan tangan berputar dan gerakan pada pergelangan tangan. Hasil prosentase error sudut joint yang diperoleh kurang dari 35% untuk visualisasi karakter angka, serta visualisasi gerakan perputaran tangan dan gerakan pada pergelangan tangan sudah mampu dihasilkan sistem.
1. Jari tangan yaitu thumb, index, middle, ring, little, wrist. 2. Tulang-tulang setiap jari yaitu distal phalanx, middle phalanx, proximial phalanx, metacarpal. 3. Sambungan antar tulang yaitu distal interphalangeal (DIP), proximial interphalangeal (PIP), interphalangeal (IP), metacarpophalangeal (MCP), hamate me-tacarpal (HM), trapeziometacarpal (TM).
Kata Kunci—Biovosion Hierarchy, Finger motion capture, Flex sensor.
I. PENDAHULUAN
P
ERKEMBANGAN teknologi motion capture dari tahun ke tahun semakin meningkat, dimana teknologi tersebut banyak dipakai untuk berbagai aplikasi pada pembuatan animasi, data pergerakan robot, data medis dan lain-lain. Beberapa metode motion capture yang berkembang selama ini diantaranya menggunakan kamera untuk menangkap pergerakan obyek, tetapi metode tersebut hanya mampu menangkap gerakan badan secara keseluruhan dan masih memiliki kekurangan dalam menangkap gerakan jari tangan. Untuk mengatasi kekurangan tersebut, telah ada penelitian[1] yang dilakukan dengan menggunakan alat finger motion capture berbasis flex sensor dan accelerometer. Pada penelitian ini ditujukan untuk mengembangkan suatu sistem yang mampu memvisualisasikan dan merekam gerakan masing-masing jari tangan yang dihasilkan oleh device finger motion capture pada [1]. Sistem yang dibuat terdiri dari proses penerimaan, pengolahan, kalibrasi, dan visualisasi data masing-masing flex sensor dan accelerometer. Hasil pergerakan yang dihasilkan oleh sistem kemudian disimpan sebagai data motion dengan format BVH, sehingga data pergerakan tersebut dapat digunakan kembali pada sistem motion capture lainnya. II. METODE PENELITIAN A. Tulang Tangan Manusia Berdasarkan analisa anatomi dan medical tentang tulang tangan (gambar. 1)[2]–[3] yang telah dilakukan, struktur tulang manusia terdiri dari :
Gambar 1. Struktur Tulang Manusia[2]-[3]
Pergerakan tulang tangan manusia dibentuk pada sambungan antar tulang, diantaranya adalah untuk ibu jari pada MCP, IP, dan TM dan untuk ke empat jari yang lainnya pada MCP, PIP, dan DIP. Sehingga tulang tangan manusia memiliki 23 degree of freedom (DOF) yang terdiri dari : 1) 16 DOF pada jari telunjuk, tengah, manis, dan kelingking yang terdiri dari dua DOF untuk masingmasing sambungan DIP dan PIP serta dua DOP pada sambungan MCP. 2) Lima DOF pada ibu jari yang terdiri dari dua DOF pada sambungan TM, dua DOF pada sambungan MCP, dan satu DOF pada sambungan IP. 3) Sisanya dua DOF terdapat pada metacarpal jari manis dan kelingking dimana sudut pergerakan yang dibentuk adalah melengkung terhadap telapak tangan. Berdasarkan tipe pergerakan jari pada tulang tangan manusia maka dapat dibagi atas : 1) Flexion dan extension (F/E) Flexion adalah gerakan meluruskan jari dan extension adalah gerakan membengkokan jari. F/E terletak pada
2 MCP, dan IP pada ibu jari, dan MCP, DIP, dan IP untuk keempat jari lainnya. 2) Abduction dan Adduction (Ab/Ad) Abduction adalah gerakan merenggangkan jari-jari tangan, dan Adduction adalah gerakan merapatkan jarijari tangan. Ab/Ad hanya bisa dilakukan pada setiap MCP dan TM jari tangan. B. Desain Sistem Desain sistem yang dibuat untuk menagkap gerakan finger motion capture sesuai dengan data flow diagram yang ditunjukkan oleh gambar 2, yang terdiri dari input (control, device) dan ouput (vilualisation, BVH).
D. Akusisi Data Proses akusisi data finger motion capture yang diterima oleh sistem terdiri dari sembilan besaran yang masingmasing mewakili : 1) Lekukan ibu jari 2) Lekukan jari telunjuk 3) Lekukan jari tengah 4) Lekukan jari manis 5) Lekukan jari kelingking 6) Data counter sumbu-x 7) Data counter sumbu-y 8) Data counter sumbu-z 9) Nilai referensi accelerometer Data kelima lekukan yang dihasilkan masing-masing flex sesnsor dinormalisasi untuk mendapatkan range baru dari. Besar lekukan jari dinormalisasi pada range nilai 0 sampai 20 menggunakan persamanaan[1]
X X min Range i X min X max Gambar. 2. Desain sistem
Control merupakan interface sistem yang berfungsi untuk menerima perintah user, device adalah alat finger motion capture yang digunakan untuk menangkap dan mengirimkan data pergerakan jari tangan, visualisation adalah bagian yang memvisualisasikan gerakan dari finger motion capture pada perangkat komputer, dan BVH adalah file rekaman perge-rakan jari tangan yang berformat BVH. C. Finger Motion Capture Finger motion capture merupakan device yang digunakan untuk menangkap pergerakan tangan beserta jari-jarinya (gambar.3). Device terdiri dari flex sensor pada masingmasing jari (thumb, index, middle, ring, little), accelerometer, mikrokontroler dan USB2Serial. Flex sensor, accelerometer berfungsi untuk membaca per-gerakan jari dan tangan, mikrokontroler berfungsi untuk mengolah data flex sensor menjadi data digital serta mengirimkan data-data sensor ke sistem melalui USB2Serial. Kecepatan komunikasi serial dari device adalah 19200 bps (bit per seconds).
Gambar. 3. Finger motion capture[1]
* 20 ,
(2)
dimana Xi adalah nilai data flex sensor, Xmin adalah nilai minimal Xi, dan Xmax adalah nilai maksimal Xi. Gaya gravitasi masing-masing sumbu-x, y, z dihitung dari data counter yang dihasilkan accelerometer dengan persamaan[4]
G axis vref * 0,002 ,
(3)
dimana axis, vref adalah data counter setiap sumbu dan referensi serta 0,002 adalah konstanta accelerometer. Besar sudut pitch dan roll accelerometer dihitung dari nilai gaya gravitasi yang diperoleh dari persamaan 4, dimana pitch adalah sudut perputaran pada sumbu-y, dan roll adalah sudut perputaran pada sumbu-x. E. Kalibrasi Device Proses kalibrasi pada finger motion capture dibutuhkan untuk memperoleh nilai minimal, maksimal dan range maksimal yang dimiliki oleh masing-masing data flex sensor. Nilai-nilai tersebut diperlukan untuk menentukan besar sudut sambungan masing-masing jari pada visualisasi pergerakan jari tangan. Parameter pada proses kalirasi adalah : 1) Nilai minimal dihasilkan ketika keadaan flex sensor dalam keadaan lurus (gambar. 4). 2) Nilai maksimal dihasilkan ketika keadaan flex sensor dalam keadaan menekuk atau membengkok maksimal (gambar. 5). 3) Range maksimal dari data flex sensor dihitung dengan persamaan 2 (Xi = Xmax).
3
Roll arctan
Picth arctan
Gambar 4. Kalibrasi nilai minimal
Ay
Ax 2 Az 2 Ax
A A 2
y
2
z
,
(5)
,
(6)
dimana Ax, Ay, Az adalah gaya gravitasi pada sumbu-x, y, z. III. HASIL DAN DISKUSI A. Pengujian Visualisasi Gerakan Jari Pengujian dilakukan untuk mengetahui seberapa besar prosentase error yang dihasilkan untuk setiap sudut joint pada visualisasi karakter angka satu, dua, tiga, empat dan lima pada komputer (gambar. 6), dengan parameter masingmasing karakter ditunjukkan oleh tabel 2. Gambar 5. Kalibrasi nilai maksimal
F. Model Visualisasi Model visualisasi yang dihasilkan oleh finger motion capture dibedakan menjadi dua bagian yaitu : 1) Visualisasi gerakan jari. Model visualisasi diperoleh dari hasil pengolahan data flex sensor pada masing-masing jari. 2) Visualisasi gerakan tangan. Model visualisasi diperoleh dari hasil pengolahan data accelerometer. Pada visualisasi gerakan jari tangan, besar perubahan sudut untuk masing-masing sambungannya adalah sama dan berbanding lurus dengan perubahan besar data flex sensor. Tabel 1 merupakan range sudut untuk masingmasing sam-bungan (joint) yang digunakan pada visualisasi gerakan jari tangan. Sudut masing-masing joint dihitung dengan persa-maan
(4)
dimana maksimumjoint adalah sudut maksimal joint (tabel 1), rangemax adalah range maksimal data flex sensor yang dihasilkan oleh proses kalibrasi device, dan flexnorm adalah data pembacaan flex sensor yang telah dinormalisasi. Tabel 1. Batas minimal dan maksimal sudut joint (degree)
Minimal Maksimal
Tabel 2. Parameter karakter angka (degree) Karakter Angka
IP, MCP
DIP, PIP, MCP
Thumb
Index
Middle
Ring
Little
Satu
60
0
90
90
90
Dua
60
0
0
90
90
Tiga
60
0
0
0
90
Empat
60
0
0
0
0
Lima
0
0
0
0
0
MCP = metacarpophalageal, DIP = distal intephalangeal, PIP = proximal interphalangeal, IP = interphalangeal
maksimumjo int flex norm , Sudut range max
IP, MCP
Gambar. 6. Visualisasi karakter angka satu, dua, tiga, empat, dan lima
DIP, PIP, MCP
Tabel 2 merupakan nilai rata-rata sudut joint jari yang diperoleh dari 10 kali percobaan untuk masing-masing karakter angka Tabel 3, Rata-rata sudut joint (degree) Karakter Angka
IP, MCP
DIP, PIP, MCP
Thumb
Index
Middle
Ring
Little
Satu
43,97
5,98
83,93
68,14
81,97
Dua
44,87
3,40
8,02
61,72
76,36
Tiga
42,96
2,42
7,92
4,87
78,87
Thumb
Index
Middle
Ring
Little
0
0
0
0
0
Empat
47,83
0,99
2,49
0,19
0,29
90
Lima
2,35
0,11
2,28
0,19
1,67
60
90
90
90
Visualisasi gerakan tangan dihasilkan dari perubahan sudut pitch dan roll. Pitch mewakili besar sudut gerakan tangan ketika berputar dan roll mewakili besar sudut ketika gerakan F/E pada pergelangan tangan. Besar nilai sudut roll dan pitch dihitung dengan persamaan[5]
MCP = metacarpophalageal, DIP = distal intephalangeal, PIP = proximal interphalangeal, IP = interphalangeal
Berdasarkan rata-rata sudut (tabel 3) dan parameter karakter angka (tabel 2) maka nilai prosentase error untuk masing-masing sudut joint jari yang dihasilkan kurang dari
4 35% (gambar. 7) untuk visualisasi semua karakter angka. Prosentase error terbesar dihasilkan oleh sudut joint pada ibu jari untuk karakter angka satu sampai empat, hal ini disebabkan karena jumlah joint yang dideteksi oleh alat finger motion capture hanya untuk IP dan MCP sedangkan untuk pergerakannya sendiri sambungan TM juga memiliki peranan dalam menetukan visualisasi karakter angka yang diuji. Gambar. 11. Sudut -57 o pitch
Gambar. 12. Sudut -110 o pitch
Gambar. 7. Nilai error pada masing-masing jari untuk setiap karakter
B. Pengujian Gerakan Perputaran Tangan Sistem sudah mampu memvisualisasi perputaran tangan yang dihasilkan oleh alat finger motion capture dengan besar sudut perputaran adalah 360o. Tangan berputar pada sumbu-y dengan kondisi awal atau sudut 0o (gambar. 8) yang menjadi titik acuan dalam penambahan (gambar. 8 – 10) atau pengu-rangan (gambar. 11 – 12 ) sudut perputaran.
C. Pengujian Gerakan pada Pergelangan Tangan. Sistem sudah mampu memvisualisasikan gerakan pada pergelangan tangan (sumbu-x) dengan kondisi sumbu-z accelerometer bernilai positif (gambar. 13 – 15), dan negatif (gambar. 16 – 18) serta sudut 0o ditunjukkan oleh gambar 14 dan 17.
Gambar. 13. Sudut 0 o roll
Gambar. 8. Sudut 0 o pitch
Gambar. 14. Sudut -40 o roll
Gambar. 9.Sudut 90 o pitch
Gambar. 15. Sudut 66 o roll
Gambar. 10. Sudut 180 o pitch
5
Gambar. 16. Sudut 0 o roll
kurang dari 35%. Serta sistem juga sudah mampu memvisualisasikan gerakan tangan berputar 3600 , dan gerakan pada pergelangan tangan. Untuk pengembangan selanjutnya dapat dilakukan penambahan sensor pada masing-masing sambungan tulang tangan dan pergelangan tangan sehingga visualisasi gerakan F/E dan Ab/Ad jari tangan menjadi lebih detail lagi.
LAMPIRAN UCAPAN TERIMA KASIH
Gambar. 17. Sudut 68 o roll
Penulis H.R mengucapkan terima kasih kepada pihakpihak yang telah membantu dalam menyelesaikan penelitian ini, diataranya keluarga dan orang-orang terdekat yang selalu memberikan doa dan dukungannya serta dosen-dosen pengajar Bidang Studi Teknik Komputer dan Telematika Jurusan Elektro ITS atas saran dan bimbingan yang telah diberikan . DAFTAR PUSTAKA [1]
Gambar. 18. Sudut -30 o roll
D. Hasil BVH Perekaman Gerakan Jari dan Tangan Pengujian dilakukan untuk mengetahui berapa kapasitas memori yang dibutuhkan untuk penyimpanan data gerakan (jumlah frame) yang dihasilkan oleh alat finger motion capture. Gambar. 19 merupakan hasil dari pengujian.
[2]
[3]
[4] [5]
Gambar. 19. Pengaruh jumlah frame terhadap memori
Berdasarkan hasil yang diperoleh dapat disimpulkan bahwa jumlah frame yang disimpan berpengaruh terhadap kapasitas memori yang diperlukan dimana semakin banyak data gerakan yang disimpan maka kapasitas memori yang dibutuhkan juga bertambah. IV. KESIMPULAN / RINGKASAN Sistem sudah bisa menunjukkan gerakan jari lurus, dan menekuk sempurna pada visualisasi karakter angka dengan nilai prosentase error untuk sudut masing-masing joint
M. Iqbal, I. K. E. Purnama, M. H. Purnomo, “Pengenalan Bahasa Isyarat Indonesia Berbasis Sensor Accelerometer dan Sensor Flex Menggunakan Dynamic Time Warping”, THE 12TH SEMINAR INTELLIGENT TECHNOLOGY AND ITS APPLICATIONS, ID : 010, 25, Mei, 2011 Wu Y, Huang TS, “ Human hand modeling, analysis and animation in the context of HCI,” Proceedings of the International Conference on Image Processing; 1999, Japan. p. 6–10. Rhee T, Neumann U, Lewis JP, “ Human hand modeling from surface anatomy,” Proceedings of the 2006 Symposium on Interactive 3D Graphics and Games; 2006 Mar 14–17, Redwood City, CA.,New York Parallax Inc (2007), Hitachi H48C 3-Axis Accelerometer Module (#28026) Rev 1.2 AN3182 Applecation note (April 2010), Tilt measurement using a low-g 3-axis accelerometer, DOC ID 17289 Rev 1
