Rancang Bangun Sistem Pemetaan Ruang Tertutup menggunakan Kamera RGB-D

Haryono, Daniel Kristianto (2019) Rancang Bangun Sistem Pemetaan Ruang Tertutup menggunakan Kamera RGB-D. Masters thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 07111650040002-Master_Thesis.pdf]
Preview
Text
07111650040002-Master_Thesis.pdf

Download (4MB) | Preview

Abstract

Pemetaan dipandang sebagai salah satu hal yang menjadi kunci utama untuk membuat sebuah robot agar sepenuhnya bersifat otomatis. Apabila sebuah robot memiliki fitur pemetaan, maka robot tersebut dapat melakukan perencanaan rute dari suatu lokasi ke lokasi lainnya pada area kerja yang belum ditentukan sebelumnya, dimana hal tersebut merupakan kondisi yang umumnya ditemukan pada aplikasi nyata. Penelitian ini berfokus kepada penerapan kamera RGB-D untuk keperluan pembuatan peta pada ruang tertutup. Jenis kamera RGB-D yang digunakan pada penelitian ini adalah Kinect Xbox 360.
Sistem ini memiliki tiga bagian utama yaitu RGB-D registration, camera pose estimation, serta laser scan based depth measurement. Bagian RGB-D registration digunakan agar pada setiap piksel RGB terdapat nilai depth yang sesuai. Hal tersebut diperlukan karena letak dari sensor RGB dan depth pada Kinect tidak sama. Luaran dari proses tersebut akan digunakan oleh camera pose estimation. Camera pose estimation digunakan untuk mengestimasi heading (paralel terhadap lantai) serta pergerakan maju Kinect. Estimasi heading didapatkan dengan cara menghitung transformasi fitur-fitur corner yang didapat dari sekuen citra RGB, sedangkan estimasi pergerakan maju didapatkan dari perubahan informasi depth Kinect. Bagian laser scan based depth measurement digunakan untuk melakukan konversi informasi citra depth Kinect ke dalam representasi laser scan (LiDAR) sehingga dapat digunakan untuk proses pembuatan peta.
Pengujian dilakukan pada ruangan dengan dimensi 10.81 x 15.15 m. Evaluasi dilakukan dengan cara membandingkan luas area sebenarnya dengan luas yang diukur dari peta yang dibuat. Perbandingan yang dilakukan meliputi dua hal yaitu uncovered area dan excessed area. Dari hasil percobaan, algoritma FAST menghasilkan total error (uncovered area ditambah excessed area) sebesar 8.27 m², GFtT sebesar 8.18 m², dan Harris sebesar 8.54 m², terhadap luasan area aktual sebesar 27.873 m². Berdasarkan hasil percobaan tersebut, penggunaan algoritma GFtT memberikan performa yang lebih baik, yaitu nilai total error yang paling kecil, apabila dibandingkan dengan FAST maupun Harris.
================================================================================================
Mapping is seen as one of the main objectives in-order to make a fully automatic robot. If a robot has mapping features, the robot can do route planning from one location to another in a undetermined work area, which is a condition commonly found in real applications. This research focuses on applying RGB-D in closed space mapping system. The RGB-D camera which has been used is Kinect Xbox 360.
This system has three main parts, namely RGB-D registration, camera pose estimation, and laser scan based depth measurement. The RGB-D registration section is used so that in each RGB pixel there is an appropriate depth value. This is necessary because the location of the RGB and depth sensor on the Kinect is different. The output of the process will be used by camera pose estimation. Camera pose estimation is used to estimate headings (parallel to the floor) and the forward movement of Kinect. The heading estimation is obtained by calculating the transformation of corner features obtained from the RGB image sequence, while the forward movement estimation is obtained from changes in Kinect depth information. The laser scan based depth measurement section is used to convert depth Kinect image information into laser scan representation (LiDAR) so that it can be used for the map making process.
Tests has been carried out in rooms with dimensions of 10.81 x 15.15 m. Evaluation is done by comparing the actual area with the area measured from the map made. Comparisons has been done considering two things, namely uncovered area and excessed area. From the results of the experiment, FAST algorithm gave a total error (uncovered area plus excessed area) of 8.18 m², GFtT a total error of 8.18 m², and Harris a total error of 8.54 m² on the actual area of 27.873 m². Based on the result, which is smaller total error, GFtT gave a better performance compared to FAST and Harris.

Item Type: Thesis (Masters)
Additional Information: RTE 621.367 Har r-1 2019
Uncontrolled Keywords: pemetaan, RGB-D, pose estimation, Kinect
Subjects: T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105.546 Computer algorithms
Divisions: Faculty of Electrical Technology > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User: Daniel Kristianto Haryono
Date Deposited: 29 Jul 2021 03:15
Last Modified: 29 Jul 2021 03:15
URI: http://repository.its.ac.id/id/eprint/61112

Actions (login required)

View Item View Item