Segmentasi Model Primitif Tiga Dimensi Berbasis Point Cloud Menggunakan Random Sample Consensus

Utama, Aditya Rifa (2015) Segmentasi Model Primitif Tiga Dimensi Berbasis Point Cloud Menggunakan Random Sample Consensus. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
undergraduated thesis.pdf - Published Version

Download (21MB) | Preview

Abstract

Permukaan dari suatu objek nyata dapat direpresentasikan kedalam data point cloud dengan setiap point memiliki komponen x, y, dan z. Data point cloud dimanfaatkan dalam mengembangkan teknologi augmented reality yang lebih interaktif. Dalam penelitian augmented reality sebelumnya, data point cloud yang diproses belum dipisahkan antar model primitif. Pemisahan antar model diperlukan dalam proses identifikasi objek atau pengolahan point cloud lebih lanjut. Tujuan dari tugas akhir ini adalah melakukan segmentasi model primitif tiga dimensi dari data point cloud, hasil tangkapan kamera Kinect, dengan menggunakan metode Random Sample Consensus. Model primitif yang disegmentasi adalah model plane, sphere, dan cylinder. Dari hasil pengujian, point cloud dapat dipisahkan menjadi data inliers yaitu data yang sesuai model berdasarkan nilai threshold, dan data outliers atau selain data inliers. Pada segmentasi tunggal bidang plane dengan masukan multiframe data point cloud didapatkan frame persecond sebesar 0,5 hingga 1,1 pada visualisasi sinkronous, sedangkan pada visualisasi asinkronous dihasilkan 0,7 hingga 1,9 fps. Sedangkan pada multisegmentasi dihasilkan nilai fps yang lebih kecil.

Item Type: Thesis (Undergraduate)
Additional Information: RSE 006.42 Uta s
Uncontrolled Keywords: Model primitif, Point cloud, Random Sample Consensus, Segmentasi
Subjects: T Technology > T Technology (General) > T57.5 Data Processing
Divisions: Faculty of Electrical Technology > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User: ansi aflacha
Date Deposited: 25 Mar 2019 09:01
Last Modified: 25 Mar 2019 09:01
URI: https://repository.its.ac.id/id/eprint/62580

Actions (login required)

View Item View Item