BAB IV METODE PENELITIAN
5.11 Pemodelan Aktuator
5.11.4 Pewaktuan servo
Pewaktuan servo pada listing Gambar 5.29, dilakukan dengan menggunakan bantuan fungsi milis() (milisecond) yang merupakan bawaan dari arduino, untuk kemudian menyesuaikan pulsa PWM yang diset. Refresh time pada program ini diset 20 ms, artinya jeda antar pulsa adalah 20 Sehingga tiap 20 ms servo akan merefresh dengan pulsewidth yang baru.. Listing program dapat dilihat pada Gambar 5.29.
Pada pewaktuan delay servo untuk pulsewidth pada servo sekitar 1ms-2ms, pada servo yang digunakan. Maka untuk menentukan posisi ditentukan berdasarkan besar pulse width antara 750- 1350. Perintah ini dituliskan di listing pada Gambar 5.29.
79 if (millis() - lastPulse >= refreshTime) {
80 digitalWrite(servo_kanan, HIGH); // start pulsa
81 delayMicroseconds(pulseWidth_kanan); // delay pulsa
82 digitalWrite(servo_kanan, LOW); // stop pulsa
84 digitalWrite(servo_kiri, HIGH); // start pulsa
85 delayMicroseconds(pulseWidth_kiri); // delay pulsa
86 digitalWrite(servo_kiri, LOW);
87 lastPulse
= millis(); // simpan pulsa terakhir
88 }
Gambar 5.29 Listing pewaktuan servo pada Arduino .
74
BAB VI
PENGUJIAN DAN PEMBAHASAN
6.1 Kalibrasi Pengujian
Kalibrasi ini adalah untuk mencari nilai referensi dan nilai error minimum untuk dapat melakukan pendeteksian objek. Ilustrasi skema kalibrasi ditunjukkan pada Gambar 6.1.
Gambar 6.1 Skema kalibrasi pendeteksian, di Lapangan SMA N 2, Donoharjo, Ngaglik, Sleman
Pada Gambar 6.1 diterangkan kalibrasi pada penelitian ini dilakukan dengan menggunakan Lapangan SMA N 2 Ngaglik. Untuk dapat mengkalibrasikan parameter-parameter pada metode Hough Circle, dengan cara mengambil sampel lampu depan dan lampu belakang motor dan mobil yang telah ditentukan sebagai model kalibrator.
Setting yang dibuat pada Gambar 6.1 dibuat mirip dengan lebar Jalan Palagan (jalan provinsi), dengan asumsi lebar jalan 6 meter. Letak pengamat adalah pada titik Kamera, sedangkan start mobil dan motor adalah dari titik 90 meter.
Titik 90 m dari titik nol (start mobil/motor)
10 m
90 m
Kamera titik nol
6.1.1 Pengaturan nilai window dari filter smooth OpenCV
Pada sub bab ini diterangkan tentang variasi ukuran kernel pada filter smooth. Penelitian ini dilakukan untuk mengetahui apakah mempengaruhi sensitivitas pendeteksian objek. Ilustrasi hasil pendeteksian ditampilkan pada Gambar 6.2.
(a). Bagian kiri adalah hasil smooth
window 9x9, hasilnya error masih banyak pada pantulan cahaya rumput
(b). Bagian kanan adalah hasil smooth
window 15x15, hasilnya error pada pantulan rumput berkurang, namun menjadi tidak peka mendeteksi motor. Gambar 6.2 Hasil filter image, dengan smooth, pada ukuran kernel (a) 9x9
dan (b) 15x15
Filter gaussian blur r(smooth) adalah fungsi konvolusi yang sudah dijelaskan di teori. Karena setiap ukuran window menghasilkan nilai Gaus yang berbeda pada window kernel untuk fungsi konvolusi. Maka dicari nilai window smooth untuk mengurangi noise, namun tidak mengurangi sensitivitas dalam mendeteksi
motor. Hasil Kalibrasi tabel dapat dilihat pada lampiran L2. Ilustrasi dapat dilihat di Gambar 6.2.
Pada bagian (a) digunakan window ukuran 9x9, dimana hasilnya masih terdapat 4 error pada pantulan rumput, namun berhasil untuk mendeteksi motor pada jarak 10 meter. Pada ukuran window 15x15 dapat mereduksi kesalahan hingga turun separohnya menjadi 2 error , namun tidak mampu mendeteksi kendaraan motor pada jarak 10 meter.
6.1.2 Metode pendeteksian pola warna di OpenCV dengan menggunakan
Hough Circle
Ada beberapa hal yang perlu diperhatikan dari pendeteksian pola warna dengan menggunakan metode Hough Circle pada OpenCV. Pada OpenCV moetodenya sedikit berbeda karena hanya menggunakan sistem gradasi warna untuk pendeteksian pola. Kemudian ada beberapa parameter yang disediakan OpenCV untuk membatasi pendeteksian, sebagai berikut :
a. Ukuran kepresisian resolusi image pada deteksi pola warna. Ukuran ini harus lebih besar atau sama dengan 1. Pada penelitian ini digunakan nilai 2 pixel untuk ukuran kepresisian image.
b. Jarak antara titik tengah lingkaran dengan titik tengah lingkaran yang lain. Hal ini sangat berpengaruh terhadap deteksi dan er ror, maka pada penelitian ini divariasikan nilainya pada 30, 40, 50, 60, 70 pixel.
c. Kisaran nilai Canny Threshold yang digunakan. Canny Threshold adalah ukuran kisaran nilai threshold yang digunakan untuk pendeteksian objek. Pada nilai maximum threshold didefinisikan 255 , untuk nilai minimmum threshold akan dicari yang terbaik antara 10,20,30,40,50.
d. Kisaran nilai Minummum dan maximum radius, yakni membatasi ukuran minimal dan maksimal lingkaran. Parameter ini optional, karena sebenarnya setting untuk parameter ini tidak akan membatasi pendeteksian dan mengurangi error sebenarnya. Karena pada Color Range yang dideklarasikan cukup lebar, sehingga kalau diset nilai minimumnya kecil, maka OpenCV
akan mencari gradient warna terkuat, kalau diset nilai minimmumnya besar maka ia akan mencari gradasi diatasnya. Maka tidak akan mengurangi error. Dengan demikian didefinisikan untuk nilai minimmum radius sebesar 3 pixel, dan maximmum radius sebesar 40.
Kisaran nilai exposure
Exposure digunakan untuk membatasi cahaya yang terserap oleh lensa video camera, (mengatur diafragma). Berbeda dengan canny threshold yang membatasi nilai threshold dengan variasi pada software, pada exposure setting adalah pada camera sehingga diharuskan mengambil gambar sebanyak nilai variasi exposure tersebut. Digunakan variasi antara exposure dan canny threshold dengan tujuan mengurangi error dan menambah akurasi dari hasil pendeteksian. Pada penelitian ini divariasikan nilai exposure pada 100%; 87,5%; 75%; 62,5%; 50%.
Variasi parameter kalibrasi
Pendeteksian dengan sistem Hough Circles dipengaruhi oleh beberapa parameter. Telah disebutkan sebelumnya bahwa variabel- variabel yang berpengaruh pada pendeteksian Hough Circles di OpenCV. Maka divariasikan pengujian kalibrasi dengan variasi parameter sebagai berikut :
a. Jarak antar titik tengah centroid lingkaran
b. Variasi exposure untuk menentukan 3 exposure terbaik
c. Variasi 3 exposure terbaik dan variasi minimal threshold untuk membentuk hubungan linier antara minimal threshold dengan jarak objek terdeteksi. d. Exposure terbaik dan variasi threshold untuk mendapat koordinat vertikal
titik centroid.
e. Memadukan semua parameter yang ada pada pemrosesan video (akurasi algoritma)
6.1.3 Penjelasan hasil kalibrasi pendeteksian pola warna di OpenCV dengan menggunakan Hough Circle.
Jarak antar titik tengah pendeteksian
Jarak antar titik tengah ini berpengaruh kepada banyaknya lingkaran yang akan terdeteksi pada suatu gradient warna yang sesuai. Karena jari-jari maksimal dan minimal tidak berpengaruh kepada banyaknya lingkaran (noise).
Pada lampiran L3 divariasikan jarak antar titik tengah lingkaran antara 30,40,50,60,70. Hasil yang diinginkan untuk pendeteksian ini adalah nilai terbaik antara tingkat akurasi koordinat (tidak null) dan tingkat er ror yang rendah. Null pada hasil pendeteksian pada data kalibrasi adalah hasil pendeteksian yang tidak akurat pada area gradasi warna, maka dihitung sebagai error . Hasil deteksi ditunjukkan pada Gambar 6.3.
(a) Jarak antar pusat 50 pixels. (b) Jarak antar pusat 10 pixels Gambar 6.3 Hasil filter dengan minimal jarak pendeteksian antar titik
pusat, (a) jarak 50 pixel (b) jarak 10 pixel
Kesimpulan yang didapatkan pada lampiran L3, disimpulkan bahwa nilai jarak antar titik lingkaran yang baik adalah 50 pixels (ditujukkan pada Tabel L3.3) untuk lampu depan mobil, dan 40 pixels untuk lampu belakang mobil(ditunjukkan pada Tabel L3.8). Untuk motor tidak di modelkan karena hanya punya satu buah lampu depan dan belakang, sedangkan pada mobil adalah sepasang.
Variasi nilai exposu re
Nilai exposure ditentukan dengan membatasi intensitas cahaya yang dapat diterima oleh kamera. Dengan menggunakan exposure diharap dapat mengurangi error yang terbentuk daripada dengan thresholding biasa.
Pada lampiran L4, divariasikan nilai Exposure antara 50%,62,5%,75%,87,5%,100% dengan nilai minimal thresholding 20. Pada lampiran L4 terdapat hasil pengujian lampu depan dan lampu belakang mobil dan motor, setting kamera kelima exposure tersebut .Ilustrasi pengujian dengan variasi nilai exposure ditunjukkan pada Gambar 6.4.
Gambar 6.4 Hasil pendeteksian dengan basis, (a) exposure 62,5% (b)
exposure 87,5%
Pada lampiran L4 didapatkan hasil pengujian pada berbagai nilai exposure. Pembahasan ringkas dalam pengujian adalah sebagai berikut :
a. Kekurangan Exposure 100%(minimal threshold 20).
Pada Exposure 100% pada pendeteksian lampu depan motor hasilnya cukup baik yakni deteksinya akurat dan tidak ada error , yang termuat pada Tabel L4.6. Pada pendeteksian lampu belakang motor dalam kondisi normal (tidak rem) dapat mencapai 20 meter, dan saat rem mencapai 40 meter, ditunjukkan pada Tabel L4.16. Pada pendeteksian lampu belakang mobil pada jarak <-30 meter banyak terjadi error , termuat pada Tabel Lampiran.4.11.
b. Kekurangan Exposure 87,5% (minimal threshold 20)
Pada Exposure 87,5% adalah nilai yang lebih rendah dari exposure 100%. Banyak parameter yang sama dengan pada pendeteksian dengan exposure 100%, dengan tingkat er ror yang sedikit berkurang. Pada pendeteksian lampu depan (Tabel L.4.7) dan lampu belakang (Tabel L4.17) hasil pengujiannya relatif sama dengan exposure 100%. Pada pengujian lampu depan mobil (Tabel L4.2) dan lampu belakang mobil (Tabel L4.12), nilai error nya berkurang dibandingkan dengan pendeteksian dengan exposure 100%, terutama pada lampu jauh dan saat rem.
c. Kekurangan Exposure 62,5% dan 50%(minimal threshold 20)
Pada kedua exposure ini diafragma kamera terlalu sempit sehingga cahaya yang diterima lensa terlalu sedikit, Hal ini berakibat pada tingkat pendeteksian yang sangat terbatas, terutama pada keadaan normal. Pada pendeteksian lampu depan mobil normal sampai 10 meter pada exposure 62,5% (Tabel L4.4) dan pada exposure 50% (Tabel L4.5). Pada pendeteksian lampu depan motor dalam keadaan normal tidak terdeteksi, baik pada exposure 62,5% (Tabel L4.9), pada exposure 50% (Tabel L4.10). Pada pendeteksian lampu belakang motor pada saat normal juga tidak terdeteksi, pada exposure 62,5% (Tabel L4.14) dan pada exposure 50% (Tabel L4.15 ). Pada pendeteksian lampu belakang mobil juga tidak terdeteksi apapun, pada exposure 62,5% (Tabel L4.14) dan exposure 50% (Tabel L4.15).
d. Kekurangan Exposure 75% (minimal threshold 20)
Pada Exposure 75% adalah nilai yang terbaik dibandingkan dengan nilai exposure yang lain. Pada pendeteksian lampu depan mobil pada Tabel Lampiran L4.3. sangat sedikit error yang terjadi dan pada lampu depan motor pada Tabel L4.3 reduksi jarak terdeteksi juga tidak terlalu banyak dibanding exposure 87,5% dan 100%. Pada Tabel L4.8 pada pendeteksian lampu belakang mobil juga didapatkan reduksi error yang signifikan daripada exposure diatasnya ,dan pada Tabel L4.18. reduksi jarak terdeteksi dari lampu belakang motor tidak berubah banyak.
Namun Kelemahan pada Exposure 75% ini terletak jika dibandingkan antara Tabel L4.3. tentang lampu depan mobil, dan Tabel L4.8 tentang lampu depan motor. Pada Tabel L4.3. pada koordinat vertikal centroid 120 didapatkan jarak titik nol dengan mobil adalah 40-50 meter, sementara pada Tabel L4.8 koordinat vertikal centroid 120 didapatkan jarak estimasi hanya 20 meter. Padahal tinggi lampu depan motor 110 cm dan lampu depan mobil 80 cm. Ini berarti selisih tingginya hanya 30 cm, namun perbedaannya pada liniearitas dengan jarak sangatlah berbeda.
Maka dari itu dapat disimpulkan bahwa tidak dapat menggunakan tinggi vertikal sebagai satu-satunya parameter untuk estimasi jarak.
.
Variasi 3 Expos ure dan 5 Threshold
Nilai Exposure 87,5%, 75%, 62,5% akan di variasikan dengan nilai minimal Threshold 10,20,30,40,50 (maksimal tetap 255). Tujuannya adalah untuk mencari hubungan linier antara jarak dengan besarnya level minimal threshold . Dari variasi tersebut diharapkan dapat mengurangi tingkat error yang terjadi pada tingkat threshold rendah. Dengan kata lain akan mengukur seberapa kuat intensitas cahaya yang dihasilkan oleh lampu belakang dan lampu depan motor dan mobil.
Namun tujuan utama dari variasi exposure dan threshold ini adalah untuk mencari korelasi antara besarnya threshold frame dengan jarak maksimal terdeteksi pada setiap nilai threshold . Jika nilai ini hanya mampu diterapkan pada lampu depan mobil, maka untuk lampu depan motor dan lampu belakang mobil serta motor yang tingkat intensitas cahayanya rendah, dapat diberikan parameter dengan sumbu vertikal.
a. Variasi pada lampu depan mobil
Divariasikan 3 nilai exposure yakni 87,5%, 75%, dan 62,5% terhadap variasi kisaran nilai Threshold (10-255), (20-255), (30-255), (40-255), (50-255). Maka dari ketiga nilai exposure hanya nilai exposure 87,5% yang membentuk hubungan linier dengan perubahan jarak. Hubungan ini dapat dilihat pada Tabel L5.1, grafik dari hubungan linier tersebut disajikan pada Gambar 6.5.
Gambar 6.5 Grafik threshold frame (X) vs maksimal jarak mobil terdeteksi (Y)
b. Variasi pada lampu depan motor
Karena exposure terbaik untuk lampu depan mobil adalah exposure 87,5%. Maka exposure 87,5% yang digunakan sebagai exposure terbaik. Hasil korelasi antara besar threshold dengan jarak terdeteksi ditunjukkan pada Tabel L5.2 Namun hubungannya tidak selinier lampu depan mobil. Lampu depan motor pada kondisi normal hanya bertahan pada threshold 30, itupun pada jarak 10 meter. Grafik hubungan besar threshold dengan jarak maksimal terdeteksi disajikan pada Gambar 6.6.
Gambar 6.6 Grafik Threshold fra me (X) vs maksimal jarak motor terdeteksi (Y) 0 20 40 60 80 100 120
Threshold 10 Threshold 20 Threshold 30 Threshold 40 Threshold 50
Threshold frame(X) vs Maksimal jarak mobil terdeteksi (Y) meter
Normal(Lampu Pendek) Dim (Lampu Jauh)
0 20 40 60 80
Threshold 10 Threshold 20 Threshold 30 Threshold 40 Threshold 50
Thresholded frame(X) vs Maksimal jarak motor terdeteksi (Y)
Normal(Lampu Pendek) Dim (Lampu Jauh)
c. Variasi pada lampu belakang motor dan mobil
Pada lampu belakang di variasikan thresholding (10-255),(15-255),(20- 255),(25-255),(30-255) dengan nilai exposure 87,5%. Didapatkan dari hasil pendeteksian bahwa lampu belakang motor (Tabel L5.3) baik normal ataupun rem hanya bertahan pada thresholding 10. Sementara lampu belakang mobil (Tabel L5.4) hanya bertahan pada thresholding 20. Ini berarti Lampu belakang kendaraan dalam kondisi normal hanya bagus pada thresholding 10. Untuk tingkat thresholding diatasnya hanya pada keadaan mengerem.
Variasi minimum threshold dengan exposure 87,5% untuk mencari hubungan koordinat vertikal centroid dengan jarak kalibrasi
Setelah disepakati menggunakan exposure 87,5%, berdasarkan analisa pada sub bab 6.5.3, maka pada sub bab 6.5.4. dicari nilai koordinat yang jelas baik bersumber dari lampu jauh maupun lampu dekat, atau keadaan lampu belakang normal atau saat mengerem.
a. Lampu depan mobil
Variasi threshold minimal untuk lampu depan mobil. Pada Lampiran.6, ada 5 variasi threshold yakni (1-255), (5-255), (10-255), (15-255), dan (20-255),. Hasil dengan nilai error yang rendah untuk lampu depan mobil adalah pada Tabel L6.1. Pada Tabel L6.1. diterjemahkan dalam bentuk grafik pada Gambar 6.7.
Gambar 6.7 Grafik jarak mobil terkalibrasi (X) vs tinggi koordinat vertikal
centroid pada minimum threshold 20 (jangkauan 20-255)
Pada Tabel L6.1. terlihat bahwa nilai lampu depan mobil dengan nilai lampu dekat mulai jarak 50 meter keatas, banyak terjadi er ror. Bahkan nilai deteksi tidak akurat pada area lampu namun pada area diluarnya. Jadi sebenarnya masih terdeteksi, namun koordinat vertikal centroid nya tidak tepat sehingga tidak dapat mewakilkan estimasi jarak berdasarkan tinggi vertikal centroid. Sementara pada lampu jauh mobil, error lebih banyak namun cahaya memfokus sehingga ada pendeteksian yang akurat pada wilayah cahaya lampu, sehingga koordinat vertikal centroid nya dapat digunakan untuk estimasi jarak.
b. Lampu depan motor
Pada deteksi lampu depan motor lampiran L6.2 terlihat bahwa divariasikan minimal threshold 1,,5,10,15,20; dengan maksimal 255. Dari variasi tersebut didapatkan nilai koordinat vertikal centroid dari minimum threshold selain 20 untuk jarak 20 meter ke atas dalam kondisi normal tidak stabil(banyak er ror). Oleh karena itu digunakan minimal thresholding 20 dengaan mengacu pada lampu jauh motor saja. Hal ini dituliskan pada Tabel L6.6.. Data tersebut dibuat grafik pada Gambar 6.8. 0 20 40 60 80 100 120 140 160 0 20 40 60 80 100
Thresholded 20 frame(X) vs Maksimal jarak mobil terdeteksi (Y)
Normal(Lampu Pendek) Dim (Lampu Jauh)
Gambar 6.8 Grafik jarak mobil terkalibrasi (X) vs tinggi koordinat vertikal
centroid pada minimum Threshold 20 (jangkauan 20-255) c. Lampu belakang mobil dan motor.
Pada lampiran L6.3 disimpulkan nilai minimal threshold 10 adalah terbaik untuk mendapat nilai vertikal centroid pada lampu belakang mobil dengan nilai error yang rendah. Hal ini termuat pada Tabel L.6.13. Pada lampiran L6.4., pada pengujian lampu belakang motor, dapat disimpulkan bahwa pada tingkat minimal threshold 10 dan threshold 8. Pada kedua jangkauan threshold didapatkan hasil pendeteksian dengan sedikit error. Hal ini termuat pada Tabel L6.18.dam Tabel L6.19 Pada Tabel 6.18 dan Tabel 6.19 didapatkan nilai vertikal centroid yang akurat dengan nilai error yang tidak ada. Namun untuk menyamakan dengan tingkat minimal threshold dengan lampu belakang mobil, maka lebih dipilih minimum threshold 10 dibanding minimmum threshold 8. Hubungan nilai vertikal centroid dan jarak kalibrasi disajikan dalam bentuk grafik pada Gambar 6.9. untuk lampu belakang mobil. Pada Lampu belakang motor disajikan pada Gambar 6.10
Pada Gambar 6.9 tentang grafik lampu belakang mobil vs threshold serta Gambar 6.10 tentang grafik lampu belakang motor vs threshold terlihat bahwa yang terlihat hanya warna merah (Grafik saat mengerem). Sebenarnya pada saat normal juga di plot, hanya saja pada deteksi lampu belakang baik motor maupun, nilai koordinat vertikal centroid pada saat rem ataupun normal adalah sama.
105 110 115 120 125 130 0 20 40 60 80 100
Thresholded frame(X) vs Maksimal jarak motor terdeteksi (Y)
Normal(Lampu Pendek) Dim (Lampu Jauh)
Untuk dapat melihat koordinat vertikal secara jelas dapat dilihat pada Tabel lampiran L6.18. (lampu belakang motor) dan Tabel lampiran L6.13 (lampu belakang mobil).
Gambar 6.9 Grafik Jarak mobil terkalibrasi (X) vs tinggi koordinat ve rtikal
centroid pada minimum Threshold 10 (jangkauan 10-255)
Grafik 6.10 Grafik Jarak motor terkalibrasi (X) vs tinggi koordinat vertikal
centroid pada minimum Threshold 10 (jangkauan 10-255) Akurasi deteksi (penggabungan semua parameter)
a. Deteksi Lampu Depan motor
Dari lampiran Tabel L6.7 didapatkan bahwa titik vertikal untuk koordinat lampu motor dan mobil pada 40 meter adalah 120 pixels. Maka ditambahkan intepretasi algoritma deteksi lampu depan bahwa level thresholding 20 dengan
0 50 100 150
0 20 40 60 80 100
Thresholded frame (X) vs Maksimal jarak mobil terdeteksi (Y)
Normal(Lampu Pendek) Dim (Lampu Jauh)
0 20 40 60 80 100 120 140 0 20 40 60 80 100
Thresholded frame(X) vs Maksimal jarak motor terdeteksi (Y)
Normal(Lampu Pendek) Dim (Lampu Jauh)
koordinat lebih rendah dari 120 pixels maka dikelompokkan ke posisi servo 3 (lebih dekat dari 40 meter) Kemudian level thresholding 30 dengan koordinat lebih rendah dari 110 dikelompokkan ke posisi servo 4.. Thresholding 40 dengan koordinat lebih rendah dari 110, maka dikelompokkan ke posisi servo 4. Deteksi dengan prioritas tertinggi, artinya nilai thresholding tertinggi yang akan diacu. .
Pada lampiran Tabel L7.1, diterangkan bahwa lampu motor terdeteksi pada jarak 30 meter dengan minimmum threshold 20. Karakter cahaya nya tidak menentu karena sering terdeteksi dan sering menyebabkan aksi bisa lampu jauh dan lampu dekat. Hal ini karena fluktuaktifnya cahaya motor pada saat keadaan diam karena hanya mengandalkan tenaga dari dinamo.
Pada deteksi lampu jauh cukup stabil pada minimmum threshold 10, namun pada jarak 20 sampai 50 terdeteksi fluktuaktif, karena memang pada posisi diam tenaga dari dinamo motor tidak stabil dan tidak maksimal.
b. Koreksi Lampu Belakang Motor
Dari lampiran L6.3 pada Tabel L6.13 didapatkan bahwa deteksi jarak 30 meter didapatkan nilai koordinat vertikal lebih rendah dari 120. Oleh karena itu dibatasi bahwa level thresholding 20 (hati- hati) dengan koordinat vertikal kurang dari 110 di intepretasikan sebagai rem, sama dengan level threshold merah 30 (rem). Pada lampiran Tabel L7.5. terlihat bahwa kendaraan deteksi kendaraan didepan (threshold 10) terdeteksi sampai dengan jarak 70 meter. Sementara nilai hati-hati terdeteksi sampai dengan jarak 30 meter, dan pada saat injak rem terdeteksi sebagai rem sampai pada jarak 30 meter, sementara terdeteksi sebagai hati-hati adalah antara 40 meter sampai 90 meter. Pada kaitannya dengan lampu depan diintepretasikan kondisi rem dengan koordinat antara 110-120 diintepretasi sebagai posisi servo 4, dan pada koordinat <110 diintepretasi sebagai pos isi servo 5. Hal ini merupakan fungsi untuk supaya lampu rem tidak terhalang oleh terangnya lampu, seperti ditulis pada sub bab 4.5.2. tentang rancangan deteksi lampu belakang motor.
c. Deteksi Lampu Depan mobil
Pada lampiran L7.3, pada Tabel L7.5, didapatk an error pengujian sama seperti motor, tidak ada banyak hal yang berubah dibanding saat deteksi dengan
sampling gambar. Hanya saja yang perlu diperhatikan adalah pada saat mobil melakukan lampu jauh, maka sekaligus terdeteksi sebagai REM (Merah threshold 30). Itu terjadi karena exposure yang digunakan terlalu tinggi sehingga tidak bisa jelas membedakan warna merah.
Perlu diperhatikan juga bahwa deteksi mulau dari titik 40 meter sampa titik 10 meter terjadi error, program hang(keluar dari eksekusi) Hal ini terjadi karena program tidak mampu menahan fluktuasi cahaya dari Lampu jauh ke lampu dekat. Maka dari itu performa video pada saat dicoba ke jalan harus dicoba apakah sampai selesai video atau putus di tengah jalan.
d. Deteksi lampu belakang mobil
Pada pengujian deteksi lampu belakang mobil, digunakan algoritma yang sama dengan deteksi lampu belakang motor. Pada lampiran L7.4, pada Tabel L7.4 didapatkan pengujian deteksi lampu belakang mobil juga tidak ada perubahan, karena dengan hasilnya adalah seperti yang diperkirakan dengan aturan seperti pada deteksi lampu belakang motor. Pada lampiran Tabel L7.6 didapatkan hasil pengujian lampu kendaraaan mobil selalu terdeteksi sampai jarak 40 meter. Pada deteksi normal (threshold 20) didapatkan sampai dengan jarak 30 meter, objek lampu belakang mobil dideteksi sebagai hati-hati dan rem. Hal ini karena intensitas cahaya dari keadaan normal lampu belakang mobil bisa mencapai threshold 30, berbeda dengan pengujian dengan sampel gambar pada Tabel L5.5 yang menyatakan pada tingkat threshold 30 keadaan normal lampu belakang sudah tidak terdeteksi
. Hanya saja setelah titik 40 meter program berhenti, masalah yang sama dengan deteksi lampu depan mobil, dimana program tidak kuat menerima fluktuasi cahaya antara cahaya saat rem diinjak dan pada saat normal.
6.1.4 Kesimpulan hasil kalibrasi
Hasil dari kalibrasi yang ada pada lampiran dan telah dijelaskan pada poin sebelumnya. Jika pada lampiran L1 sampai dengan L6 menggunakan data sampel berupa gambar, pada lampiran L7 saat koreksi akurasi algoritma menggunakan sampel video. Terdapat sedikit perbedaan antar keduanya, karena sampel gambar
hanya berdasar 1 frame, sedang video beberapa frame. Maka diputuskan untuk intepretasi berdasar tingkat thresholding digunakan data pada lampiran L7. Maka didapatkan nilai kesimpulan hasil kalibrasi terbaik, pada Tabel 6.1.
Tabel 6.1 Nilai Lampu HID pada format HSV, (a) kisaran warna Lampu
HID mobil (b) konversi dalam format OpenCV Nilai jarak pusat ke pusat
lingkaran
50 (Untuk Lampu Depan Mobil dan Motor) 40 (Untuk Lampu Belakang Mobil dan Motor) Nilai minimal threshold 10-50 (Lampu depan Mobil dan Motor)
10-30 (Lampu Belakang Mobil dan Motor)
Nilai exposure 87.5
Nilai Resolusi pixels 2
Radius Lingkaran 3-40
Pada kesimpulan nilai kalibrasi didapatkan pendetekatan intepretasi aktuasi berdasarkan pendeteksian lampu depan kendaraan serta lampu belakang kendaraan. Maka didapatkan data kesimpulan untuk pengujian deteksi lampu depan pada Tabel 6.2, dan untuk pengujian deteksi lampu belakang pada Tabel 6.3. Pada nilai kalibrasi digunakan frame utuh ukuran (540x300) untuk kalibrasi. Pada sub bab 5.6, dijelaskan frame dipecah menjadi ROI. Pada kalibrasi ini didapatkan nilai tertinggi hasil kalibrasi adalah 131 (Tabel L6.18 lampu belakang motor). Maka dengan toleransi 10 pixel didapatkan nilai batas ROI untuk koordinat vertikal adalah 140. Dengan batas baru tersebut, ukuran frame dapat diperingkas dan lebih ringan prosesnya.
Dengan anggapan nilai maksimal koordinat vertikal 140, maka nilai- nilai batas ROI disesuaikan. OpenCV sejatinya membaca koordinat vertikal dari atas, maka koordinat Y<120, menjadi Y>20, Y<110 menjadi Y>30. Maka didapatkan data wilayah ROI dan thresholding pada lampu depan ditampilkan pada Tabel 6.2,