Pengukuran Sebidang (In-Plane Measurement) Defleksi Struktur Dengan Menggunakan Visi Komputer Berbasis Deteksi Tepi

(1)

1

BAB I

PENDAHULUAN

1.1

Latar Belakang

Didalam kehidupan sehari-hari kita sering berjumpa dengan defleksi, baik

defleksi pada baja, pada besi maupun kayu. Oleh sebab itu,

dalam perancangan

suatu bagian mesin atau struktur, besarnya defleksi

atau lendutan

memegang

peranan yang penting dan perlu diperhitungkan

, contohnya saja pada jembatan.

Jika seorang

engineer

tidak memperhitungkan maka akan berakibat fatal bagi

pengguna jembatan tersebut, karena faktor lendutan yang lebih besar akan

mengurangi faktor

safety

pada struktur tersebut.

Berdasarkan kondisi tersebut mungkin dapat dicegah dengan adanya

pengamatan kondisi struktur secara kontinyu maupun periodik agar dapat

dilakukan antisipasi kegagalan struktur. Oleh karena itu, perkembangan teknologi

penelitian dalam metode pengukuran struktur saat ini semakin menarik untuk

diteliti, dikarenakan hal ini bertujuan agar meminimalisir kegagalan struktur yang

dapat menimbulkan korban jiwa serta kerugian material yang terjadi. Banyak

metode dan instrument yang umum digunakan dalam pengukuran struktur yang

terjadi seperti metode analitis dan metode dengan mengukur secara langsung.

Akan tetapi, metode tersebut memiliki kelemahan yang sulit diterapkan untuk

kasus masalah yang bersifat kompleks.

Salah satu metode pengukuran

struktur yang telah dan sedang

dikembangkan adalah metode defleksi struktur yang bersifat non- kontak dengan

(2)

2

memiliki keuntungan karena selain lebih simpel, praktis, mudah, dapat diandalkan

ketelitiannya, dan juga biaya yang dibutuhkan relatif lebih murah.

Pada saat ini, metode tersebut yang banyak digunakan adalah fotogrammetri

dan visi komputer (

computer vision

). Walaupun sama-sama menggunakan kamera

sebagai sensor utama, tujuan utama fotogrammetri adalah ketelitian, sedangkan

visi komputer mengutamakan fleksibilitas [1]. Teknik yang banyak digunakan

dalam fotogrammetri untuk pengukuran defleksi struktur ada dua yaitu

konvensional dan berbasis tepi [2]. Pada bidang visi komputer, yang paling luas

digunakan adalah teknik korelasi citra digital (

DIC

–

digital image correlation

).

Pengukuran defleksi struktur dapat menggunakan satu kamera (

in-plane

measurement

) atau menggunakan dua kamera (

stereo vision measurement

). Dalam

pengukuran sebidang, bidang ukur dengan bidang sensor kamera haruslah sejajar

(

in-plane

) [3].

Berkaitan pada penjelasan latar belakang diatas, maka dalam Tugas Akhir

ini

mengankat

topik

dengan

judul “

Pengukuran

Sebidang

(

In-Plane

Measurement

)

Defleksi Struktur Dengan Menggunakan Visi Komputer Berbasis

Deteksi Tepi

”.

1.2

Rumusan Masalah

Dari latar belakang di atas, dapat dirumuskan permasalahan-permasalahan

yang berkaitan dengan pengembangan pengukuran defleksi struktur dengan

(3)

3

1.

Bagaimana hasil deteksi tepi pada obyek pengukuran sebidang

(in-plane measurement)

dengan menggunakan visi komputer berbasis

deteksi tepi ?

2.

Bagaimana hasil persentase kesalahan pengukuran sebidang

defleksi struktur dengan menggunakan metode

visi komputer berbasis deteksi tepi ?

3.

Bagaimana hasil konversi piksel ke milimeter dengan menggunakan

chessboard pattern

ukuran 12 x 12, 14 x 14, 16 x 16 didalam proses

kalibrasi kamera ?

1.3

Tujuan Penelitian

Adapun tujuan yang ingin dicapai dalam Tugas Akhir ini adalah :

1.

Memperoleh hasil pengukuran sebidang

yang lebih simpel, praktis, mudah, biaya operasional relatif lebih

murah, dan disertai ketelitian yang memadai dengan menggunakan

metode visi komputer berbasis deteksi tepi.

2.

Memperoleh hasil persentase kesalahan yang paling kecil dari

pengukuran sebidang

defleksi struktur

dengan menggunakan metode visi komputer berbasis deteksi tepi

3.

Memperoleh hasil konversi piksel ke milimeter yang paling

mendekati dengan nilai dunia nyata agar mengetahui ukuran

chessboard pattern

yang lebih baik digunakan untuk proses kalibrasi

kamera.

(4)

4

1.4

Manfaat Penelitian

Adapun manfaat dari penulisan ini adalah:

1. Untuk Peneliti

Penulisan Tugas Akhir ini memberikan manfaat untuk penulis

yaitu sebagai penerapan ilmu yang didapat selama mengikuti

perkuliahan di Universitas Muhammadiyah Malang. Selain itu, dari

penelitian ini penulis bisa mendapatkan persiapan awal untuk

menghadapi dunia kerja.

2. Bagi Masyarakat

Dari penelitian ini diharapkan bisa diaplikasikan oleh masyarakat

khususnya dalam bidang pengukuran defleksi struktur, karena sampai

saat ini kegagalan struktur masih banyak terjadi di Indonesia yang

belum dilengkapi dengan sistem pemamtauan kondisi struktur yang

memadai. Oleh karena itu, dengan adanya pengembangan pengukuran

defleksi struktur dengan metode yang lebih murah dan praktis

diharapkan bisa memberikan kemudahan dalam pengukuran struktur.

3. Untuk Kampus Universitas Muhammadiyah Malang

Memberikan bukti dari hasil pembelajaran selama kuliah di

Universitas Muhammadiyah Malang kepada masyarakat bahwa

kampus Universitas Muhammadiyah Malang mampu mencetak orang

(5)

5

1.5

Batasan Masalah

Mengingat luasnya permasalahan yang dihadapi dalam pengukuran defleksi

struktur dengan menggunakan visi komputer berbasis deteksi tepi ini, maka perlu

adanya batasan khusus didalamnya.

Batasan ini diperlukan agar dalam perancangan tugas akhir ini tidak

menyimpang dari permasalahan yang ada. Adapun batasan masalah pada

pengukuran defleksi struktur ini adalah :

1. Melakukan proses kalibrasi dengan menganggap semua kondisi

dalam keadaan ideal.

2. Faktor - faktor yang tidak diamati secara langsung, seperti cuaca,

(6)

(7)

Pengukuran Sebidang (

In-Plane Measurement

) Defleksi Struktur

Dengan Menggunakan Visi Komputer Berbasis Deteksi Tepi

TUGAS AKHIR

Diajukan Kepada

Universitas Muhammadiyah Malang

Sebagai Salah Satu Persyaratan Memperoleh

Gelar Sarjana Teknik Mesin

Oleh

Yahya Nur Halim

NIM 201110120311055

JURUSAN TEKNIK MESIN

FAKULTAS TEKNIK

(8)

Compu

ter

PENGUKURAN SEBIDANG (IN-PLANE

MEASUREMENT) DEFLEKSI STRUKTUR DENGAN

MENGGUNAKAN VISI KOMPUTER BERSBASIS

DETEKSI TEPI

TUJUAN

Tujuan khusus penelitian ini adalah memperoleh metode

pengukuran defleksi struktur menggunakan kamera

sebagai sensor utamanya. Urgensi penelitian adalah

memberikan alternatif pengukuran defleksi struktur

dengan cara yang mudah, murah dengan ketelitian yang

dapat diandalkan.

.

KESIMPULAN

1. Hasil

perbandingkan

pengukuran

defleksi

menggunakan visi komputer berbasis deteksi tepi

menunjukkan bahwa dengan dial indikator Kw

persentase kesalahan pengukuran sebesar 9,65%,

sedangkan dengan dial indikator Standart sebesar

3,50%.

Pembimbing I : Ir. Trihono Sewoyo, MT

Pembimbing II : Ir. Daryono, MT

YAHYA NUR HALIM

20110120311055

LATAR BELAKANG

Pemantauan kondisi struktur dikenal dengan istilah SHM

(

structural

healthmonitoring

).Salah

satu

perkembangan

teknologi yang saat ini sedang berkembang adalah metode

pengukuran defleksi struktur yang bersifat non-kontak. Metode

pengukuran ini berbasis visi komputer dengan menggunakan

kamera sebagai sensor utamanya. Pengukuran ini dilakukan

dengan satu kamera pada obyek ukur (

in

-

plane measurement

),

dimana perubahan posisi obyek yang diukur ada pada bidang

yang sejajar dengan bidang sensor kamera.

Compu

ter

PENGUKURAN SEBIDANG (IN-PLANE

DETEKSI TEPI

TUJUAN

memberikan alternatif pengukuran defleksi struktur

dengan cara yang mudah, murah dengan ketelitian yang

dapat diandalkan.

.

KESIMPULAN

1. Hasil

perbandingkan

pengukuran

defleksi

3,50%.

Pembimbing I : Ir. Trihono Sewoyo, MT

Pembimbing II : Ir. Daryono, MT

YAHYA NUR HALIM

20110120311055

LATAR BELAKANG

Pemantauan kondisi struktur dikenal dengan istilah SHM

(

structural

healthmonitoring

).Salah

satu

perkembangan

teknologi yang saat ini sedang berkembang adalah metode

pengukuran defleksi struktur yang bersifat non-kontak. Metode

pengukuran ini berbasis visi komputer dengan menggunakan

kamera sebagai sensor utamanya. Pengukuran ini dilakukan

dengan satu kamera pada obyek ukur (

in

-

plane measurement

),

dimana perubahan posisi obyek yang diukur ada pada bidang

yang sejajar dengan bidang sensor kamera.

Compu

ter

PENGUKURAN SEBIDANG (IN-PLANE

DETEKSI TEPI

TUJUAN

memberikan alternatif pengukuran defleksi struktur

dengan cara yang mudah, murah dengan ketelitian yang

dapat diandalkan.

.

KESIMPULAN

1. Hasil

perbandingkan

pengukuran

defleksi

3,50%.

Pembimbing I : Ir. Trihono Sewoyo, MT

Pembimbing II : Ir. Daryono, MT

YAHYA NUR HALIM

20110120311055

LATAR BELAKANG

(9)

(10)

(11)

LEMBAR PERNYATAAN

Yang bertanda tangan di bawah ini :

Nama

: Yahya Nur Halim

Nim

: 201110120311055

Tempat / Tanggal Lahir

: Tulungagung, 12 Mei 1993

Jurusan

: Teknik Mesin

Fakultas

: Teknik

Instansi

: Universitas Muhammadiyah Malang

Dengan ini menyatakan dengan sebenar-benarnya bahwa :

Tugas Akhir dengan Judul :

“

Pengukuran Sebidang (In-Plane Measurement) Defleksi Struktur

Dengan Menggunakan Visi Komputer Berbasis Deteksi Tepi

“ A

dalah hasil karya saya, dan

dalam naskah tugas akhir ini tidak terdapat karya ilmiah yang pernah diiajukan oleh orang lain

untuk memperoleh gelar akademik disuatu perguruan tinggi, kecuali yang secara tertulis dikutip

dalam naskah ini dan disebutkan dalam sumber kutipan dan daftar pustaka. Apabila ternyata

didalam naskah tugas akhir ini terdapat unsur-

unsur “PLAGIASI”, saya bersedia

menerima

sanksi akademis sesuai ketentuan yang berlaku.

(12)

✁

✂✄☎ ✄✆✝✞ ✟✄✞☎ ✄✠

✡☛☞✌✍✌ ✎✏ ✑✁ ✒✌

n

sy

✏ ✓✏ ✔ ✕✌☞✁

Allah Rabb alam semesta, yang Maha

menggenggam jiwa dan raga kita. Shalawat dan salam semoga senantiasa tercurah

kepada junjungan dan tauladan kita, Muhammad Rasulullah dan keluarga,

sahabat, serta para pengikutnya yang setia hingga akhir zaman.

Selain sebagai salah satu syarat untuk memperoleh gelar sarjana bagi

mahasiswa Teknik Mesin UMM, semoga Tugas Akhir ini juga dapat berfungsi

sebagai sumbangan pemikiran dari penulis bagi pemahaman sekaligus

pengembangan tentang salah satu aspek yang berhubungan dengan sistem akuisisi

dan getaran.

Banyak pihak yang telah membantu dalam penyelesaian Tugas Akhir ini. Pada

kesempatan ini penulis mengucapkan terima kasih yang mendalam kepada:

1. Ayahanda Tawiran dan Ibunda Sulasmi tercinta serta Adikku tersayang

Suci Arum Sari dan Zahira Arum Adellia yang menjadi motivasi terbesar

dalam setiap aktivitas kehidupan ini.

2. Bapak Ir. Trihono Sewoyo,MT selaku dosen pembimbing satu yang telah

berkenan membagi ilmu, memberi semangat, membimbing dan memberi

sarana untuk menimba ilmu.

3. Bapak Ir. Daryono, MT selaku dosen pembimbing dua yang telah

berkenan membagi ilmu, memberi semangat, membimbing dan memberi

(13)

vii

4. Ketua Jurusan Teknik Mesin Fakultas Teknik Universitas Muhammadiyah

Malang, Ir. Daryono, MT , beserta seluruh Bapak dan Ibu Dosen serta

seluruh Laboratorium Teknik Mesin UMM,dan Pegawai/Part Time yang

ada di Jurusan Teknik Mesin UMM

5. Buat keluarga besar Mahasiswa Teknik Mesin angkatan 2011, terima kasih

supportnya.

6. Buat keluarga besar Community Empowerment Beswan Djarum angkatan

29, terima kasih supportnya.

7. Buat Adelia Kandari, yang telah menemani dan memberikan motivasi doa,

serta menjadi teman

✖✗ ✘✙ ✚✛ ✜

selama proses pengerjaan skripsi.

Kesempurnaan mutlak hanya milik Allah, inilah karya terbaik yang dapat

penulis persembahkan, namun demikian tentunya penyusunan Tugas Akhir ini

masih terdapat ketidaksempurnaan sehingga kami mengharapkan kritik saran yang

konstruktif untuk perbaikan agar menjadi lebih baik. Semoga karya tulis ini dapat

bermanfaat dan berguna bagi para pembaca.

✢

illahi Fii Sabilillhaq Fastabiqul Khoirot

Malang,

Juli 2015

(14)

✣ ✤✤✤ ✥✦✧★ ✦✩✪ ✫✪

✬✭✮✯ ✰✱✲ ✭✱✳ ✭✴✵✶ ✵✰✷✸ ✵✹ ✰✳✺✻✼✤ ✱✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✤

✬✭✮✯ ✰✱✺✳✤ ✳✴✭✷ ✳✤✸ ✵✹ ✰✳ ✺✻✼ ✤ ✱ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✤✤

✬✭✮✯ ✰✱✲ ✭✱✷

y

✰✴✰✰✷ ✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✤✤✤

✺✯✳✴✱ ✰✻✳✤✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✤

v

✾✰✴✰✲✭✷✹ ✰✷ ✴✰✱✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽

v

✤

✿✰❀✴✰✱❁✳✤ ✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽ ✽✽✽✽

v

✤✤✤

✿✰❀✴✰✱

Gambar... xi

Daftar Tabel ... xv

Daftar Grafik... ... xvi

❂✦❂✪ ❃❄ ❅✥✦❆ ❇❈ ❇✦❅

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 2

1.3 Tujuan Penelitian... . 3

1.4 Manfaat Penelitian... 4

1.5 Batasan Masalah... 5

❂✦❂✪ ✪ ★✪❅

JAUAN PUSTAKA

2.1 Pengertian Defleksi ... 6

2.2 Visi Komputer... 8

2.2.1 Pengolahan Citra (

Image Processing

) ... 10

2.2.2 Pengenalan Pola (

Pattern Recognition

) ... 17

2.3 Kalibrasi Kamera ... 20

(15)

❉

x

2.3.2 Kalibrasi Parameter Ekstrinsik ... 31

2.3.3 Jenis-jenis Distorsi... 33

2.3.4 Beberapa Metode Kalibrasi ... 35

2.4 Deteksi Tepi (

Edge Detection

) ... 37

2.4.1 Metode Deteksi Tepi Turunan Pertama (

Differential Gradient)

...

40

2.4.2 Metode Deteksi Tepi Dengan Turunan Kedua ... 45

2.4.3 Metode Deteksi Tepi Optimal... 49

2.4.3.1 Tahap-tahap Algoritma Deteksi Tepi Canny... 50

2.4.4 Langkah Utama Deteksi Tepi ... 56

BAB III METODE PENELITIAN

3.1 WaktudanTempatPenelitian ... 64

3.2 MetodePenelitian ... 64

3.3 AlatdanBahanPengujian... 67

3.3.1 Perangkat Keras... 67

3.3.2 Perangkat Lunak ... 76

3.4 Set-Up BatangSpesimenUji ... 77

3.5 Tahap Kalibrasi Kamera ... 78

3.5.1 Proses Kalibrasi Parameter Intrinsik Kamera... 78

3.5.2 Proses Kalibrasi Parameter Ekstrinsik Kamera ... 84

BAB IV HASIL DAN PEMBAHASAN

4.1 Hasil Parameter Intrinsik Kalibrasi Kamera ... 86

4.1.1 Hasil Kalibrasi Instrinsik dari Kamera Canon

Fix Lens

...86

(16)

x

4.1.3 Hasil Kalibrasi Instrinsik dari Kamera Nikon...91

4.1.4 Hasil Kalibrasi Instrinsik dari Kamera Canon

Zoom

2...94

4.1.5 Hasil Kalibrasi Instrinsik dari Kamera Nikon 1...97

4.1.6 Hasil Kalibrasi Instrinsik dari Kamera Nikon 2...100

4.1.7 Hasil Kalibrasi Instrinsik dari Kamera Nikon 3...103

4.2 Hasil Parameter Ekstrinsik Kalibrasi Kamera...106

4.2.1 Hasil Kalibrasi Ekstrinsik dari Kamera Canon

Fix Lens

...106

4.2.2 Hasil Kalibrasi Ekstrinsik dari Kamera Canon

Zoom

1...107

4.2.3 Hasil Kalibrasi Ekstrinsik dari Kamera Nikon...108

4.2.4 Hasil Kalibrasi Ekstrinsik dari Kamera Canon

Zoom

2...109

4.2.5 Hasil Kalibrasi Ekstrinsik dari Kamera Nikon 1...110

4.3 Hasil Citra Deteksi Tepi Batang Uji...113

4.4 Persamaan Kurva Defleksi Tepi...119

4.5 Hasil Pengukuran dari Deteksi Tepi...121

4.6 Perhitungan Konversi Piksel ke Milimeter...125

BAB V PENUTUP

5.1 Kesimpulan...143

5.2 Saran...143

DAFTAR PUSTAKA

LAMPIRAN

(17)

x

❊

DAF

❋

A

●❍

A

■

BA

●

❏❑▲

(

▼

) B

▼◆❖ P◗❘❙ ❘◆❚ ❯❱❘❲ ❳▼ ❨❊❨❘ ❩❖❲ ❯▼ ◗❊❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❬

(

❙

) B

▼◆❖P◗❘❱❘◆▼❭❱❘❲ ❳▼ ❨❊❨❘ ❩❖❲❯▼ ◗❊❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❬

❏❑ ❏

(

▼

) C

❊❱❲▼❙ ❚❲ ❚ ❪❫❪❚ ❲❊

y

▼ ❪❫◗❘ ❨❊P❊❱❫❘◆ ▼❴ ❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑▲ ❵

(

❙

) C

❊❱❲▼❙❚ ❲❚ ❪❫ ❪❚ ❲❊

y

▼ ❪❫❱❘◆▼❭❨❊❴ ❘❲❙ ▼❊P❊P❖❪❱❲▼ ◗ ❪

y

▼ ❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑▲▲

❏❑❛

(

▼

) C

❊❱❲▼▼ ◗◆❊❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑▲ ❏

(

❙

) C

❊❱❲▼◗❘❱❘◆▼❭❨❊❴❘❲ ❱▼ ❳▼❯❙ ▼❫❊▼ ❪❱❘❴❊❖ ❙ ❳❘ P❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑▲ ❏

❏❑❜

(

▼

) C

❊❱❲▼

y

▼ ❪❫ P▼❙ ❚❲

(

blur

❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑▲❛

(

❙

) C

❊❱❲▼◗❘❱❘◆▼❭❖ ❴❘❲ ▼ ◗❊❴❘ ❪❫❭❊◆▼ ❪❫P❘ ◗ ▼ ❯▼❲▼ ❪

(

❨❘❙ ◆❚❲ ❲❊❪❫

)

❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑▲❛

❏❑❝

(

▼

) C

❊❱❲▼P▼❴ ▼◆ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑▲❜

(

❙

) C

❊❱❲▼P▼❴ ▼◆❭▼ ◗❊◆ ❴❘ ❯▼ ❯❴ ▼❱▼ ❪❞❊❱❲▼❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑▲❜

❏❑❬

(

▼

) C

❊❱❲▼P▼ ❯❘❲▼❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑▲❬

(

❙

) C

❊❱❲▼P▼ ❯❘❲▼ ❭▼ ◗❊◆❴❘❪❨❘❱❘ P◗❊◗❘◆❚❲❚❭❱❘❴❊❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑▲❡

❏❑❡

S

❊◗❱❘ ❯❴❘ ❪❫❘ ❪▼◆▼ ❪❴❖ ◆▼ ❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑▲ ❢

❏❑ ❢

C

❖❪❱❖❭❴ ❘ ❯❙ ▼❫❊▼ ❪P❘◆▼ ◗❴❖ ◆▼❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑▲❣

❏❑❣

(

▼

) P

❲❊❯❊❱❊❩❫ ❲▼ ❯ ❯▼❲P❲❖❯❖◗❖ ❯❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❏❵

(

❙

) P

❘ ❪❫ P❖ ❨❘▼ ❪P❲ ❖ ❯❖ ◗❖ ❪❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❏❵

❏❑▲❵❤❖❨❘◆P▼ ❯❘❲ ▼◆❚❙ ▼ ❪❫❳▼❲ ❚ ❯

(

pinhole

)

❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❏❏

❏❑▲ ▲✐❲❖❘ P ◗❊

y

❴❘ ❲ ◗❴❘ P❱❊ ❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❏❏

❏❑▲❏

G

❘❖❯❘❱❲❊❨▼❲❊◗❘❙ ❚▼❭P▼ ❯❘❲ ▼❯❖❨❘◆◆❚ ❙▼ ❪❫❳▼❲❚❯❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❏❛

❏❑▲❛

G

❘❖❯❘❱❲❊P▼ ❯❘ ❲▼❯❖ ❨❘◆◆❚ ❙▼ ❪❫❳▼❲❚❯❨❊◆❊ ❭▼❱❨▼❲❊◗❚ ❯❙❚❥

❦ ❧❧❧ ❧❧❧❧ ❧❧❧❧ ❧❧❧❧ ❧❧❧❧ ❧❧❧❧❧ ❧❧❧❧ ❧❧❧❧ ❧❧❧ ❏❝

❏❑▲❜

H

❚ ❙❚❪❫ ▼ ❪❫ ❘❖ ❯❘❱❲❊P▼ ❪❱▼❲ ▼❱❊❱❊P❖ ❙ ❳❘ P❛♠❨❘ ❪❫▼ ❪❏

D

❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❏❬

❏❑▲❝

P

▼❴▼ ❪❴ ❖◆▼❞▼

tu

r

(

chessboard pattern

)

❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❑ ❑❑❑❏❣

(18)

x

♦♦

♣qr s

F

t ✉t

(

image

)

✉✈✇ ①♦② ✉t ✇②♦qqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqq③ ④

♣qr⑤

(

⑥

) G

⑥⑦ ⑧⑨ ⑩ ⑥⑨❶✈⑨②⑥①✈⑨ ⑩ ⑥⑨

centering

②✈❷❸ ⑧✇⑨⑥qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqq③❹

(

⑦

) G

⑥⑦ ⑧⑨⑩⑥⑨❶✈⑨②⑥①✈⑨⑩⑥⑨

centering

✉♦①⑥❺② ✈❷❸ ⑧✇⑨⑥qq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqq③❹

♣qr❻

J

✈⑨ ♦②❼❽✈⑨♦②❾✈❸♦qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqq③⑤

♣q ♣❿

O

❸✈✇⑥✉t✇

R

t⑦✈✇ ✉qqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqq④♣

♣q ♣r

D

✈ ✉✈❺ ②♦✉✈❸ ♦①✈⑨ ⑩ ⑥⑨ ✉⑧✇⑧⑨⑥⑨❺ ✈ ①⑧ ⑥qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqq④❹

♣q ♣ ♣➀❺ ✈❷⑥①✈ ✉✈❺②♦✉✈❸♦⑧⑨✉

u

❺➁♦✉✇⑥

y

⑥⑨ ⑩❷✈⑨⑩⑥❶ ⑥❷♦⑩ ⑥⑨ ⑩⑩ ⑧ ⑥⑨ qqq qqqq qqqq qqqq qqqq qqqq qqq④⑤

♣q ♣③

I

❶ ⑧② ✉✇⑥②♦❺t⑨ ➂t❶ ⑧②♦qq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqq❹⑤

③ qr ➃❶t ➄➁➅⑥

rt

❷✈t①t❶t⑩

t

♦❸✈⑨✈❶ ♦

t

♦⑥⑨ qq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqq➆➆

③ q③➇ ⑥❷✈

r

⑥①♦⑩ ♦

t

⑥❶

N

♦❺t⑨➀

LR D

❹♣❿ ❿ qqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqq➆s

③ q③

Remote controller

❺⑥❷✈✇⑥

N

♦❺t⑨q qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqq➆❻

③ q ④

T

✇♦❸t ①➈ ➉➁✈❶❶qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqq➆❻

③ q❹

W

⑥✉✈✇❸ ⑥② ②❺⑥❷✈✇⑥qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqs❿

③ q➆

TEB

❼

E (

Altas Sound Tripod Boom Mic Stand

)

qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqsr

③ qs

D

♦⑥❶

I

⑨①♦❺⑥✉t✇qqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqs ♣

③ q⑤

S

✈ ✉❼

U

❸⑦ ⑥✉⑥⑨ ⑩⑧❽ ♦qq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqs ♣

③ q❻

(

⑥

) P

⑥❸⑥⑨❸t❶⑥➁⑥

tu

r u

❺⑧✇⑥⑨r④➉➆ qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqs ④

(

⑦

) P

⑥❸⑥⑨❸t❶ ⑥➁⑥

tu

r

⑧❺⑧✇⑥⑨r♣➉r♣ qq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqs ④

(

➁

) P

⑥❸ ⑥⑨❸t❶ ⑥➁⑥

tu

r

⑧❺⑧

r

⑥⑨r ④➉r ④ qqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqs❹

(

①

) P

⑥❸⑥⑨❸t❶ ⑥➁⑥

tu

r

⑧❺⑧✇⑥⑨r ➆➉r ➆ qq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqs❹

③ qr ❿➊✈⑦ ⑥⑨⑦✈

r

➁✈❶ ⑥➅①⑥⑨❸✈⑨⑩ ⑩ ⑥⑨✉⑧⑨ ⑩ qq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqs➆

③ qr r➋t⑩

r

⑥❷➌⑥❶ ⑥⑦

t

➍ ♣❿r♣⑦ q qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqs➆

③ qr♣

Toolbox

❸♦❶ ♦➅⑥⑨ ❷t①✈❶⑧⑨✉⑧❺❺⑥❶ ♦⑦✇⑥②♦❺⑥❷✈

r

⑥ qqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqq qqqs❻

(19)

x

➎➎➎

➏➐➑ ➒➓➔→➣➔↔↕ ➙➛➜↕➛ ➝➞➛ ➟➠➛ ➟➎➡ ➢➤➛ ➝➜➔➣➜➛➜ ➛ ↔➜ ➥ ➣➛➦➛

tu

r

➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➧ ➢

➏➐➑➨➩➛ ➝➞ ➛ ➟➜➔↔↕➫➭ ➎➛ ↔➛ ↔↕

y

➤➫➠➛➯➠➎➫➞ ➛➯➝ ➔↔➭➛➠➎

grayscale...

➧➑

➏➐➑ ➲

Extract the grid corners ...

➧➑

➏➐➑➳➩➛ ➝➞ ➛ ➟➯➛ ➤➎➣

corner extraction

➠ ➔↔↕➛ ↔➞➛ →➛ ➤→ ➔➜➎➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➧➡

➏➐➑ ➧➩➛ ➝➞➛ ➟➯➛ ➤➎➣

corner extraction

➠ ➔↔↕➛ ↔→➛ ↔➠ ➛ ➝➔➟➛➯➝ ➔↔

y

➎➣➛ ↔↕ ➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➧ ➏

➏➐➑➵ ➩➛ ➝➞➛ ➟➯➛ ➤➎➣

corner extraction

➠➔↔↕➛ ↔➠➔→➔➙ ➤➎➤➫➠➫→→➔➜➎➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➧➒

➒ ➐➑➸➛ ➤➎➣➟➔➜ ➟ ➥➭➔➦

t

➎➥ ↔➔

rr

➥➟➜➎➙ ➤➔➣➙➛ ➝ ➔➛

r

➺ ➛ ↔➥ ↔➻➎

x

L

➔↔➤ ➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➧➳

➒ ➐➡➼ ➎➤➫➛ ➣➎➤➛ ➤➎➝➥➠ ➔➣➠➎➤→➥ ➟ ➤➎➟➛➠➎➛ ➣➙➛ ➝➔➟➛

C

➛ ↔➥ ↔➻➎

x

L

➔↔➤ ➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➧➳

➒ ➐ ➏➼ ➎➤➫➛ ➣➎➤➛ ➤➎➝➥➠ ➔➣➠➎➤→➥ ➟➤➎→➛ ↔↕ ➔↔➤➎➛ ➣➙➛ ➝➔➟➛

C

➛ ↔➥ ↔➻➎

x

L

➔↔➤ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➧➧

➒ ➐➒➸➛ ➤➎➣➟➔➜ ➟ ➥➭➔➦

t

➎➥ ↔➔

rr

➥➟➜➎➙ ➤➔➣➙➛ ➝ ➔➛

r

➺ ➛ ↔➥ ↔➽➥➥ ➝➑ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➧➵

➒ ➐➨➼ ➎➤➫➛ ➣➎➤➛ ➤➎➝➥➠ ➔➣➠➎➤→ ➥➟ ➤➎➟➛➠➎➛ ➣➙➛ ➝➔➟➛

C

➛ ↔➥ ↔➽➥➥ ➝➑ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➵➢

➒ ➐➲➼ ➎➤➫➛ ➣➎➤➛ ➤➎➝➥➠ ➔➣➠➎➤→➥ ➟➤➎→➛ ↔↕ ➔↔ ➤➎➛ ➣➙➛ ➝ ➔➟➛

C

➛ ↔ ➥↔➽➥ ➥➝➑➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➵➑

➒ ➐➳➸➛ ➤➎➣➟➔➜ ➟ ➥➭➔➦

t

➎➥ ↔➔➥➟

rr

➜➎➙ ➤➔➣➙➛ ➝ ➔➛

r

N

➎➙➥ ↔ ➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➵➡

➒ ➐➧➼➎➤➫➛ ➣➎➤➛ ➤➎➝ ➥➠➔➣➠➎➤→➥ ➟➤➎➟➛➠➎➛ ➣➙➛ ➝ ➔➟➛

N

➎➙ ➥↔ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➵➏

➒ ➐➵

V

➎➤➫➛ ➣➎➤➛ ➤➎➝➥➠ ➔➣➠➎➤→➥ ➟➤➎→➛ ↔↕ ➔↔➤➎➛ ➣➙➛ ➝➔➟➛

N

➎➙ ➥↔➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➵➒

➒ ➐➑➢

H

➛ ➤➎➣➟➔➜➟➥➭➔➦

t

➎➥↔➔

rr

➥ ➟➜➎➙➤ ➔➣➙➛ ➝➔➛

r

➺ ➛ ↔ ➥↔➽➥ ➥➝➡ ➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➵➨

➒ ➐➑ ➑➼ ➎➤➫➛ ➣➎➤➛ ➤➎➝ ➥➠➔➣➠➎

st

➥ ➟➤➎

r

➛➠➎➛ ➣➙➛ ➝ ➔➛

r

➺ ➛ ↔➥ ↔➽➥➥ ➝ ➡➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➵➲

➒ ➐➑ ➡➼ ➎➤➫➛ ➣➎➤➛ ➤➎➝ ➥➠➔➣➠➎

st

➥ ➟➤➎

t

➛ ↔↕ ➔↔➤➎➛ ➣➙➛ ➝➔➛

r

➺➛ ↔ ➥↔➽➥ ➥➝➡ ➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➵➳

➒ ➐➑➏➸➛ ➤➎➣

r

➔

p

r

➥➭➔ ➦

t

➎➥↔➔

rr

➥ ➟➜➎➙➤ ➔➣➙➛ ➝ ➔➛

r

N

➎➙ ➥↔➑ ➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➵➧

➒ ➐➑ ➒➼ ➎➤➫➛ ➣➎➤➛ ➤➎➝ ➥➠➔➣➠➎➤ →➥ ➟➤➎➟➛➠➎➛ ➣➙➛ ➝ ➔➟➛

N

➎➙ ➥ ↔➑➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➵➵

➒ ➐➑➨

V

➎➤➫➛ ➣➎➤➛ ➤➎ ➝➥➠ ➔➣ ➠➎➤ →➥➟➤➎ →➛ ↔↕➔↔➤➎➛ ➣ ➙➛ ➝➔➟➛

N

➎➙ ➥↔➑➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➐➐➐ ➐➑ ➢ ➢

➒ ➐➑ ➲

H

➛ ➤➎➣ ➟➔➜ ➟ ➥➭➔➦

t

➎➥ ↔ ➔

rr

➥➟ ➜➎➙ ➤ ➔➣ ➙➛ ➝ ➔➛

r

N

➎➙ ➥↔

(20)

x

➾

v

➚➪➶ ➹

V

➾➘➴ ➷➬➾➘ ➷➘➾➮➱ ✃❐ ➬✃➾➘❒➱ ❮ ➘➾ ❮➷✃➾➷➬❰ ➷➮❐ ❮➷

N

➾❰ ➱ ÏÐ➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➶ Ñ Ð

➚➪➶Ò

V

➾➘➴ ➷➬➾➘ ➷➘➾ ➮➱✃❐ ➬ ✃➾➘❒➱❮➘➾ ❒ ➷ÏÓ❐ Ï ➘➾➷➬ ❰➷➮❐ ❮➷

N

➾❰ ➱ Ï

Ð➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➶ ÑÔ

➚➪➶Õ

H

➷➘➾➬❮❐Ö❮➱×❐Ø

t

➾➱ Ï❐➱❮

rr

Ö➾❰ ➘❐ ➬❰➷➮❐

r

➷

N

➾❰ ➱ ÏÔ ➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➶Ñ➚

➚➪ ÐÑÙ➾➘➴ ➷➬➾➘ ➷➘➾➮➱ ✃❐ ➬✃➾➘❒➱❮➘➾❮➷✃➾➷➬❰ ➷➮❐ ❮➷

N

➾❰➱ÏÔ➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➶Ñ Ú

➚➪ Ð➶Ù➾➘➴ ➷➬➾➘ ➷➘➾➮➱ ✃❐ ➬✃➾➘❒➱❮➘➾❒ ➷ÏÓ❐ Ï➘➾➷➬❰➷➮❐ ❮➷

N

➾❰➱ÏÔ➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➶ÑÛ

➚➪ Ð ÐÜ➷➘➾➬Ö➷❮➷➮❐❒ ❐ ❮❐❰ ❒ ❮➾Ï ➘➾❰❰➷➮❐ ❮➷

C

➷Ï➱ ÏÝ➾

x

L

❐ Ï ➘ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➶Ñ ➹

➚➪ ÐÔÜ➷➘➾➬Ö➷❮➷➮❐❒ ❐ ❮❐❰ ❒ ❮➾Ï ➘➾❰❰➷➮❐ ❮➷

C

➷Ï➱ ÏÞ➱ ➱ ➮➶ ➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➶ÑÒ

➚➪ Ð ➚Ü➷➘➾➬Ö➷

r

➷➮❐❐

t

r

❐❰❒➾Ï➘➾❰

r

❰➷➮❐

r

➷

N

➾❰➱Ï ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➶ÑÕ

➚➪ ÐÚÜ➷➘➾➬Ö➷❮➷➮❐❒ ❐ ❮❐❰ ❒ ❮➾Ï ➘➾❰❰➷➮❐ ❮➷

C

➷Ï➱ ÏÞ➱ ➱ ➮Ð➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➶➶ Ñ

➚➪ ÐÛÜ➷➘➾➬Ö➷

r

➷➮❐

t

❐

r

❐❰❒➾Ï ➘➾❰

r

❰➷➮❐

r

➷

N

➾❰ ➱ Ï➶ ➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➶➶ ➶

➚➪ Ð➹ Ü➷➘➾➬Ö➷❮ ➷➮❐❒❐ ❮❐❰❒ ❮➾Ï➘➾❰❰ ➷➮❐ ❮➷

N

➾❰ ➱ ÏÐ➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➶➶Ð

➚➪ ÐÒÜ➷➘➾➬Ö➷❮ ➷➮❐❒❐ ❮❐❰❒ ❮➾Ï➘➾❰❰ ➷➮❐ ❮➷

N

➾❰ ➱ ÏÔ ➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➶➶ Ô

➚➪ ÐÕÜ➷➘➾➬✃❐❒❐❰ ➘➾❒❐Ö➾➘❐ ß❐ ➬➴➮✃➾ß❐ ❮➾ß❐ß➷Ï✃❐ ÏÓ➷Ï➮❐❒➱ ✃❐

R

➱ ß❐ ❮❒ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➶➶ Ô

➚➪Ô Ñ

H

➷➘➾➬✃❐❒❐❰ ➘➾❒❐Ö➾➘❐❒❐ ➬➷à✃➾ß ❐ ❮➾ß ❐ß ➷Ï✃❐ ÏÓ➷Ï➮❐❒➱✃❐

R

➱ ß❐ ❮❒➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➶➶➚

➚➪Ô ➶

H

➷➘➾➬✃❐❒❐❰➘➾❒❐Ö➾ ➘❐ß ❐ ➬➴ ➮✃➾ß❐ ❮➾ß❐ß➷Ï✃❐ ÏÓ➷Ï➮❐❒➱✃❐

P

❮❐➾

w

tt

➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➶➶➚

➚➪ÔÐ

H

➷➘➾➬✃❐❒❐❰➘➾❒❐Ö➾ ➘❐❒❐ ➬➷à✃➾ß❐ ❮➾ß❐ß➷Ï✃❐ ÏÓ➷Ï➮❐❒➱ ✃❐

P

❮❐➾

w

tt

➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➶➶ Ú

➚➪Ô Ô

H

➷➘➾➬✃❐❒❐❰ ➘➾❒❐Ö➾➘❐ ß❐ ➬➴➮✃➾ß❐ ❮➾ß❐ß➷Ï✃❐ ÏÓ➷Ï➮❐❒➱ ✃❐

S

➱ß ❐ ➬➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➶➶ Ú

➚➪Ô➚

H

➷➘➾➬✃❐❒❐❰ ➘➾❒❐Ö➾➘❐❒❐ ➬➷à✃➾ß ❐ ❮➾ß ❐ß ➷Ï✃❐ ÏÓ➷Ï➮❐❒➱✃❐

S

➱ ß❐ ➬➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➶➶Û

➚➪Ô Ú

H

➷➘➾➬✃❐❒❐❰➘➾❒❐Ö➾ ➘❐ß ❐ ➬➴ ➮✃➾ß❐ ❮➾ß❐ß➷Ï✃❐ ÏÓ➷Ï➮❐❒➱✃❐

C

➷Ï Ï

y

➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➶➶Û

➚➪ÔÛ

H

➷➘➾➬✃❐❒❐❰ ➘➾❒❐Ö➾➘❐❒❐ ➬➷à✃➾ß ❐ ❮➾ß ❐ß ➷Ï✃❐ ÏÓ➷Ï➮❐❒➱✃❐

C

➷Ï Ï

y

➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➶➶ ➹

➚➪Ô ➹

H

➷➘➾➬✃❐❒❐❰ ➘➾❒❐Ö➾➘❐ ß❐ ➬➴➮✃➾ß❐ ❮➾ß❐ß➷Ï✃❐ ÏÓ➷Ï➮❐❒➱ ✃❐

LOG

➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➶➶ ➹

➚➪ÔÒ

H

➷➘➾➬✃❐❒❐❰ ➘➾❒❐Ö➾➘❐❒❐ ➬➷à✃➾ß ❐ ❮➾ß ❐ß ➷Ï✃❐ ÏÓ➷Ï➮❐❒➱✃❐

LOG

➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➪➪➪ ➪➶➶Ò

(21)

x

v

âã âä

L

åæ çè éêéêéæëìíî çïð éïñ çïæ òí ó çèì êìô çõð éî ìí éî ìî çï

(K

w

)

ãã ãããã ãããã ãããã ãããã ãããã ãöö ÷

âã âö

L

åæ çè éêéêéæëìíî çïð éïñ çïæ òí ó çèìîìô òøð éî ìí éî ìî çï

(S

êçïð çí ê

)

ãããã ãããã ãããã ãöùä

âã âù

L

åæ çè éêéêéæëìíî çïð éïñ çïæ òí ó çèì êìô çõð éî ìí éî ìî çï

(S

êçïð çíê

)

ããã ãããã ãããã ãããã ãöùä

âã âú

K

ìí çïñæççûò çï

(O

üý üþüÿ

)

ãã ãããã ãããã ãããã ãããã ãããã ãããã ãããã ãããã ãããã ãããã ãããã ãããã ãããã ãããã ãããã ãããã ãöù

âã â â

P

í åìæè é

y

ô òîçïñ✁çíòøòï êòæøì ïì ïêòæ çï

Ypp ... 126

4.45 Sistem koorninat yang dipilih saat deteksi corner ... 127

DAF

✂

A

✄✂

ABE

☎

4.1 Koordinat Vertical Titik Batang tanpa Beban (Canon Fix) ... 121

4.2 Koordinat Vertical Titik Batang dengan Beban (Canon Fix) ... 121

4.3 Defleksi Vertikal Tititk Batang(Canon Fix) ... 121

4.4 Koordinat Vertical Titik Batang tanpa Beban (Canon Zoom 1) ... 122

4.5 Koordinat Vertical Titik Batang dengan Beban (Canon Zoom 1) ... 122

4.6 Defleksi Vertikal Tititk Batang (Canon Zoom 1) ... 122

4.7 Koordinat Vertical Titik Batang tanpa Beban (Nikon) ... 123

4.8 Koordinat Vertical Titik Batang dengan Beban (Nikon) ... 123

4.9 Defleksi Vertikal Tititk Batang(Nikon) ... 123

4.10 Koordinat Vertical Titik Batang tanpa Beban (Canon Zoom 2) ... 123

4.11 Koordinat Vertical Titik Batang dengan Beban (Canon Zoom 2) ... 124

4.12 Defleksi Vertikal Tititk Batang(Canon Zoom 2) ... 124

4.13 Koordinat Vertical Titik Batang tanpa Beban (Nikon 1, 2, 3) ... 124

4.14 Koordinat Vertical Titik Batang dengan Beban (Nikon 1, 2, 3) ... 125

4.15 Defleksi Vertikal Tititk Batang(Nikon 1, 2, 3) ... 125

(22)

xvi

4.17 Hasil Konversi Piksel ke Milimeter dari Canon Zoom (1) ... 131

4.18 Hasil Konversi Piksel ke Milimeter dari Nikon... 132

4.19 Hasil Konversi Piksel ke Milimeter dari Canon Zoom (2) ... 132

4.20 Hasil Konversi Piksel ke Milimeter dari Nikon (1) ... 133

4.21 Hasil Konversi Piksel ke Milimeter dari Nikon (2) ... 134

4.22 Hasil Konversi Piksel ke Milimeter dari Nikon (3) ... 134

4.23 Hasil Persentase Kesalahan Pengukuran dari Canon Fix... 135

4.24 Hasil Persentase Kesalahan Pengukuran dari Canon Zoom (1)... 136

4.25 Hasil Persentase Kesalahan Pengukuran dari Nikon ... 136

4.26 Hasil Persentase Kesalahan Pengukuran dari Canon Zoom (2)... 137

4.27 Hasil Persentase Kesalahan Pengukuran dari Nikon (1)... 137

4.28 Hasil Persentase Kesalahan Pengukuran dari Nikon (2)... 138

4.29 Hasil Persentase Kesalahan Pengukuran dari Nikon (3)... 138

4.30 Konversi Piksel ke Milimeter dengan menggunakan papan pola catur ukuran

12 x 12... 139

14 x 14... 140

16 x 16... 140

(23)

xvii

4.2

Konversi piksel ke milimeter dengan menggunakan papan pola catur

ukuran

14

x

14...141

4.3

Konversi piksel ke milimeter dengan menggunakan papan pola catur

ukuran

16

x

(24)

106

DAFTAR PUSTAKA

[1]

J. Ye, G. Fu, U. P. Poudel. 2011.

“

Edge-Based Close-Range Digital

Photogrammetry for Structural Deformation Measurement

”, Journal of

Engineering Mechanics, ASCE, pp. 475-483 ,

[2]

W. Forstner, “Computer Vision and Pho

togrammetry

–

Mutual Questions:

Geometry, Statistics, and Cognition”,

http://www.ipb.unibonn.de/fileadmin/publication/pdf/Forstner2002Computer.p

df

[3]

Sewoyo

Trihono,

Mahyuddin

A.I.,

Nurhadi

I.,

Dirgantara

ITB.

2014.

“

Perbandingan Metode Deteksi Tepi untuk Pengukuran Defleksi

Struktur”

, Seminar Nasional Rekayasa Material, Sistem Manufaktur dan

Energi, Univ.Hassanudin, Makassar.

[4]

Gere,

James M.; Goodno, Barry J.

Mechanics of Materials

(Eighth ed.).

pp. 1083

–

1087.

ISBN

978-1-111-57773-5

.

http://en.wikipedia.org/wiki/Deflection_engineering

[5]

Hibbeler, R.C.

Statics and Mechanics of Materials

, SI Edition. Prentice-Hall,

2004.

ISBN 0-13-129011-8

.

http://bambangpurwantana.staff.ugm.ac.id/KekuatanBahan

[6]

Linda G. Shapiro and George C. Stockman. 2001.

Computer Vision

. Prentice

Hall.

ISBN 0-13-030796-3.

[7]

Boyle dan Thomas. 1988. Computer Vision

: “

A First Course” , Blackwell

Scientific Publications.

[8]

T.

Lindeberg.

1998. "Feature

detection

with

automatic

scale

selection" (abstract).

International Journal of Computer Vision

30

(2): pp 77

–

116. doi:10.1023/A:1008045108935.

[9]

Galbiati, Louis J. 1990.

Machine Vision and Digital Image Processing

Fundamentals

, Prentice Hall.

http://informatika.stei.itb.ac.id/~rinaldi.munir/Buku/Pengolahan%20Citra%20

Digital/Bab-1_Pengantar%20Pengolahan%20Citra.pdf

[10]

Andrea Fusiello. 2005.

"Elements of Geometric Computer Vision"

.

Homepages.inf.ed.ac.uk. Retrieved 2013-12-18.

(25)

107

[12]

Jain, Anil K. 1989.

Fundamentals of Digital Image Processing

, Prentice-Hall

International.

[13]

Arymurthy, Aniati Murni, dan Setiawan, Suryana. 1992.

“Pengantar

Pengolahan Citra “,

PT. Elex Media Komputindo, Jakarta.

[14]

Gonzalez, Rafael C. 1977.

Digital Image Processing

, Addison-Wesley.

Publishing (Online).

http://informatika.stei.itb.ac.id/~rinaldi.munir/Buku/Pengolahan%20Citra%20

Digital/Bab-15_Pengenalan%20Pola.pdf

.

[15]

Leo Grady. 2006. "Random Walks for Image Segmentation",

IEEE

Transactions on Pattern Analysis and Machine Intelligence

, pp. 1768

–

1783,

Vol. 28, No. 11

[16]

Mengko, Richard

. 1989. Workshop On Image Processing & Pattern

Recognition

, PAU Mikroelektronika ITB.

[17]

Sewoyo Trihono. 2013.

“

Kalibrasi Kamera

”, Kapita Selekta Lanju

t Teknik

Mesin 1, MS 7002, ITB. Bandung.

[18]

Salvi J., Armangue X., Batlle J., ”

A comparative review of camera calibrating

methods with accuracy evaluation

”, Pattern Recognition 35 (2002) 1617 –

1635

[19]

Draper B.A. 2002. "

Camera Model: Projection & Lens

", CS510 Lecture #2

[20]

Heikkila J., Silven O. 1997.

A Four Step Camera Calibration Procedure with

Implicit Image Correction

”, Proceedings on Computer Vision and Pattern

Recognition.

[21]

R. G. Willson and S. A. Shafer. 1993.

“What is the center of the image?”

Proc. IEEE Conf. Computer Vision and Pattern Recognition

, New York, pp.

670-671.

[22]

Lindeberg,

Tony.

2001. "Edge

detection",

in

Hazewinkel,

Michiel,

Encyclopedia of Mathematics

, Springer, ISBN 978-1-55608-010-4

[23]

LS. Davis. 1975. "A survey of edge detection techniques", Computer Graphics

and Image Processing, vol 4, no. 3, pp 248-260.

(26)

108

[25]

Islam Khan Shahnoor Mohammad. December 2012

. Implementation of Edge

& Shape Detection Techniques and their Performance Evaluation

. Department

of Computer Science Ryerson University. Toronto, Canada

[26]

J.M.S. Prewitt. 1970. "Object Enhancement and Extraction" in "Picture

processing and Psychopictorics",Academic Press.

[27]

Mubarok Shah. 1992.

Fundamentals of Computer Vision

, Computer Science

Department, University of Florida, Orlando.

[28]

Otsu, N. 1979.

"A Threshold Selection Method from Gray- Level Histogram"

.

IEEE Transaction on Systems, and Cybernetics SMC-9, 1:62-66.

[29]

Huang, D & Wang, C. 2009.

"Optimal Multi-level Thresholding Using a

Two-stage Otsu Optimization Approach"

. Pattern Recognition Letters

30,275-284.

[30]

Kittler J, & Illingworth, J.

"Minimum Error Thresholding"

. 1986. Pattern

Recognition 19.

[31]

E. Davies. 1990.

Machine Vision: Theory, Algorithms and Practicalities

,

Academic Press, Chap. 4.

[32]

Allen B. Downey, Green Tea Press

. “

Physical Modeling in MATLAB

” ,

An

introduction to programming in MATLAB and simulation of physical systems,

Version 1.1.3.

http://greenteapress.com/matlab/downey08matlab.pdf

[33]

Jean-Yves Bouguet.

Camera Calibration Toolbox for Matlab

.