• Tidak ada hasil yang ditemukan

TUGAS AKHIR KI1391. Penyusun Tugas Akhir : (NRP : ) Dosen Pembimbing :

N/A
N/A
Protected

Academic year: 2021

Membagikan "TUGAS AKHIR KI1391. Penyusun Tugas Akhir : (NRP : ) Dosen Pembimbing :"

Copied!
68
0
0

Teks penuh

(1)

Penyusun Tugas Akhir :

(NRP : 5106100060)

Dosen Pembimbing :

(2)

 PENDAHULUAN  DASAR TEORI

 PERANCANGAN PERANGKAT LUNAK  IMPLEMENTASI PERANGKAT LUNAK  UJI COBA DAN EVALUASI

(3)

 Seiring dengan berkembangnya

kemajuan teknologi hampir semua

game, animasi, dan iklan menggunakan teknologi berbasis 3D

 Oleh karena itu diperlukan suatu

perangkat lunak yang mampu

menghasilkan obyek 3D dengan cepat dan mudah

(4)

 Bagaimana melakukan kalibrasi kamera

tehadap beberapa gambar 2D

 Bagaimana melakukan rekonstruksi

terhadap beberapa gambar 2D dengan menggunakan algoritma Generalized

(5)

 Simulasi eksperimen dilakukan dengan

menggunakan

› MS Visual Studio 2005

› Library OpenCV

› Matlab

 Data Pelatihan yang digunakan adalah

beberapa image terhadap sebuah obyek

(6)

 Hasil dari pelatihan :

› jumlah voxel yang dihasilkan

› waktu yang dibutuhkan untuk melakukan

rekonstruksi dengan menggunakan beberapa

Threshold

(7)

 Untuk mengembangkan perangkat

lunak yang dapat menghasilkan obyek 3D yang berasal dari kumpulan gambar 2D dengan menggunakan algoritma

(8)

 Merupakan teknik penyusunan bentuk

tiga dimensi berdasarkan informasi – informasi yang telah didapatkan dari proses komputasi beberapa image

(9)

 Reskonstruksi dibagi menjadi 2 macam,

yaitu menggunakan :

› Kalibrasi Kamera

(10)

 Rekonstruksi terjadi bila terdapat suatu

obyek dengan beberapa posisi kamera yang berbeda dengan satu arah

(11)

 Tujuan Kalibrasi Kamera : memperoleh

matriks intrinsik dan ekstrinsik

 Yang digunakan untuk

mentransformasikan gambar dari image coordinates  world coordinates

(12)

 Parameter Intrinsik Kamera :

W : matriks intrinsic kamera

K : koefisien distorsi kamera (koefisien tingkat kelengkungan lensa , radial dan tangensial distorsi)

fx dan fy : nilai focus kamera (jarak lensa dan bidang gambar) Cx dan Cy : koordinat titik tengah (titik tengah gambar dalam

pixel)

k1 dan k2 : distorsi radial

(13)

 Menggambarkan orientasi posisi dari

kamera terhadap sistem koordinat

sebenarnya dalam world coordinate

dengan :

R : matriks Rotasi

T : matriks Translasi

(14)

 Rekonstruksi terjadi bila terdapat satu

obyek dengan satu posisi kamera dengan lebih dari satu cahaya

(15)

 Image Based Rendering 

menggunakan analisa warna dari gambar dua dimensi

 Image Based Modelling 

(16)

 Keuntungan Image Based Rendering

adalah kemudahan dalam melakukan rekonstruksi suatu obyek yang bersifat photorealistic

 Yaitu : obyek yang berasal dari obyek

(17)

 Merupakan sebuah metode rekonstruksi

gambar tiga dimensi dari beberapa gambar dua dimensi

 Menghasilkan bentuk 3D dengan

menggunakan teori visibility yang tepat dan penempatan kamera yang

(18)

“ mengasumsikan sebuah ruang padat 3 dimensi yang tersusun atas voxel yang masing – masing voxel akan dievaluasi apakah voxel tersebut merupakan

bagian obyek atau bukan, jika bukan

bagian dari obyek maka akan dilakukan pemahatan terhadap voxel tersebut “

(19)
(20)

Terdapat 2 macam Metode GVC :

 GVC Item Buffer  memori <<, proses >>  GVC Layered Depth Image

(pengembangan dari GVC IB)  memori >>, proses <<

(21)

initialize SVL

render SVL to LDIs for every voxel V

carved(V) = false copy SVL to CVSVL

while (CVSVL is not empty) { delete V from CVSVL

compute vis(V)

if(consist(vis(V)) = false) { Carved(V) = true

remove V from SVL

for every pixel P in projection of V into all images { if(V is head of LDI(P)

(22)

delete V from LDI(P) }

for every voxel N adjacent to V with N SVL{

N_is_visible = false

for every pixel P in projection of N to all images { add N to LDI(P)

if(N is head of LDI(P))

N_is_visible = true } add N to SVL

if(N_is_visible)

(23)
(24)

 Consist (vis(v)) =

True, if < Threshold

(25)

 Gambaran proses secara umum :

(26)

Find Position of Internal corners of the Chessboard

Refines Corner Location

Find Intrinsic and Ectrinsic Camera Parameters Using

Calibration Pattern

Find Extrinsic Camera Parameters for Particular

View

End Start

(27)

 Dengan menggunakan persamaan

berikut maka didapat nilai X, Y, dan Z (world coordinates)

(28)

 Struktur Data yang digunakan : Single

Linklist

› SVL (Surface Voxel List) : Voxel yang berada di permukaan obyek (nampak)

› CVSVL (Change Visiblity Surface Voxel List) : SVL yang akan dianalisis visibilitynya

› IVL (Inner Voxel List) : Voxel yang berada di dalam obyek (tidak nampak)

› LDI (Layered Depth Image) : SVL yang terproyeksikan ke Pixel P di setiap Voxel

(29)

Start

Generate IVL dan SVL

Generate CVSVL

Generate LDI

(30)

Start Initialize (U, V) Compute World Coordinates (X, Y, 3D)1 = (X, Y, 3D)2 and (Z, 3D) maximum No Yes IVL SVL End

(31)

Start Copy SVL to CVSVL

Initialize

(32)

Start Initialize SVL (U, V, 3D)1 = (U, V, 3D)2 LDI <= SVL No Yes

(33)

LDI11 ( Y ) LDI41 ( Y ) LDI31 ( Y ) LDI21 ( Y ) LDI12 ( XYZRGB ) LDI33 ( XYZRGB ) LDI32 ( XYZRGB ) LDI22 ( XYZRGB ) LDI13 ( XYZRGB )

LDI34 ( XYZRGB ) LDI35 ( XYZRGB )

LDI42 ( XYZRGB ) LDI43 ( XYZRGB )

(34)
(35)

Start Initialize 2D Coordinate

IVL <= 3D Projection

Projected to Same 3D Coordinate and have Z

Maximal

SVL <= IVL Projected to same U,V

then Sort LDI <= SVL For every Voxel CVSL <= SVL CVSVL != NULL End Delete Voxel V from CVSVL Compute Visibility Voxel V Less than Threshold Carving Voxel V Remove Voxel V from SVL

For every Pixel P in Projection of Voxel V

into All Images

Voxel V = Head LDI(V)

Insert (LDI(V).next) to

CVSVL

Delete LDI(V) from LDI

Iteration is Finished For every Voxel N

Adjacent to Voxel V, N ∉ SVL Visibible (N) =

FALSE

For every Pixel P in Projection of Voxel V

into All Images

Insert (N) to LDI Voxel N = Head LDI(N) Visible (N) = TRUE Iteration is Finished Insert (N) to SVL Visible (N) = TRUE Insert (N) to CVSVL No Yes No Yes No Yes No Yes No Yes Yes Yes No Yes Yes Yes No Yes No Yes No No

(36)
(37)
(38)
(39)
(40)
(41)
(42)
(43)
(44)
(45)
(46)

threshold Image = 6 Imag e= 5 Image = 4 Image = 3 Image = 2

25.00

50.00

75.00

(47)

 Jumlah image = 6

 Jumlah image = 5

σ ΣIVL ΣCVSVL ΣLDI ΣSVL Waktu

25.00 66672 0 422 2319 00 : 33 : 55 50.00 66694 0 457 2309 00 : 32 : 19 75.00 66695 0 470 2309 00 : 32 : 29 100.00 66695 0 470 2309 00 : 32 : 10

σ ΣIVL ΣCVSVL ΣLDI ΣSVL Waktu

25.00 63998 0 435 2231 00 : 26 : 11 50.00 64026 0 444 2217 00 : 25 : 36 75.00 64027 0 459 2217 00 : 25 : 24 100.00 64027 0 459 2217 00 : 25 : 24

(48)

 Jumlah image = 4

 Jumlah image = 3

σ ΣIVL ΣCVSVL ΣLDI ΣSVL Waktu

25.00 61793 0 447 2228 00 : 21 : 35 50.00 61818 0 473 2216 00 : 21 : 34 75.00 61819 0 490 2216 00 : 21 : 40 100.00 61819 0 490 2216 00 : 21 : 33

σ Σ IVL Σ CVSVL Σ LDI Σ SVL Waktu 25.00 63148 0 203 2266 00 : 20 : 27 50.00 63166 0 150 2256 00 : 18 : 33 75.00 63167 0 181 2256 00 : 18 : 36 100.00 63167 0 181 2256 00 : 18 : 32

(49)

 Jumlah image = 2

σ ΣIVL ΣCVSVL ΣLDI ΣSVL Waktu

25.00 58319 0 66 2160 00 : 13 : 53 50.00 58319 0 66 2160 00 : 13 : 44 75.00 58319 0 66 2160 00 : 13 : 45 100.00 58319 0 66 2160 00 : 13 : 42

(50)

 Metode generalized voxel coloring – layered depth

image dapat digunakan untuk melakukan

rekonstruksi tiga dimensi terhadap beberapa image  Rekonstruksi tiga dimensi dengan menggunakan

GVC – LDI hanya bisa dilakukan dengan jumlah image dua dimensi lebih dari tiga

 Semakin besar nilai threshold maka waktu yang

dibutuhkan untuk melakukan rekonstruksi cenderung lebih cepat

 Semakin besar nilai threshold semakin kecil jumlah SVL yang dihasilkan

 Hasil rekonstruksi tidak mengalami perubahan pada saat nilai threshold lebih besar atau sama dengan 50.00

(51)

 Penambahan fungsi opmtimasi untuk

pemilihan threshold yang tepat terhadap setiap image yang akan direkonstruksi

 Penggunaan library openGL lebih tepat

sehingga menghasilkan obyek yang lebih halus dan detail

(52)
(53)
(54)
(55)
(56)
(57)
(58)
(59)
(60)
(61)
(62)
(63)

Nilai minimum X Nilai maximum X Nilai minimum Y

Nilai maximum Y

Nilai minimum Z Nilai maximum Z

(64)

 Merupakan library yang terdiri dari fungsi –

fungsi cmputer vision dan API ( Application Programming Interface ) untuk image

procesing high level maupun low level

 Sebagai optimasi aplikasi realtime

 mampu menciptakan aplikasi yang handal,

kuat di bidang digital vision dan

mempunyai kemampuan yang mirip dengan cara pengolahan visual pada manusia

(65)

 CvMatMulAdd  mengimplementasikan

operasi dot product pada matriks

cvMatMulAdd(intrinsic_matrix, ekstrinsic, 0, intrinsicKaliekstrinsic_matrix);

(66)

 cvSolve  menyelesaikan persamaan

matriks (invers matriks) B = A-1 ∙ C

cvSolve(intrinsicKaliekstrinsic_matrix, surface_matrix, surfaceVoxel_matrix,

(67)

 cvFindChessBoardCorners 

menemukan jumlah chessboard pada sebuah gambar

 cvFindCornerSubPix  mencari

keakuratan lokasi titik subpixel (radial saddle points) yang berdasarkan pada vektor titik tersebut

(68)

 cvCalibrateCamera2  mencari

parameter intrinsik kamera

 cvFindExtrinsicCameraParams2 

mencari parameter ekstrinsik kamera

 cvRodrigues2  mengubah matriks

Gambar

gambar tiga dimensi dari beberapa gambar dua dimensi

Referensi

Dokumen terkait

This research is aimed at observing how commitment of the leaders, understanding of the organizational structure and empowerment of the employees affect the organizational

dibandingkan dengan produk pesaing. Presentasi produk konsep kepada target konsumen sangat diperlukan dalam pengujian konsep ini. Hal ini digunakan untuk mendapatkan informasi

Agar teknologi proses yang telah dihasilkan dalam proses produksi karaginan skala pilot plant dapat diterapkan pada wilayah-wilayah yang berpotensi dalam

Isi buku menyajikan model ekonometrika analisis faktor-faktor yang mempengaruhi keseimbangan harga dan kuantitas ikan laut segar baik pada pasar produsen maupun konsumen

Pelelangan Terbuka Pengadaan dan Penggantian HP / LP Elemen Yard Instrument Air Compressor (YIAC) B PT PJB Unit Pembangkitan Gresik,.. Asli dari dokumen fotokopi

Unggah Surat Pernyataan Kegiatan Belajar Mengajar, Scan Surat Pernyataan KBM, simpan dengan format .pdf dengan nama : Nama_Instansi_Pernyataan KBM.pdf. Contoh : Hamid_SKB

Permasalahan yang dihadapi dalam hal ini yaitu mengenai kebutuhan media serta metode pembelajaran baru untuk menunjang kegiatan belajar mengajar mata pelajaran IPA di

Apabila investor melihat sebuah perusahaan dengan asset yang tinggi namun resiko leverage nya juga tinggi, maka akan berpikir dua kali untuk berinvestasi pada perusahaan