BAB III
ANALISIS DAN PERANCANGAN
3.1 Spesifikasi Sistem
Pada tugas akhir ini dibuat sebuah sistem penglihatan pada robot (robot vision) pada sebuah autonomous mobile robot berbentuk tank bernama VAIRo. Sistem pengliatan robot tersebut memiliki spesifikasi sebagai berikut:
• Mampu bergerak secara otomatis dan mampu mengambil keputusan dengan melakukan pendeteksian objek
• Mampu mengenali objek dengan spesifikasi warna tertentu dengan menggunakan algoritma yang akan ditentukan pada proses pengujian
• Mampu mengenali bentuk–bentuk dasar objek yang digunakan pada KRCI 2009 divisi expert single
• Mampu mengamati objek dalam arah horisontal dan vertikal pada jarak pandang maksimum
3.2 Analisis
Suatu sistem disebut robot bila memiliki sifat otomatis atau autonomous. Suatu sistem dengan sifat autonomous harus dapat bergerak dan mengambil keputusan sendiri berdasarkan informasi yang didapatkan dari lingkungan disekitarnya. Berdasarkan hal tersebut suatu sistem yang autonomous dirancang untuk seminimal mungkin melibatkan campur tangan manusia sebagi operator maupun pengambil keputusan.
Pada perancangan mobile robot pada tugas akhir ini, komponen–komponen penyusunnya akan dibuat dalam bentuk modul–modul yang dapat memiliki fungsi masing – masing dan dapat bekerja mandiri. Setiap modul tersebut akan menyediakan keluaran baik dalam bentuk data digital maupun analog yang akan digunakan bagi robot untuk dapat mengenali lingkungannya. Untuk itu perlu
dirancang sebuah modul utama yang bekerja untuk mengambil keputusan berdasarkan informasi–informasi yang disediakan tersebut. Modul utama yang digunakan pada robot VAIRo adalah mikrokontroller AVR yang disebut modul sistem pengendali yang akan dibahas oleh teman Penulis Vincentius Riky (NIM 132 05 030).
Modul penglihatan pada robot VAIRo dirancang untuk dapat beroperasi secara otomatis, modul ini akan mulai menjalankan fungsinya untuk mengenali benda saat modul sistem pengendali utama memerintahkannya. Keluaran dari modul ini berupa data digital yang akan merepresentasikan informasi objek yang dideteksinya. Sistem pada modul ini akan mulai melakukan inisialisasi data begitu daya diberikan, lalu kemudian menunggu perintah dari modul sistem kendali utama untuk mulai mengumpulkan informasi dan mengolahnya menjadi keluaran.
Sistem penglihatan pada robot VAIRo dirancang untuk dapat melakukan identifikasi benda atau objek dengan spesifikasi warna tertentu. Hal ini disesuaikan dengan keadaan lingkungan yang dihadapi robot pada KRCI 2009 divisi expert single. Pada peraturan lomba KRCI 2009 disebutkan bahwa lingkungan yang dihadapi robot terdiri dari labirin yang didalamnya diletakan beberapa objek dengan ciri khas warna tertentu. Sebagai contoh pada labirin KRCI 2009 labirin tempat robot menjalankan misinya ditempel wallpaper dengan warna–warna tertentu dan terdapat objek seperti
furniture yang berwarna kuning atau bayi yang tubuhnya berwarna biru dengan
kepala berwarna kuning. Berdasarkan peraturan–peraturan tersebut maka dirancang sebuah sistem penglihatan yang memiliki kemampuan untuk mengenali benda berdasarkan suatu warna tertentu. Penggunaan warna benda sebagai suatu ciri khas dari objek keseluruhan disebut sistem penglihatan robot tingkat rendah. Hal ini disebabkan karena informasi yang digunakan sangat terbatas yaitu hanya dengan menggunakan warna, dan mengabaikan ciri–ciri yang lainnya.
Metoda pengenalan benda hanya berdasarkan warna spesifik perlu dilakukan oleh robot untuk secara cepat memutuskan lingkungan seperti apa yang dihadapinya akan berpengaruhkah pada pergerakan atau penyelesaian misi yang dilakukan. Selain itu
keunggulan dari pengenalan benda berdasarkan warna terletak pada kecepatan proses pengolahan data citra menjadi keluaran bagi robot. Kecepatan ini sangat penting karena pada perlombaan KRCI waktu yang ditempuh robot untuk menyelesaikan tugas – tugasnya cukup berpengaruh pada hasil nilai yang didapatkan.
Berdasarkan uraian diatas komponen yang diperlukan oleh robot adalah sebuah sensor penglihatan yang dapat melakukan analisi citra lingkungan yang dihadapi dengan melakukan pemrosesan pada bagian citra dengan warna tertentu untuk dikenali sebagai suatu objek. Pemrosesan yang dilakukan pun harus dapat diselesaikan dengan waktu singkat sehingga tidak ada waktu yang terbuang bagi robot.
Spesifikasi untuk dapat mengenali bentuk–bentuk dasar objek harus dilakukan sebagai pemrosesan citra tingkat lanjut bagi robot. Berdasarkan peraturan pertandingan KRCI 2009 divisi expert single pada dinding labirin KRCI 2009 akan dipasang wallpaper dengan warna–warna tertentu yang mungkin memiliki spesifikasi warna yang mirip bahkan sama dengan spesifikasi warna pada objek– objek yang digunakan pada pertandingan. Oleh karena itu, sistem dengan pengenalan objek hanya berdasarkan warna saja tidak cukup tapi perlu ditambahkan pada suatu fitur tambahan pada sistem penglihatan agar robot tidak tertipu dengan informasi pada lingkungan yang dihadapinya.
Objek–objek yang dihadapi oleh robot memiliki bentuk–bentuk dasar seperti bulat dan persegi. Sehingga proses pengenalan bentuk yang dilakukan seharusnya dapat dibuat sesederhana mungkin. Namun perlu diperhatikan bahwa robot yang dirancang merupakan robot dengan kemampuan bergerak (mobile robot) sehingga sistem pengenalan bentuk objek yang dirancang harus dapat mengenali objek dari beragai sudut pandang. Oleh karena itu sistem dengan kemampuan pengenalan sederhana tidak akan digunakan pada sistem robot VAIRo. Sistem yang dibutuhkan adalah suatu sistem cerdas yang dapat mengenali objek meskipun lingkungan atau informasi yang didapatkan tidak dapat akurat.
Spesifikasi sistem yang terakhir adalah mampu untuk mengamati objek dalam arah horisontal dan vertikal pada jarak pandang maksimum. Spesifikasi ini bertujuan agar robot dapat mengamati lingkungan sekelilingnya secara menyeluruh sehingga informasi yang didapatkan lebih akurat dan keputusan yang diambil sesuai. Spesifikasi ini diperlukan robot untuk dapat memperhitungkan pergerakan yang akan dilakukan jauh sebelumnya.
Berdasarkan peraturan KRCI 2009 terdapat beberapa ketentuan seperti furniture yang diletakan pada setiap ruangan tidak boleh sampai tergeser selama robot melakukan pergerakan untuk menyelesaikan misi, robot harus memamdamkan lilin pada jarak kurang dari 200 mm, dan bendera harus dinaikan pada jarak kurang dari 200 mm bila bayi ditemukan. Berdasarkan hal itu dengan memiliki kemampuan untuk dapat mengamati objek dalam arah horisontal dan vertikal pada jarak maksimal robot dapat mempersiapkan langkah yang ditempuhnya.
Sistem penglihatan pada robot VAIRo dirancang untuk dapat mememuhi spesifikasi sistem seperti yang telah diuraikan di atas. Berdasarkan hal tersebut beberapa terdapat komponen yang perlu digunakan untuk memenuhinya. Komponen– komponen yang digunakan akan dibagi menjadi 2 bagian besar yaitu perangkat keras dan perangkat lunak. Pada bagaian perangkat keras akan dijelaskan mengenai komponen–komponen yang digunakan untuk memenuhi spesifikasi tersebut, diantaranya aktuator, sensor penglihatan, mekanisme penggerak arah vertikal dan horisontal, dan power supply. Sedangkan pada bagian perangkat lunak akan dijelaskan algoritma–algoritma yang digunakan untuk memenuhi spesifikasi– spesifikasi diatas.
3.2.1 Perangkat Keras
Perangkat keras yang digunakan untuk memenuhi spesifikasi rancangan robot VAIRo terdiri dari 3 bagian, yaitu:
3.2.1.1 Sensor Penglihatan
Sensor penglihata adalah modul paling utama pada sistem penglihatan pada robot VAIRo. Berdasarkan spesifikasi sistem yang dibutuhkan pada robot yaitu untuk dapat digunakan untuk mengenali objek dengan spesifikasi warna tertentu dan dapat dengan mudah diintegrasikan dengan modul–modul sistem lainnya maka dipilih untuk menggunakan sensor penglihatan kamera.
Penggunaan sensor kamera sebagai sensor penglihatan pada robot diharapakan akan membantu robot untuk menyelesaikann misi–misinya. Robot yang dirancang harus memiliki kemampuan untuk dapat beradaptasi dengan lingkungan untuk itu robot harus dapat memilah informasi dan mengartikan informasi yang benar–benar berguna sebab pada sebuah lingkungan yang berbeda akan dibutuhkan kemampuan yang berbeda juga.
Sensor kamera adalah sensor yang memiliki kemampuan dan bekerja seperti mata manusia. Suatu sistem penglihatan dapat digolongkan dalam 3 level yaitu:
• Penglihatan level rendah
Penglihatan dengan level rendah dapat dideskripsikan sebagai proses yang dalam segi sistem indra dikategorikan primitif sehingga dapat disebut sebagai sebuah sistem yang akan bereaksi secara otomatis tampa membutuhkan kecerdasan. Pada level ini dikenal 2 proses penting pada computer vision yaitu pengindaraan dan
preprocessing.
• Penglihatan level menengah
Penglihatan level menengan dapat dideskripsikan sebagai proses ekstraksi, karakterisasi, dan pelabelan komponen–komponen pada citra hasil penglihatan level rendah. Pada level ini dikenal beberapa proses penting yaitu segmentasi, deskripsi, dan pengamatan dari objek.
• Penglihatan level tinggi
Penglihatan level tinggi dapat dideskripsikan sebagai proses yang mencoba untuk mencocokannya dengan pegamatan yang dilakukan. Pada level ini dikenal proses pengartian (interpretation).
Berdasarkan pengertian dari ketiga level penglihatan diatas, maka level sistem penglihatan yang akan digunakan pada robot VAIRo adalah level sistem penglihatan rendah dan menengah. Level sistem penglihatan rendah diwakili dengan reduksi gangguan pada citra dan deteksi pusat massa dari objek dengan spesifikasi warna tertentu, sedangkan level menengan diwakili dengan segmentasi citra berdasarkan warna dan bentuk. Untuk itu dibutuhkan sensor kamera yang dapat bekerja pada kedua level sistem penglihatan tersebut.
Berdasarkan level sistem penglihatan yang dibutuhkan robot tersebut terdapat beberapa fungsi dasar pengolahan citra yang harus dapat diimplementasikan pada robot yaitu fungsi pengambilan data pixel–pixel citra dan fungsi pendeteksian warna pada citra. Fungsi pengambilan data pixel–pixel citra diperlukan untuk dapat melakukan pengenalan bentuk objek pada jaringan saraf tiruan dengan memperhatikan pola hubungan atau susunan dari nilai pixel yang didapatkan. Fungsi pendeteksi warna dibutuhkan untuk menghasilkan sistem yang dapat bereaksi secara otomatis bila suatu spesifikasi warna dideteksi. Kedua fungsi tersebut merupakan 2 fungsi utama yang harus dimiliki sensor penglihatan untuk dapat digunakan pada perancangan sistem penglihatan pada robot VAIRo.
Sensor kamera yang digunakan harus dapat melakukan pemrosesan citra secara
real-time dan memiliki kecepatan yang tinggi. Hal ini dibutuhkan karena proses
pengambilan informasi citra dilakukan langsung oleh robot pada saat bernavigasi untuk menyelesaikan misinya. Informasi citra yang didapatkan dapat secara tiba-tiba berubah sesuai dengan linkungan yang dihadapi robot untuk itu pengolahan citra harus dapat dilakukan secara langsung dan real-time. Sedangkan bila ditinjau dari segi waktu, pada peraturan KRCI 2009 divisi expert single sebuah robot hanya
diberikan waktu selama 6 (enam) menit untuk dapat menjelajahi labirin dan menyelesaikan misi – misinya. Untuk itu sistem penglihatan robot harus dapat cepat mengolah informasi citra yang dimilikinya dan memutuskan tindakan yang akan dilakukan berdasarkan informasi tersebut.
Sistem yang dirancang harus dapat mengimplementasikan suatu algoritma pengolahan citra tertentu sehingga saat robot diaktifkan sistem akan merespon secara otomatis semua perintah dari sistem kendali pusat robot. Untuk itu algoritma yang dirancang pada bagian perangkat lunak harus dapat ditanamkan pada modul sensor kamera bagi penglihatan robot.
Bila ditinjau dari pemenuhan spesifikasi sistem pada bagian memiliki kemampuan untuk mengamati objek pada arah horisontal dan vertikal dalam jarak pandang maksimum dapat disimpulkan sistem yang dirancang harus dapat dengan mudah diintegrasikan dengan beberapa modul lainnya seperti modul aktuator dan modul mikrokontroller pada sistem kendali utama. Untuk itu sensor kamera yang digunakan harus memiliki fitur input dan output.
3.2.1.2 Mekanisme Penggerak Arah Vertikal dan Horisontal
Berdasarkan spesifikasi sistem yang dirancang, diperlukan pembuatan sebuah mekanisme penggerak yang akan mendukung sistem penglihatan robot. Mekanisme sistem penggerak yang dirancang harus memiliki kemampuan agar robot memiliki jangkauan penglihatan yang luas. Untuk itu mekanisme penggerak akan dirancang untuk dapat bergerak searah sumbu vertikal dan horisontal. Pergerakan dari turret ke arah sumbu horisontal dikendalikan oleh modul aktuator yang akan dipasang pada bagian dasar platform robot, sedangkan untuk mengendalikan pergerakan pada arah vertikal digunakan modul aktuator yang akan diletakan pada bagian samping rancangan turret.
Mekanisme penggerak yang dirancang harus cukup ringan dari segi berat karena bila tidak robot tidak dapat bergerak dengan cepat untuk dapat menyelesaikan
misi-misinya. Suatu mekanisme gerak yang berat akan membebani kerja aktuator pada sistem penggerak robot seperti motor DC untuk itu unsure keringan suatu bahan harus diperhitungkan dengan cermat. Selain ringan bahan yang digunakan harus cukup kokoh dan kuat. Hal ini berkaitan karena turret yang dirancang harus dapat mengangkat beberapa modul sensor dan aktuator.
Komponen – komponen penyusun turret terdiri dari:
• 1 buah mekanisme penggerak vertikal
• 1 buah mekanisme penggerak horisontal
• 1 buah sensor kamera
• 1 buah sensor suhu
• 1 buah sensor jarak
• 2 buah aktuator
• 1 buah kipas
Mekanisme penggerak horisontal ditekankan dari segi kekuatan dan kekokohan. Hal ini perlu diperhatikan karena seluruh berat dari turret akan bertumpu pada bagian ini. Sedangkan mekanisme gerakan perlu ditambahkan gear pendukung agar torka yang dihasilkan lebih tinggi.
Mekanisme penggerak vertikal lebih kompleks dibandingkan dengan mekanisme penggerak horisontal, hal ini disebabkan karena pada bagian ini akan dilakukan bebrapa pergerakan yang akan melibatkan beberapa modul sensor. Karena pada bagian ini akan dilekatkan beberapa modul sensor maka perlu diperhatikan ruangan yang tersedia dan posisi penempatan tiap modul sensor yang akan digunakan.
Berdasarkan hal–hal yang telah disebutkan diatas maka perlu dilakukan pemilihan bahan yang tepat agar mekanisme penggerak yang dirancang dapat memenuhi criteria spesifikasi sistem yang diinginkan. Terdapat beberapa contoh bahan yang dapat digunakan untuk membuat turret robot yaitu alumunium, fiberglass, atau aklirik. Masing – masing bahan tersebut memiliki keunggulan dan kekurangan masing – masing.
Letak dari mekanisme penggerak pada platform pun harus diperhitungkan hal ini dikarenakan ukuran platform yang terbatas, yaitu tidak dapat lebih dari 310 x 310 x 300 mm (panjang x lebar x tinggi) yang disesuaikan dengan peraturan KRCI 2009 divisi expert single. Berdasarkan hal tersebut proses perancangan dari mekanisme penggerak sebaiknya dilakukan setelah desain dari platform robot selesai dilakukan dengan memperhitungkan beberapa komponen penting lainnya yang akan digunakan oleh robot untuk bergerak dan menyelesaikan misinya.
Letak dari mekanisme penggerak ini lebih baik diletakan pada bagian depan dari robot. Hal ini untuk mengatasi keterbatasan gerakan ke arah horisontal bila diletakan pada bagian tengah atau belakang dari robot.
3.2.1.3 Aktuator
Berdasarkan spesifikasi sistem robot yang akan dirancang mekanisme penggerak akan digunakan untuk mendapatkan penglihatan robot yang lebih luas, sehingga informasi yang didapakan lebih akurat. Pada bagian anlisis mekanisme penggerak, disebutkan bahwa gerakan yang diperluakan untuk mendukung kemampuan penglihata robot tersebut adalah gerakan ke arah horisontal dan vertikal. Untuk menghasilkan penggerakan yang sesuai dengan spesifikasi sistem tersebut diperlukan modul aktuator yang akan menghasilkan sumber tenaga putar.
Seperti yang telah dijelaskan pada bagian dasar teori aktuator merupakan suatu mekanimse yang memungkinkan effektor untuk dapat mengeksekusi gerakan. Pada robot terdapat 2 jenis aktuator berdasarkan energi penggeraknya yaitu:
• Aktuator pasif
Aktuator dengan tipe pasif adalah model mekanisme yang didesain untuk dapat memanfaatkan energi–energi yang tidak berasal dari robot. Sebagai contoh aktuator yang memanfaatkan energi potensial pada mekanismenya tampa menggunakan bantuan tenga aktif dari batere.
• Aktuator aktif
Aktuator dengan tipe aktif adalah model mekanisme yang didesain dengan memanfaatkan energi pengaktif dari robot.
Berdasarkan jenis tipe model aktuator yang telah dijelaskan diatas modul aktuator yang digunakan adalah tipe aktif.
Selain itu perlu diperhatikan tipe aktuator yang digunakan. Beberapa tipe aktutor telah dijelaskan pada bagian dasar teori dari laporan tugas akhir ini diantaranya:
• Motor elektrik
• Hidrolik
• Pneumatik
• Photo-reactive material
• Piezoelectric
Berdasarkan pengertian dan penjelasan dari tiap – tiap jenis material tersebut modul aktuator yang digunakan sebaiknya memiliki sifat yang reaktif terhadap tegangan dan arus listrik yang dihasilakan dari sumber daya robot.
Selain itu perlu diperhatikan bahwa modul aktuator akan dipergunakan untuk menggerakan mekanisme penggerak ke arah horisontal dan vertikal, selain itu proses pendeteksian objek yang dilakukan oleh sensor kamera harus memiliki kepresisian yang cukup tinggi untuk memudahkan identifikasi bentuk benda. Perlu diperhatikan pula torsi dari modul aktuator yang akan digunakan harus cukup tinggi karena pada prakteknya akan digunakan untuk menggerakan mekanisme penggerak yang telah dilekatkan beberapa sensor.
Dapat disimpulkan bahwa modul aktuator yang dipilih harus memiliki pergerakan dengan sudut kepresisian yang cukup tinggi dan memiliki torsi yang tinggi untuk menggerakan keseluruhan sistem mekanisme penggerak. Tipe aktuator yang cocok untuk digunakan sebagai aktuator mekanisme penggerak adalah tipe motor elektrik.
Motor elektrik adalah modul aktuator yang paling banyak digunakan pada robot karena kemudahannya. Motor elektrik menghasilakan gerakan berotasi, sehingga sangat tepat untuk digunakan bagi bagian-bagian robot yang membutuhkan pergerakan secara kontinu. Namun motor elektrik dibagi menjadi 2 golongan berdasarkan tipe kerjany, yaitu:
• Motor DC
• Motor Servo
Motor DC biasa digunakan pada bagian–bagian robot yang diperluakan untuk dapat bergerak dengan cepat tampa memperhitungkan kepresisian sudut, sedangkan pada motor servo biasa digunakan bagi aplikasi–aplikasi yang membutuhkan kepresisian sudut tampa memperhitungkan kecepatan putar dari motor.
3.2.1.4 Power Supply
Modul power supply merupakan modul yang terpenting pada robot. Modul ini memberikan sumber daya bagi tiap–tiap komponen pada robot untuk dapat bekerja dengan baik. Sebuah robot tidak dapat bergerak tampa sumber daya.
Modul sensor penglihatan pada robot meruapakan modul yang memerlukan proses komputasi yang cukup kompleks, oleh karena itu modul ini akan membutuhkan sumber daya yang cukup besar agar dapat bekerja dengan baik. Kestabilan daya yang diberikan oleh modul ini sangat mempengaruhi kualitas informasi yang dihasilakan oleh masing–masing modul lainya.
Pada KRCI 2009 divisi expert single robot diberikan waktu 6 menit untuk dapat menyelesaikan misi–misinya, selain itu robot akan melakukan 3 kali perlombaan untuk itu diperlukan sumber daya yang cukup stabil, tidak mudah habis dan dapat diisi ulang. Kerena robot yang dirancang merupakan mobile robot maka sumber daya yang digunakan harus dapat diletakan dan mudah dibawa oleh robot, untuk itu perlu diperhitungkan dimensi dari modul ini dikarenakan area yang dimiliki terbatas.
Pada beberapa modul aktuator seperti motor listrik memerlukan sumber arus yang tinggi untuk dapat bergerak dengan baik. Pada umumnya sumber daya yang ditemui dipasaran tidak dapat memberikan arus yang cukup besar bagi modul aktuator sehingga modul ini tidak dapat bergerak dengan baik.
3.2.2 Perangkat Lunak
Agar robot dapat melakukan tugas–tugasnya, dibutuhkan perangkat lunak yang mampu mengarahkan robot menjalankan tugas tersebut. Perangkat keras yang telah ada tidak akan berfungsi bila tidak dibuat suatu program untuk mengaktifkan. Program ini akan disimpan dalam mikroprosesor dan kemudian akan dieksekusi.
Program utama yang dibutuhkan oleh sistem penglihatan pada robot VAIRo dibagi menjadi 2 bagian besar yaitu deteksi warna dan deteksi bentuk. Masing–masing program memiliki algoritma yang berbeda untuk proses pengenalan objek yang dilakukan, namun proses eksekusi dilakukan secara bertahap yaitu dengan terlebih dahulu mengenali objek berdasarkan warna baru dilanjutkan dengan mengenali objek berdasarkan bentuk dengan bantuan jaringan saraf tiruan.
Pada program pengenalan objek berdasarkan warna, proses yang dilakukan diawali dengan pengambilan data warna yang disekeliling robot dengan metoda scanning, yang dilakukan dengan menganalisis citra yang ditangkap oleh kamera untuk setiap sudut tertentu. Bila dalam proses scanning tidak ditemukan adanya warna yang sesuai dengan spesifikasi objek yang hendak dikenali maka proses akan terus dilakukan. Bila pada proses scanning ditemukan suatu warna tertentu kamera akan menyimpan sudut ketika warna terdeteksi.
Terdapat beberapa algoritma yang diperlukan untuk memenuhi spesifikasi diatas, yaitu:
• Algoritma gerak turret dan deteksi warna
Algoritma ini digunakan untuk melakukan pengambilan informasi lingkungan yang dihadapai robot berdasarkan pembacaan warna yang dilakukan dengan proses scanning. Proses ini dilakukan dengan menggerakan turret pada suatu
posisi tertentu yang dilanjutkan dengan melakukan analisi citra yang ditangkap oleh sensor kamera. Bila pada proses tersebut tidak ditemukan adanya suatu warna spesifik tertentu maka proses ini akan terus dilakukan sedangkan bila ditemukan adanya suatu warna spesifik maka sensor kamera akan menyimpan data sudut letak warna terdeteksi. Untuk lebih lanjut mengenai penjelasan algoritma ini akan diterangkan pada bagian perancangan.
• Algoritma pengenalan bentuk objek dengan jaringan saraf tiruan
Algoritma ini digunakan untuk mengenali bentuk suatu objek yang memiliki warna tertentu. Algoritma inin menggunakan masukan berupa data nilai pixel– pixel hasil algoritma gerak turret dan deteksi warna yang sudah terlebih dahulu diubah menjadi citra grayscale. Masukan citra tersebut akan diumpankan pada jaringan saraf tiruan untuk kemudian diproses dan ditentukan bentuk dari objek tersebut.
• Algoritma pengambilan data bentuk objek bagi jaringan saraf tiruan
Algoritma ini digunakan untuk melakukan pengambilan data yang akan digunakan untuk melakukan pelatihan bagi jaringan saraf tiruan. Algoritma ini tidak akan diimplementasikan pada robot. Proses pelatihan akan dilakukan pada komputer PC, keluaran dari algoritma ini berupa besar bobot – bobot yang akan digunakan bagi algoritma pengenalan bentuk objek dengan jaringan saraf tiruan.
Penjelasan algoritma-algoritma diatas hanya merupakan gambaran umum dari tiap algoritma yang akan digunakan pada proses pengenalan objek. Penjelasan mendalam untuk tiap algoritma diatas akan diberikan pada bagian perancangan.
3.3 Pemilihan dan Perancangan Komponen Sistem
Sebelum Melakukan perancangan sistem pada robot VAIRo, perlu dilakukan terlebih dahulu pemilihan komponen–komponen yang akan digunakan oleh robot. Pemilihan komponen ini meliputi penentuan sensor kamera yang digunakan dan penentuan
modul aktuator yang digunakan. Setelah komponen dari sistem ditentukan maka akan dilanjutkan dengan perancangan sistem tersebut.
Perancangan sistem penglihatan pada robot VAIRo dilakukan dalam beberapa tahap. Tahap pertama adalah dengan merancang turret bagi kamera. Rancangan turret tersebut perlu memperhatikan kesesuaian penempatan modul–modul lainnya dan area yang tersedia pada platform robot. Kemudian dilanjutkan dengan tahap pemilihan sensor penglihatan, modul aktuator, perancangan mekanisma kendali dan algoritam sistem penglihatan robot.
3.3.1 Pemilihan Sensor Kamera
Sensor penglihatan adalah modul yang paling utama dalam sistem penglihatan robot VAIRo. Berdasarkan spesifikasi yang telah dideskripsikan oleh sistem sensor penglihatan yang diakan digunakan harus memiliki kemampuan untuk melakukan pemrosesan citra dan memiliki kecepatan pemrosesan yang tinggi, selain itu modul yang digunakan harus memiliki kemudahan dalam hal integrasi dengan modul lainyanya terutama modul aktuator. Berdasarkan spesifikasi sistem tersebut maka dipilih modul sensor kamera CMUcam3.
Sensor ini dapat dianalogikan sebagai mata dari robot itu sendiri. Sehingga informasi dalam bentuk citra digital yang diterima oleh sensor kamera CMUcam3 ini akan menunjang penglihatan pada robot. Sensor kamera CMUcam3 terdiri dari 2 bagian, yaitu modul C3088 dan modul Philips LPC2106.
Modul C3088 merupakan sensor citra CMOS OV6620 dari OmniVision. Modul ini memiliki keluaran port digital video dan dapat menyediakan 8/16 bit aliran data citra secara terus menerus. Modul ini juga menunjang fungsi–fungsi dari kamera seperti
exposure, gamma, gain, white balance, dan windowing. Keseluruhan fungsi tersebut
dapat digunakan dan diubah dengan mengatur register pada kamera lewat interface i2c. Format video keluaran dari modu C3088 dapat disesuaikan dengan kebutuhan
aplikasi, selain itu modul ini menunjang penggunaan beberapa macam tipe kanal citra seperti RGB, UVY, dan HSV.
Modul Philips LPC2106 adalah suatu modul yang telah dirancang untuk dengan mudah diintegrasikan dengan modul C3088 untuk mendukung penanaman algoritma pengolahan citra digital pada sensor kamera CMUcam3. Modul ini menggunakan mikroprosesor ARM7TDMI-S CPU. Mikroprosseor tersebut memiliki keunggulan dalam hal konsumsi energi yang rendah dan tingkat performa yang tinggi. Selain itu mikroprosesor ini juga mendukung sistem pemrograman on-chip sehingga algoritma yang dirancang dapat ditanamkan dan disimpan langsung. Chip ini juga memiliki kemampuan dalam hal waktu eksekusi yang cukup tinggi sehingga cocok untuk melakukan komputasi perhitungan yang kompleks, hal tersebut dibutuhkan karena perhitungan deteksi objek dengan jaringan saraf tiruan menggunakan bobot-bobot hasil pelatihan akan dilakukan secara langsung pada chip ini.
CMUcam3 mendukung pemenuhan spesifikasi sistem yang dirancang seperti dapat di program untuk mengeksekusi suatu algoritma tertentu dan memiliki kecepatan proses data yang cukup tinggi. Selain itu modul ini mendukung fungsi–fungsi pengolahan citra senderhana sehingga dapat digunakan pada sistem penglihatan pada robot. Berdasarkan spesifikasi sistem yang diinginkan sensor kamera pada robot harus dapat melakukan pemrosesan citra berdasarkan warna dengan kecepatan yang cukup tinggi dan dapat mengambil data nilai dari pixel–pixel penyusun citra. Selain itu, modul sensor yang digunakan harus mudah untuk diintegrasikan dengan modul– modul lain seperti modul aktuator.
Sensor kamera CMUcam3 memiliki fitur–fitur yang mendukung spesifikasi tersebut diantaranya fungsi color track, get pixel, dan input output. Fungsi – fungsi tersebut telah siap digunakan dan diimplementasikan pada suatu algoritma bagi robot. Fungsi
color track merupakan fungsi untuk melakukan pengolahan citra tingkat rendah
untuk mendapatkan beberapa informasi penting yang berhubungan dengan citra berwarna. Pada fungsi tersebut akan dideklarasikan terlebih dahulu jenis warna yang akan dicari dengan menentukan nilai warna pada 3 kanal yaitu:
• Kanal merah (R)
• Kanal hijau (G)
• Kanal biru (B)
Pada sensor penglihatan jumlah intensitas cahaya yang ditangkap oleh sensor akan sangat berpengaruh pada komposisi nilai RGB yang dilihat oleh sensor untuk itu perlu ditambahkan pada pendeklarasian nilai warna–warna tersebut dengan memperhitungkan error pembacaan warna yaitu dengan mendeklarasikan batas jangkauan nilai warna pada tiap kanal. Sebagai contoh untuk mendeklarasikan warna biru dengan nilai tiap kanal:
• Kanal merah (R) = 0
• Kanal hijau (G) = 0
• Kanal biru (B) = 255
Maka akan didefinisikan sebagai berikut:
• Batas atas kanal merah (R) = 35
• Batas bawah kanal merah (R) = 0
• Batas atas kanal hijau (G) = 35
• Batas bawah kanal hijau (G) = 0
• Batas atas kanal biru (B) = 255
• Batas bawah kanal biru (B) = 220
Sehingga bila didapatkan suatu nilai pixel dengan konfigurasi nilai kanal RGB 13 13 227 maka pixel tersebut akan dikategorikan sebagai pixel dengan warna biru.
Fungsi get pixel merupakan fungsi untuk mendapatkan nilai pixel – pixel penyusun citra. Dengan menggunakan fungsi ini nilai pixel–pixel yang dibaca oleh kamera dapat ditampung dalam suatu variable dengan tipe integer. Pada tugas akhir ini fungsi get pixel digunakan untuk mendapatkan nilai pixel citra objek yang akan dikenali, susunan nilai pixel–pixel tersebut akan digunakan sebagai masukan bagi fungsi jaringan tiruan. Besar resolusi citra yang digunakan adalah 25 x 29 pixel, namun nilai pixel–pixel tersebut tidak langsung dimasukan pada sistem jaringan tiruan tapi perlu diubah dahulu karena pada saat pengenalan objek berdasarkan parameter warna digunakan citra warna RGB sehingga perlu diubah dahulu menjadi citra grayscale. Pengubahan citra dari RGB menjadi grayscale perlu dilakukan untuk
mempekecil jumlah masukan pada sistem jaringan tiruan. Bila format citra RGB dipertahankan dengan menggunakan resolusi gambar yang sama yaitu 25 x 29 pixel hasil input yang didapatkan lebih besar 3 (tiga) kali dari resolusi yang diinginkan, hal ini dikarenakan tiap pixel diwakili oleh 3 kanal yaitu kanal merah, biru, dan hijau.
Fungsi input output sangat diperlukan dalam desain sistem karena sensor kamera CMUcam3 akan diintegrasikan dengan turret agar informasi yang didapatkan robot lebih baik dan akurat. Fungsi ini terdiri dari 3 mode yang digunakan yaitu:
• Mode input
• Mode output
• Mode PWM servo
CMUcam3 menyediakan 1 port GPIO (General Purpose Input Output) yang terdiri dari 4 pin yang masing–masing dapat diatur mode penggunaannya. Pada sistem yang dirancang ini akan digunakan 2 (dua) buah motor servo sebagai penggerak turret sensor kamera sehingga bersisa 2 (dua) pin lagi yang akan digunakan untuk melakukan komunikasi dengan modul mikrokontroller.
3.3.2 Pemilihan Modul Aktuator
Berdasarkan spesifikasi dan analisis yang telah dilakukan, didapatkan bahwa sistem yang dirancang harus memiliki mekanisme gerak untuk memaksimalkan sistem penglihatan pada robot VAIRo. Mekanisme gerak (turret) yang dirancang harus memiliki kemampuan gerak ke arah horisontal maupun vertikal dengan kepresisian sudut. Untuk itu diputuskan untuk menggunakan modul aktuator motor servo. Pada motor servo pengendalian dilakukan untuk mendapatkan kepresisian sudut sesuai dengan jumlah atau nilai PWM yang diberikan, penjelasan mengenai motor servo dapat dibaca pada bab 2. Sehingga rancangan mekanisme gerak akan memiliki kemampuan untuk bergerak secara 2 dimensi (horisontal dan vertikal).
Motor servo yang dipilih adalah motor servo Hitech HS-322, untuk spesifikasi dari mator ini dapat dilihat pada bab 2. Motor ini memiliki torsi maksimum 3.7 kg.cm
sehingga cukup untuk dapat dapat menggerak mekanisme penggerak horisontal maupun vertikal. Kecepatan gerak dari motor servo Hitec HS-322 cukup memadai untuk mendukung implementasi algoritma gerak kamera.
3.3.3 Perancangan Turret kamera
Turret yang akan digunakan harus memenuhi persyaratan KRCI 2009 divisi expert single yaitu ukuran maksimum robot yang diperbolehkan adalah 310 x 310 mm
untuk panjang dan lebar dan 300 mm untuk tinggi. Berdasarkan hal tersebut tinggi robot merupakan hal yang paling mempengaruhi perancangan turret kamera karena dasar platform dari robot itu sendiri sudah setinggi 100 mm sehingga sisa tinggi yang dapat dipergunakan untuk rancangan turret adalah 200 mm selain itu perlu diperhatikan lebar rancangan turret karena lebar dari platform robot yang dibuat adalah 200 mm dan terdapat beberapa sensor ultrasonik yang diletakan disamping
turret.
Turret yang dirancang harus memiliki bahan dasar yang kokoh dan stabil, karena itu
pemilihan bahan yang tepat merupakan faktor yang penting. Setelah melakukan pertimbangan dan konsultasi maka dipilih untuk menggunakan plat alumunium karena memiliki kekokohan yang cukup memadai namun memiliki berat yang cukup ringan sehingga tidak terlalu membebani aktuator penggerak robot.
Turret yang dirancang bukan hanya untuk menampung modul kamera CMUcam3
dan 2 motor servo, tapi juga modul sensor panas TPA81, dan modul sensor jarak ultrasonik. Berdasarkan hal tersebut maka area pada turret yang dirancang untuk ditempati beberapa sensor dan posisi penempatan sensor yang digunakan harus tepat. Dibawah ini merupakan rancangan awal turret pada robot VAIRo.
Gambar 3.1 Rancangan Turret
3.3.4 Mekanisme Kendali Perangkat Keras
Robot VAIRo merupakan sebuah autonomous mobile robot yang memiliki beberapa sensor, aktuator, dan 2 buah mikrokontroller yang menunjang pergerakan untuk menyelesaikan misi – misinya. Kesemua modul tersebut harus dipadukan menjadi suatu kesatuan sistem yang terintegrasi. Integrasi dari perangkat keras robot VAIRo secara keseluruhan dapat dilihat pada diagram blok gambar 3.2, dimana anak panah menunjukan arah pergerakan data, keluar atau masuk.
Gambar 3.2 Diagram Blok Perangkat Keras Robot VAIRo
Untuk modul penglihatan robot sendiri secara khusus dapat dilihat pada blok gambar 3.3.
Gambar 3.3 Diagram Blok Perangkat Keras Sistem Penglihatan Robot VAIRo 3.3.5 Algoritma Perangkat Lunak
Perangkat lunak yang digunakan pada sistem penglihatan pada robot VAIRo memiliki target untuk dapat mengenali objek. Proses pengenalan objek pada robot VAIRo ini dibagi menjadi 2 bagian besar yaitu lewat warna dan bentuk objek. Algoritama yang dirancang untuk sistem penglihatan pada robot VAIRo dirancangan secara terpisah pada awalnya namun pada prakteknya kedua algoritma tersebut akan digunakan secara bersama-sama dalam satu kesatuan sistem. Pemisahan perancangan
algoritma penglihatan pada robot dilakukan untuk memudahan pengujian sistem, hal ini terkait metoda yang digunakan sangat berbeda namun menggunakan input yang sama. Diharapkan rancangan algoritma penglihatan robot VAIRo ini dapat memenuhi spesifikasi tugas atau misi – misi yang akan dilaksanakan robot seperti, menghindari objek furniture, dan mengakat objek bayi. Algoritma yang digunakan oleh sistem penglihatan pada robot dapat dilihat pada gambar 3.4.
Dari flow chart diatas, terdapat beberapa bagian fungsi yang perlu dibuat algoritma tersendiri. Algoritma tersebut adalah sistem scanning warna pada CMUcam3, sistem jaringan saraf tiruan untuk pengenalan bentuk objek, dan sistem pengambilan data untuk pelatihan pada jaringan saraf tiruan.
3.3.5.1 Algoritma Gerak Turret Camera
Algoritma yang pertama yang harus dibuat pada perancangan sistem penglihatan pada robot ini adalah sistem yang menentukan mekanisme gerakan kamera yang akan digunakan pada CMUcam3 untuk melakukan pengenalan objek. Terdapat 2 algoritma yang dirancang untuk menentukan mekanisme gerak kamera yaitu sistem
scanning dan sistem object follower. Masing–masing dari algoritma tersebut
memiliki keunggulan dan kekurangan masing – masing untuk itu pada bagian implementasi dan pengujian akan dibahas mengenai kedua algoritma tersebut.
Algoritma sistem scanning merupakan metoda untuk melakukan pengenalan objek berdasarkan warna dengan melakukan pergerakan ke arah horisontal dan vertikal.
Turret kamera CMUcam3 akan bergerak ke arah sumbu horisontal dari kiri ke kanan
dan pada tiap sudut horisontal kamera akan bergerak ke arah vertikal. Tiap kali kamera bergerak ke suatu sudut maka fungsi untuk mengenali objek berdasarkan warna akan diaktifkan. Pergerakan sudut kamera searah sumbu horisontal adalah sebanyak 10 kali dan searah sumbu vertikal 6 kali. Tiap kali kamera berada suatu sudut maka fungsi deteksi warna akan diekseskusi dan hasil yang didapatkan berupa banyak dan kerapatan pixel. Untuk menambah kepresisian letak objek yang terdeteksi maka ditambahkan suatu fungsi yang akan membandingkan apakah jumlah dan density pixel yang didapatkan lebih besar dari pada hasil yang didapatkan
sebelumnya. Dengan menambahkan fungsi ini kamera hanya akan menyimpan data letak benda dengan jumlah dan kerapatan pixel yang tertinggi saja yaitu pada titik tengah benda. Fungsi diatas perlu ditambahkan sebab objek yang akan dikenali berdasarkan warna berukuran cukup besar yaitu 300 mm untuk furniture dan 150 mm untuk bayi. Algoritma dari sistem ini dapat dilihat dalam gambar 3.5.
Algoritma sistem object follower berbeda dengan algoritma sistem scanning, pada metoda ini kamera akan bersifat pasif sebelum objek terdeteksi (turret kamera dalam keadaan diam) namun setelah terdapat suatu objek dengan warna tertentu terdeteksi kamera akan mulai aktif bergerak dengan berusaha menyesuaikan agar titik pusat massa dari objek berada di tengah frame yang ditangkap. Algoritma ini dapat dilihat pada gambar 3.6.
3.3.5.2 Algoritma Pengenalan Objek dengan Jaringan Sistem Saraf Tiruan Algoritma yang kedua adalah algoritma pengenalan objek dengan saraf tiruan, metoda ini digunakan untuk melakukan pengenalan objek berdasarkan bentuk. Algoritma ini merupakan bagian yang penting dari sistem keseluruhan karena dengan penggunaannya robot dapat membedakan suatu objek berwarna yang dideteksinya berupa objek furniture atau bayi bukan suatu kerta wallpaper yang ditempel pada disetiap sisi dinding dari labirin. Algoritma ini membutuhkan input berupa citra digital yang diambil dari algoritma sistem deteksi warna yang berupa konfigurasi pixel–pixel penyusun citra. Tiap nilai pixel akan digunakan sebagai masukan bagi sistem jaringan saraf tiruan, yang kemudian akan diolah dengan menggunakan bobot–bobot yang terlebih dahulu didapatkan dari hasil pelatihan yang dilakukan. Pada algoritma ini citra yang digunakan beruapa citra digital dengan skala keabuan, untuk itu setelah nilai tiap pixel didapatakan maka akan dijalankan sebuah fungsi untuk mengubah citra berwarna tersebuh menjadi citra grayscale. Hasil keluaran dari algoritma ini adalah susunan nilai tertentu yang akan menentukan apakah objek yang terdetksi adalah furniture, bayi, atau bukan keduanya. Algoritma sistem Jaringan Saraf Tiruan dapat dilihat pada gambar 3.7.
3.3.5.3 Algoritma Pengambilan Data Bagi Jaringan Saraf Tiruan
Algoritma yang terakahir adalah algoritma pengambilan data bagi jaringan saraf tiruan. Penggunaan metoda ini adalah untuk menyediakan data pelatihan bagi jaringan saraf tiruan agar nilai bobot–bobot yang dihasilkan dapat digunakan untuk mendeteksi benda. Algoritma ini merupakan algoritma yang berdiri sendiri, hal ini dikarenakan pelatihan jaringan saraf tiruan tidak dilakukan secara on-line melainkan secara off-line dengan menggunakan bantuan komputer PC. Pelatihan harus dilakukan secara off – line agar waktu ekseskusi program dapat dipersingkat.
Awalnya algoritma ini akan mendeteksi warna citra yang berada di depan kamera, bila warna yang terdeteksi bukan warna dengan spesifikasi yang dibutuhkan oleh sistem maka kamera akan terus melakukan pencarian. Namun bila terdeteksi warna dengan spesifikasi yang tepat maka kamera akan memimta persetujuan pada operator untuk menyimpan data pixel dari citra yang dideteksi. Algorimta pengambilan data bagi jaringan saraf tiruan dapat dilihat pada gambar 3.8.
START INPUT = 1 ? TRACK COLOR COLOR = YELLOW ? COLOR = BLUE ? YELLOW = 1 BLUE = 1 PROCESS IMAGE TO NEURAL NETWORK DOLL ? FURNITURE OUTPUT = 01 OUTPUT = 10 OUTPUT = 11 STOP START Y Y N Y N N Y N Y N
START SET CAMERA TO MIDDLE MOVE CAMERA TO RIGHT AND UP MOST POSITION TRACK COLOR YELLOW DETECTED ? FURNITURE = 1 SAVE FURNITURE POSITION BLUE DETECTED ? DOLL = 1 VERTICAL POSITION OF CAMERA = MAX ? HORIZONTAL POSITION OF CAMERA = MAX ? VERTICAL POSITION += 37 HORIZONTAL POSITION +=35 SET CAMERA TO MIDDLE FURNITURE = 1 ? SET CAMERA TO FURNITURE POSITION DOLL = 1 ? SET CAMERA TO DOLL POSITION NEURAL NETWORK PROCESS STOP N Y Y N SAVE DOLL POSITION N Y Y N Y Y N N
START TRACK COLOR YELLOW DETECTED ? FURNITURE = 1 BLUE DETECTED ? DOLL = 1 CENTROID X FURNITURE = Xmid ? MOVE CAMERA RIGHT/ LEFT CENTROID Y FURNITURE = Ymid ? MOVE CAMERA UP /DOWN CENTROID X DOLL = Xmid ? MOVE CAMERA RIGHT/ LEFT CENTROID Y DOLL = Ymid ? MOVE CAMERA UP /DOWN NEURAL NETWORK PROCESS NEURAL NETWORK PROCESS STOP Y N Y N N Y N Y N Y N Y
START GRAB IMAGE CONVERT TO GRAYSCALE GRAB PIXELS VALUE FEED -FORWARD NEURAL NETWORK PROCESS OUTPUT = DOLL ? OUTPUT = FURNITURE ? OUTPUT = 01 OUTPUT = 10 OUTPUT = 11 STOP N Y Y N
START TRACK COLOR YELLOW DETECTED ? BLUE DETECTED ? GRAB IMAGE ? SAVE IMAGE Y N Y N Y N
