Fakultas Ilmu Komputer
Universitas Brawijaya
2965
Sistem Ar Drone Pengikut Garis Menggunakan Algoritma Progressive
Probabilistic Hough Transform
Achmad Baichuni Zain1, Gembong Edhi Setyawan2, Hurriyatul Fitriyah3 Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya
Email: 1[email protected], 2[email protected], 3[email protected] Abstrak
Quadcopter merupakan UAV yang memiliki empat buah baling-baling motor yang digunakan sebagai
penggeraknya. Untuk menerbangkannya dapat dikontrol menggunakan smartphone atau remote control tetapi dengan keahlian khusus. Berdasarkan permasalahan tersebut maka perlu dikembangkan agar
quadcopter bergerak otomatis mengikuti suatu objek. Sistem yang dibuat pada penelitian ini quadcopter
akan mendeteksi dan mengikuti sebuah garis berwarna hitam secara otomatis. Sehingga pada penelitian ini menggunakan pengolahan citra digital. Dalam pengolahan citra digital menggunakan canny detection dan progressive probabilistic hough transform. Quadcopter yang digunakan dalam penelitian ini adalah Parrot Ar.Drone 2.0. Dari hasil pengujian yang telah dilakukan diperoleh nilai HSV dari masing-masing parameter yaitu Hue dengan nilai minimal = 0 dan nilai maksimal = 180, Saturation dengan nilai minimal = 0 dan nilai maksimal = 255, dan Value dengan nilai minimal = 0 dan nilai maksimal = 10. Sedangkan ukuran frame yang digunakan untuk mendeteksi adalah 330*240 pixel. Untuk presentase ketepatan gerakan yang berhasil dilakukan quadcopter saat mengikuti garis secara otomatis sebesar 100%. Untuk delay yang dihasilkan sistem ini pada saat garis terdeteksi sampai quadcopter bergerak mengikuti garis adalah sebesar 0,22 detik. Sedangkan untuk pengujian ketinggian didapatkan hasil bahwa ketinggian minimal yang bisa terdeteksi adalah 80 cm dan ketinggian maksimal adalah 230 cm.
Kata kunci: Garis, Pengolahan Citra, Hough Transform, Quadcopter
Abstract
Quadcopter is UAV which has four motorcycle propellers used to move it. We can control quadcopter with smartphone or remote control while it is flying, but with a particular skill. Based on the issues, quadcopter should be developed in order to move and follow an object automatically. Quadcopter will detect and follow a black line directly. In this research, we use digital image processing that use canny detection and progressive probabilistic hough transform. Parrot AR Drone 2.0 is used in this research of quadcopter. Based on the result of research, it obtains the point of HSV from each parameter that is Hue with minimum point = 0 and maximum point = 180, Saturation with minimum point = 0 and maximum point = 255, and Value with minimum point = 0 and maximum point = 10. While the measure of frame used for detecting is 330*240 pixel and the percentage of precision of motion is 100 %. The system produces a delay that follows the line in the detected line to quadcopter and the point is 0,22 second. While altitude testing obtain the result that minimum high can be detected is 80 cm and maximum high is 230 cm.
Keywords: Line, Image Processing, Hough Transform, Quadcopter
1. PENDAHULUAN
Pada beberapa tahun belakangan
quadcopter atau lebih dikenal dengan sebutan drone mulai digemari di Indonesia. Biasanya
digunakan untuk hiburan atau digunakan oleh beberapa instansi atau lembaga untuk berbagai acara yang membutuhkan quadcopter.
Untuk dapat menerbangkan quadcopter sesuai keinginan dari pengguna dapat menggunakan remote control yang menggunakan transmisi gelombang radio atau
Wi-Fi. Selain menggunakan remote control, quadcopter juga bisa dikendalikan menggunakan smartphone atau joystick. Namun untuk mengendalikannya perlu proses belajar
yang relatif lama serta keahlian khusus.
Dengan permasalahan tersebut dapat dikembangkan dengan menerbangkan
quadcopter secara otomatis mengikuti sebuah
objek menggunakan pengolahan citra. Pengolahan citra digital dapat digunakan sebagai navigasi pada quadcopter dalam mengikuti sebuah objek. Dengan menggunakan pengolahan citra nantinya quadcopter akan berjalan secara otomatis mengikuti objek yang dideteksi. Dengan berjalan secara otomatis diharapkan pengguna dapat mengendalikan quadcopter tanpa perlu menggunakan smartphone atau yang lainnya.
Pada penelitian ini dilakukan implementasi pengolahan citra pada kamera quadcopter. Untuk quadcopter yang digunakan adalah
Parrot AR.Drone. Pemilihan parrot AR.Drone
dikarenakan quadcopter jenis ini merupakan salah satu quadcopter yang telah memiliki built
in camera sehingga tidak diperlukan kamera
tambahan. Selain itu quadcopter ini bersifat
open source sehingga pengambilan datanya
menjadi lebih cepat. Untuk pengolahan citra menggunakan algoritme progressive probabilistic hough transform. Sebelum diolah
dengan algoritme tersebut awalnya garis akan dideteksi menggunakan dengan model warna
HSV, setelah itu mendeteksi tepi dengan canny edge detection.
Penelitian menggenai quadcopter
menggunakan pengolahan citra digital juga pernah dilakukan oleh Boudjit (2015) yang membahas mengenai deteksi dan implementasi autonomi pelacakan target dengan quadcopter. Penelitian ini berhasil membuat quadcopter mengikuti sebuah garis lurus yang telah di buat sebelumnya dengan memanfaatkan citra digital. Penelitian tersebut hanya mengikuti garis lurus saja tidak ada garis yang berbelok. Penelitian lain yang juga menjadi dasar penelitian ini yang berkaitan dengan deteksi garis yang dilakukan oleh Brandao (2015). Pada penelitian tersebut
quadcopter mengikuti sungai yang di jadikan
sebagai garis lurus. Algoritme yang digunakan mampu menentukan posisi dan perbatasan dari saluran air. Algoritme yang digunakan juga bergantung pada kontras dari objek untuk mendeteksi garis. Adanya bayangan juga mempengaruhi kinerja dari algortime. Selama percobaan yang dilakukan bayangan batang pohon akan memiliki pengaruh penting saat terlihat dalam kamera. Berdasarkan kedua penelitian tersebut maka penelitian ini akan menggunakan garis dengan warna hitam yang
nantinya dideteksi. Kemudian garis yang digunakan adalah garis lurus dan garis berbelok.
2. PERGERAKAN QUADCOPTER
Menurut Kusuma, Effendi, dan Iskandar (2012) quadcopter memiliki empat buah motor yang berbentuk menyilang. Dengan terdapatnya motor yang memiliki baling-baling pada masing-masing ujung kerangka akan membuat aliran udara yang menghasilkan tekanan ke arah bawah sehingga timbul gaya angkat pada quadcopter.
Quadcopter memiliki empat pergerakan yaitu roll (gerakan ke kiri dan kanan searah sumbu y), pitch (gerakan ke depan dan belakang searah
sumbu x), gaz (gerakan ke atas dan bawah searah sumbu z), serta yaw (gerakan berputar ke kiri dan kanan yang berotasi pada sumbu z ). Untuk pergerakan secara detailnya bisa dilihat pada Gambar 1.
Gambar 1. Koordinat pada quadcopter
3. PERANCANGAN DAN
IMPLEMENTASI
Untuk tahap perancangan dan implementasi pada penelitian ini dibagi menjadi tiga tahapan secara beruntun yaitu komunikasi sistem, deteksi garis, dan pergerakan quadcopter.
Gambar 2. Tahapan Perancangan dan Implementasi Sistem
Fakultas Ilmu Komputer, Universitas Brawijaya
3.1. Komunikasi Sistem
Alur komunikasi pada sistem ini diperlihatkan pada Gambar 3. Pertama pengguna akan melakukan konfigurasi ke komputer seperti menjalankan program. Kemudian komputer dan
quadcopter akan dihubungkan menggunakan
komunikasi Wi-Fi. Setelah komputer dan
quadcopter terhubung, quadcopter akan mengirimkan data navigasi berupa data kamera. Setelah data dikirim ke komputer kemudian pengguna bisa melihat data kamera dari
quadcopter. Langkah selanjutnya pengguna
melakukan perintah takeoff untuk menerbangkan
quadcopter. Setelah quadcopter terbang akan
membaca garis. Kemudian quadcopter akan mengirimkan data navigasi berupa data kamera, ketinggian, dan kecepatan. Setelah data dikirim pengguna bisa melihat data dari quadcopter dan bisa melihat quadcopter terbang mengikuti garis.
Gambar 3. Alur komunikasi pada sistem
3.2. Deteksi Garis
Untuk perancangan dan implementasi deteksi garis diperlukan data kamera dari
quadcopter sebagai input. Setelah mendapatkan
data kamera kemudian akan dilakukan beberapa proses. Untuk proses yang dilakukan bisa dilihat pada Gambar 4.
Seperti pada Gambar 4 setelah mendapatkan data kamera dari quadcopter akan dilakukan proses mendeteksi tepi dari garis. Untuk mendeteksi tepi menggunakan canny
edge detection. Kemudian setelah mendapatkan
tepi garis akan dilakukan proses selanjutnya yaitu menghilangkan noise dari tepi yang sudah terdeteksi. Untuk menghilangkan noise ini menggunakan progressive probabilistic hough
transform. Setelah dilakukan pendeteksian tepi
akan dihasilkan garis yang nantinya akan digunakan.
Gambar 4. Alur pendeteksian garis
Langkah selanjutnya dilakukan perubahan warna pixel dari RGB ke HSV dikarenakan garis yang terdeteksi pada warna RGB masih terdapat
noise sehingga harus diubah ke warna HSV.
Warna yang digunakan untuk mendeteksi garis adalah warna hitam. Untuk warna hitam menggunakan nilai HSV pada masing-masing parameter yaitu Hue dengan nilai minimal = 0 dan nilai maksimal = 180, Saturation dengan nilai minimal = 0 dan nilai maksimal = 255, dan
Value dengan nilai minimal = 0 dan nilai
maksimal = 10. Setelah itu dilakukan pembacaan garis berdasarkan koordinat garis berada. Setelah semua proses selesai dilakukan maka hasil yang didapatkan akan ditampilkan dalam sebuah frame. Ukuran frame yang digunakan adalah 330*240 pixel. Ukuran ini paling pas digunakan karena proses yang dilakukan dalam mendeteksi garis cukup cepat dan garis terdeteksi secara penuh. Dengan menggunakan ukuran frame 330*240 pixel dapat mempermudah dalam proses mendeteki garis dikarenakan frame akan dibagi lagi menjadi beberapa bagian. Dalam pembagian frame menggunakan Persamaan 1 untuk pembagian pada sumbu x dan Persamaan 2 untuk pembagian pada sumbu y.
𝑝𝑒𝑚𝑏𝑎𝑔𝑖𝑎𝑛 𝑠𝑢𝑚𝑏𝑢 𝑥 =𝑠𝑢𝑚𝑏𝑢 𝑥
𝑝𝑒𝑚𝑏𝑎𝑔𝑖𝑎𝑛 𝑠𝑢𝑚𝑏𝑢 𝑦 =𝑠𝑢𝑚𝑏𝑢 𝑦
2 (2)
Berdasarkan Persamaan 1 pada sumbu x akan dibagi menjadi 3 bagian, masing-masing bagian mempunyai ukuran 110 pixel. Sedangkan berdasarkan Persamaan 2 pada sumbu y akan dibagi menjadi 2 bagian, masing-masing bagian mempunyai ukuran 120 pixel. Sehingga pada sumbu x dibagi dengan range 0-110 (C), range 110-220 (D), dan range 220-330 (E). Sedangkan pada sumbu y dibagi dengan range 0-120 (B) dan range 120-240 (A). Untuk pembagian lebih jelaskan bisa dilihat pada Gambar 5.
Gambar 5. Area pendeteksian
3.3. Pergerakan Quadcopter
Dalam perancangan dan implementasi pergerakan dari quadcopter dilakukan pembacaan garis berdasarkan koordinat yang didapatkan dari area pendeteksian garis. Untuk lebih jelasnya letak dari pergerakan quadcopter bisa dilihat pada Gambar 6.
Quadcopter akan bergerak maju ketika garis yang terdeteksi berada pada bagian A dengan sumbu x koordinat 110-220 dan sumbu y dengan koordinat 120-240. Sedangkan bagian B dengan sumbu x pada koordinat 110-220 dan sumbu y dengan koordinat 0-120. Untuk lebih jelasnya bisa dilihat pada Gambar 6 (a).
Quadcopter akan bergeser ke kiri ketika garis yang terdeteksi berada pada bagian A dengan sumbu x koordinat 0-110 dan sumbu y dengan koordinat 120-240. Sedangkan bagian B dengan sumbu x pada koordinat 0-110 dan sumbu y dengan koordinat 0-120. Untuk lebih jelasnya bisa dilihat pada Gambar 6 (b).
Quadcopter akan bergeser ke kanan ketika garis yang terdeteksi berada pada bagian A dengan sumbu x koordinat 220-320 dan sumbu y dengan koordinat 120-240. Sedangkan bagian B dengan sumbu x pada koordinat 220-320 dan
sumbu y dengan koordinat 0-120. Untuk lebih jelasnya bisa dilihat pada Gambar 6 (c).
Gambar 6. Area pendeteksian gerakan quadcopter
Quadcopter akan berputar ke kiri ketika garis yang terdeteksi berada pada bagian A dengan sumbu x koordinat 0-110 dan sumbu y dengan koordinat 120-240. Sedangkan bagian B dengan sumbu x pada koordinat 110-220 dan sumbu y dengan koordinat 0-120. Untuk lebih jelasnya bisa dilihat pada Gambar 6 (d).
Quadcopter akan berputar ke kanan ketika garis yang terdeteksi berada pada bagian A dengan sumbu x koordinat 220-320 dan sumbu y dengan koordinat 120-240. Sedangkan bagian B dengan sumbu x pada koordinat 110-220 dan sumbu y dengan koordinat 0-120. Untuk lebih jelasnya bisa dilihat pada Gambar 6 (e).
Quadcopter akan hover atau tidak bergerak ketika tidak ada garis yang terdeteksi baik itu pada bagian A maupun bagian B. Untuk lebih jelasnya bisa dilihat pada Gambar 6 (f).
4. PENGUJIAN DAN HASIL
Untuk menguji performa dan akurasi dari sistem ini, maka akan dilakukan 5 jenis pengujian yaitu pengujian nilai HSV, pengujian ukuran frame, pengujian ketepatan deteksi garis dengan beragam kecepatan, pengujian waktu sistem (delay), dan pengujian ketinggian. 4.1. Hasil Pengujian Nilai HSV
Pengujian nilai HSV dilakukan untuk mendapatkan nilai HSV dari warna hitam yang paling akurat untuk digunakan mendeteksi garis.
Fakultas Ilmu Komputer, Universitas Brawijaya
Untuk melakukan pengujian ini dengan menggunakan kamera dari quadcopter tanpa menerbangkan quadcopter-nya. Dengan merubah nilai-nilai HSV akan terlihat garis sudah terdeteksi atau belum.
Tabel 1. Hasil pengujian nilai HSV
No
Nilai Hue Nilai
Saturation Nilai Value Ketera ngan M in Ma x M in Max M in M ax 1 0 10 0 10 0 1 TD 2 0 20 0 30 0 3 TD 3 0 30 0 50 0 4 TD 4 0 50 0 100 0 5 TD 5 0 100 0 150 0 6 TD 6 0 150 0 180 0 7 T 50% 7 0 170 0 200 0 8 T 80% 8 0 180 0 255 0 10 T 100% 9 0 200 0 255 0 12 TD 10 0 255 0 255 0 15 TD
Berdasarkan hasil pengujian yang dilakukan sebanyak 10 kali dengan nilai HSV yang berbeda-beda seperti yang terlihat pada Tabel 1 dengan keterangan TD adalah tidak terdeteksi sedangkan T adalah terdeteksi. Didapatkan hasil bahwa nilai yang bisa mendeteksi dengan akurat yaitu parameter Hue dengan nilai minimal = 0 dan nilai maksimal = 180, parameter Saturation dengan nilai minimal = 0 dan nilai maksimal = 255, dan parameter
Value dengan nilai minimal = 0 dan nilai
maksimal = 10.
4.2. Hasil Pengujian Ukuran Frame
Pengujian ukuran frame digunakan untuk mengetahui ukuran dari frame yang akan digunakan mendeteksi garis.
Untuk melakukan pengujian ini dengan menerbangkan quadcopter. Diuji dengan beberapa ukuran frame yang berbeda-beda sehingga akan didapatkan ukuran yang paling sesuai untuk mendeteksi garis.
Gambar 7. Hasil pengujian ukuran frame
Setelah melakukan pengujian mendeteksi garis dengan ukuran frame yang berbeda-beda seperti pada Gambar 7, didapatkan hasil bahwa ukuran yang paling sesuai digunakan untuk mendeteksi garis adalah ukuran 330*240 pixel seperti pada Gambar 7 (b). Ukuran ini bisa mendeteksi secara akurat dan proses yang dilakukan juga cepat. Sedangkan untuk ukuran 600*300 pixel seperti pada Gambar 7 (a) terlalu besar sehingga proses untuk mendeteksi garis cukup lama dan ukuran 200*150 pixel seperti pada Gambar 7 (c) terlalu kecil sehingga proses untuk mendeteksi garis terlalu cepat dan garis yang terdeteksi tidak menyeluruh.
4.3. Hasil Pengujian Ketepatan Deteksi Garis Dengan Beragam Kecepatan
Pengujian ini dilakukan untuk mengetahui
quadcopter sudah berjalan sesuai dengan garis
yang terdeteksi dengan kecepatan yang berdeda-beda. Pada pengujian gerak maju, quadcopter akan bergerak maju ketika garis yang terdeteksi berada di frame yang tengah seperti pada Gambar 8 (a).
Pada pengujian geser kiri, quadcopter akan bergeser ke kiri ketika garis yang terdeteksi berada di frame yang kiri seperti pada Gambar 8 (b).
Pada pengujian geser kanan, quadcopter akan bergeser ke kanan ketika garis yang terdeteksi berada di frame yang kanan seperti pada Gambar 8 (c).
Gambar 8. Gerakan quadcopter
Pada pengujian berputar ke kiri, quadcopter akan berputar ke kiri ketika garis yang terdeteksi berada di antara frame yang tengah dan kiri seperti pada Gambar 8 (d).
Pada pengujian berputar ke kanan,
quadcopter akan berputar ke kanan ketika garis
yang terdeteksi berada di antara frame yang tengah dan kanan seperti pada Gambar 8 (e).
Pada pengujian hover, quadcopter akan
hover ketika tidak ada garis yang terdeteksi
seperti pada Gambar 8 (f).
Tabel 2 Hasil pengujian ketepatan gerakan
Gerakan Kecepatan (m/s) 0,6 0,9 1,2 1,5 1,8 Gerak maju 100% 100% 100% 100% 100% Geser kiri 100% 100% 100% 100% 100% Geser kanan 100% 100% 100% 100% 100% Berputar ke kiri 100% 0% 0% 0% 0% Berputar ke kanan 100% 0% 0% 0% 0% Hover 100% 100% 100% 100% 100%
Dari pengujian yang telah dilakukan didapatkan hasil seperti pada Tabel 2.
Quadcopter berhasil bergerak mengikuti semua
gerakan berdasarkan garis yang terdeteksi pada kecepatan 0,6 m/s. Sedangkan pada kecepatan 0,9 m/s, 1,2 m/s, 1,5 m/s, dan 1,8 m/s tidak berhasil melakukan gerakan berputar ke kiri dan berputar ke kanan karena quadcopter bergerak cepat sehingga melewati garis yang telah dibuat. 4.4. Hasil Pengujian Delay Sistem
Pengujian ini dilakukan untuk mengetahui seberapa baik performa dari sistem pendeteksi garis yang telah dibuat dengan melihat seberapa besar delay yang terjadi saat garis terdeteksi sampai quadcopter bergerak mengikuti garis. Untuk mengetahui waktu delay tersebut dengan akurat, maka dilakukan dengan melihat selisih waktu antara quadcopter dalam keadaan stabil dengan saat sudah mulai berjalan. Untuk mengetahui selisih waktu yang akurat, maka akan dilakukan perekaman navdata dengan menggunakan rqt plot.
Tabel 3 Hasil pengujian delay sistem
Gerakan
Hasil Delay (detik) Pengujian ke- Rata-rata (detik) 1 2 3 4 5 Gerak maju 0,1 0,17 0,30 0,34 0,07 0,19 Geser kiri 0,11 0,22 0,64 0,61 0,51 0,41 Geser Kanan 0,05 0,18 0,19 0,21 0,31 0,18 Berputar ke kiri 0,13 0,18 0,08 0,20 0,16 0,15 Berputar ke kanan 0,09 0,05 0,14 0,06 0,18 0,21
Total delay sistem 0,22
Setelah melakukan pengujian terhadap
delay sistem pada setiap gerakan sebanyak 5
kali, didapat hasil delay seperti pada Tabel 3. Besar dari delay sistem ini diperoleh dari menghitung selisih waktu pada saat quadcopter dalam keadaan hover sampai quadcopter mulai bergerak. Perhitungan delay total didapat dari nilai rata-rata pada keseluruhan percobaan yang telah dilakukan. Sehingga didapat delay pada sistem ini sebesar 0,22 detik.
4.5. Hasil Pengujian Ketinggian
Pengujian ini dilakukan untuk mengetahui seberapa rendah dan tinggi quadcopter bisa mendeteksi garis. Untuk melakukan pengujian ini dengan menerbangkan quadcopter dan mengatur ketinggian yang berbeda-beda.
Fakultas Ilmu Komputer, Universitas Brawijaya
Tabel 4 Hasil pengujian ketinggian
Ketinggian
Hasil Keberhasilan
Pengujian ke- Presentase
Keberhasilan 1 2 3 4 5 80 cm √ √ √ √ √ 100% 90 cm √ √ √ √ √ 100% 110 cm √ √ √ √ √ 100% 130 cm √ √ √ √ √ 100% 150 cm √ √ √ √ √ 100% 170 cm √ √ √ √ √ 100% 190 cm √ √ √ √ √ 100% 210 cm √ √ √ √ √ 100% 230 cm √ √ √ √ √ 100% 240 cm × × × × × 0% 250 cm × × × × × 0%
Setelah melakukan pengujian ketinggian dengan ketinggian yang berbeda-beda sebanyak lima kali pada setiap ketinggian, didapat hasil seperti Tabel 4. Tanda (√) merupakan tanda pengujian berhasil, sedangkan tanda (×) merupakan tanda pengujian tidak berhasil. Dari hasil tersebut quadcopter dapat bergerak mengikuti garis secara otomatis pada ketinggian lebih dari 80 cm sampai dengan kurang dari 230 cm. Sedangkan pada ketinggian 70 cm tidak bisa mengikuti garis dikarenakan quadcopter setelah
takeoff akan berada pada ketinggian 80 cm
secara default. Dan pada ketinggian 240 cm keatas juga tidak bisa mengikuti garis secara otomatis dikarenakan garis sudah semakin kecil sehingga sulit dideteksi oleh kamera quadcopter.
5. KESIMPULAN
Dari pengujian yang telah dilakukan terhadap sistem ini, maka diambil kesimpulan bahwa dalam pengujian nilai HSV didapatkan nilai dari masing-masing parameter yaitu parameter Hue dengan nilai minimal = 0 dan nilai maksimal = 180, parameter Saturation dengan nilai minimal = 0 dan nilai maksimal = 255, dan parameter Value dengan nilai minimal = 0 dan nilai maksimal = 10.
Sedangkan pengujian ukuran frame
didapatkan hasil bahwa ukuran yang paling sesuai digunakan untuk mendeteksi garis adalah ukuran 330*240 pixel. Setelah melakukan pengujian ketepatan gerakan dengan menggunakan kecepatan yang berbeda-beda, dihasilkan presentase ketepatan gerakan sebesar 100% pada kecepatan 0,6 m/s. Sedangkan pada kecepatan 0,9 m/s, 1,2 m/s, 1,5 m/s dan 1,8 m/s didapatkan presentase sebesar 60%. Sehingga
lebih akurat menggunakan kecepatan 0,6 m/s dalam mengikuti garis, semua gerakan dapat berjalan sesuai dengan program. Kemudian untuk pengujian delay sistem didapatkan delay sebesar 0,09 detik. Pengujian yang terakhir yaitu pengujian ketinggian. Dalam pengujian ini didapatkan hasil bahwa ketinggian minimal
quadcopter dapat mendeteksi dan mengikuti
garis lebih dari 80 cm. Sedangkan ketinggian maksimal untuk mendeteksi dan mengikuti garis kurang dari 230 cm.
DAFTAR PUSTAKA
Boudjit, K. & Larbes, C., 2015. Detection and Implementation Autonomous Target Tracking with a Quadrotor AR.Drone.
International Conference on Informatics in Control, Automation and Robotics (ICINCO), Volume 02, pp. 223-230.
Brandao, A. S., Martins, F. N. & Soneguetti, H. B., 2015. A Vision-based Line Following Strategy for an Autonomous UAV.
International Conference on Informatics in Control, Automation and Robotics (ICINCO), Volume 02, pp. 314-319.
Hadi, S. W., Setyawan, G. E. & Maulana, R., 2017. Sistem Kendali Navigasi Ar.Drone Quadcopter Dengan Prinsip Natural. Jurnal
Pengembangan Teknologi Informasi dan Ilmu Komputer (J-PTIIK), Volume 02, pp.
380-386.
Hellmund, A.-M., Wirges, S., Tas, O. S. & Bandera, C., 2016. Robot Operating System: A Modular Software Framework.
Research Center for Information Technology, pp. 1564-1570.
Winarno, E. (2011). Aplikasi Deteksi Tepi pada Realtime Video Menggunakan Algoritma Canny Detection. Teknologi Informasi
DINAMIK, 44-49.
