mendeteksi bentuk dan warna bola pada robot

MENDETEKSI BENTUK DAN WARNA BOLA PADA ROBOT HUMANOID SOCCER
DENGAN MENGGUNAKAN RASPBERRY PI
M. Irwan Bustami, Agus Siswanto, Irawan, Afrizal Nehemia Toscany, M. Fajri Ramdhani, Chindra Saputra
Sistem Komputer, Sistem Informasi, Teknik Informatika, Sistem Informasi, Teknik Informatika, Sistem Komputer
STIKOM DINAMIKA BANGSA JAMBI
Jl. Jend. Sudirman Thehok – Kota Jambi 36138
Telp. (0741) 35095 Faks. (0741) 35093 Email : [email protected]
Abstract – The robot is defined as a system which
consists of hardware and software that can perform
certain tasks from humans need accuracy and high
risk. In a football game, a humanoid robot is expected
to detect the ball and runs towards the ball. With
Raspberry pi, we can detect the shape and color of the
ball to support the humanoid robot soccer.
Keywords : Robot, Humanoid, Raspberry Pi
1.
PENDAHULUAN
Teknologi komputer, terutama robotika dimasa
sekarang sudah menjadi bagian penting dalam
kehidupan manusia. Dengan adanya teknologi robot
pada saat ini dapat meringankan pekerjaan manusia.
Dimana pekerjaan yang beresiko tinggi yang tidak
terjangkau oleh manusia sudah dapat digantikan
dengan robot. Robot dapat melakukan tugasnya
dengan cara pengawasan (kontrol manusia) atau
otomatis yang diprogram terlebih dahulu (kecerdasan
buatan) [2].
Robot yang sedang popular dalam beberapa
dekade ini yaitu robot sepak bola. Karena
pertandingan robot sepak bola sudah dikompetisikan
baik dari dalam negeri maupun luar negeri. Dimana
peserta yang mengikuti pertandingan ini setiap tahun
semakin meningkat. Dan setiap tahunnya peraturan
pada pertandingan memiliki tingkat kesulitan yang
berbeda-beda. Pada tahun 2013 rule KRSBI untuk
warna pada gawang memiliki warna yang berbeda
yaitu kuning dan biru muda, sedangkan pada tahun
2014 warna gawang menjadi sama yaitu warna
kuning. Dengan demikian untuk menentukan arah
hadap suatu tim robot tidak bedasarkan warna gawang
tapi bedasarkan pemain lawan yang menggunakan
warna seragam yang berbeda.
Raspberry Pi adalah sebuah SBC (Single Board
Computer) seukuran kartu kredit yang dikembangkan
oleh Yayasan Raspberry Pi di Inggris (UK) dengan
maksud untuk memicu pengajaran ilmu komputer
dasar di sekolah-sekolah. Raspberry Pi diluncurkan
pertama kali pada 29 Februari 2012.
Dalam Kontes Robot Sepak Bola Indonesia
(KRSBI) robot dituntut untuk bisa membedakan
antara bola dengan bentuk objek lainnya. Dalam hal
ini pemakalah menggunakan raspberry pi sebagai alat
penghubung kamera untuk mendeteksi bentuk dan
warna bola pada robot humanoid soccer.
2. METODE
GREYSCALE Grayscale didefinisikan sebagai Citra
grayscale yang merupakan citra digital yang hanya
memiliki satu nilai kanal pada setiap pixelnya, dengan
kata lain nilai bagian RED=GREEN=BLUE [5]. Nilai
tersebut digunakan untuk menunjukkan tingkat
intensitas [1]. Warna yang dimiliki adalah warna dari
hitam, keabuan dan putih. Tingkat keabuan disini
merupakan warna abu dengan berbagai tingkatan dari
hitam hingga mendekati putih. Citra grayscale
memiliki kedalaman warna 8 bit (256 kombinasi
warna keabuan).
Gambar 1. Grayscale
THERESHOLDING Theresholding merupakan
proses pengembangan untuk menghasilkan citra biner,
yaitu citra yang memiliki dua nilai tingkat keabuan
yaitu hitam dan putih [1]. Secara umum proses
pengambangan citra grayscale untuk menghasilkan
citra biner adalah sebagai berikut.
1 𝑖𝑓 𝑓(𝑥, 𝑦) ≥ 𝑇
G(x,y) = {
} ......................(1)
0 𝑖𝑓 𝑓(𝑥, 𝑦) < 𝑇
Dimana :
G(x,y) = citra biner
f(x,y)
= citra grayscale
T
= nilai ambang
Nilai T memegang peranan yang sangat penting dalam
proses pengambangan. Kualitas hasil citra biner
sangat tergantung pada nilai T yang digunakan.
HSV HSV (Hue Saturation Value) dalam model
warna RGB (Red Green Blue) tidak hanya mewakili
warna tetapi juga intensitas cahaya. Model warna
HSV transformasi non-linear dari ruang lingkup
warna RGB berorientasi pada pengguna dan
didasarkan pada pengertian tint, shade dan tone. Ini
memiliki nilai-nilai independen untuk Hue,
Saturation, dan Value, masing-masing sesuai untuk
panjang gelombang, eksitasi, dan kecerahan [3].
Gambar 2. Sistem Koordinat HSV
Pada gambar 1 menunjukkan sistem koordinat H
SV sebagai hexacone. Dasar hexacone berwarnahitam
dengan HSV = (0, 0, 0). Kebanyakan warna gambar
dicatat
sebagai
(R,
G,
B).
Warna didefinisikan oleh (R, G, B) di mana R, G, dan
B dinormalisasi dari 0.0 sampai dengan 1.0,dan setara
dengan warna (H, S, V) yang ditentukan oleh suatu set
formula. MAX merupakan nilai maksimum dari (R, G
, B), dan MIN merupakan nilai minimum dari model t
ersebut.
dalam membuat aplikasi yang berkaitan dengan
computer vision. OpenCV juga menyediakan
banyak fungsionalitas, yang tentunya dapat
mempersingkat waktu dalam pembuatan
aplikasi yang lumayan rumit [4].
3. DISKUSI
Raspberry pi yang digunakan dalam penelitian ini
adalah Raspberry pi Tipe B dengan spefikasi sebagai
berikut :
 Processor
: 700 MHz ARM1176JZF-S core
 GPU
: Broadcom VideoCore IV @ 250
MHz
 RAM
: 512 MB
 USB
: 2 (via the built in integrated 3-port
USB hub)
 Berat
: 45 g
 Ukuran
: 85.60 mm × 56 mm
Dalam
melakukan
pendeteksian
objek
menggunakan raspberry pi dibutuhkan beberapa
perangkat lunak pendukung yang perlu ditanam
kedalam raspberry pi, diantaranya sebagai berikut :
 Install OS Wheezy Raspbian
 Update dan Upgrade Package
 Install Open CV
Install OS Wheezy Raspbian raspberry pi adalah
sebuah sistem komputer mini. Dimana sebuah sistem
komputer perlu ditanamkan sebuah sistem operasi
untuk memanjemen perangkat keras yang ada pada
raspberry pi. Ada beberapa sistem operasi yang bisa
digunakan pada raspberry pi, dimana pengguna dapat
memilih sistem operasi sesuai dengan kebutuhan
pengguna. Disini penulis sendiri menggunakan sistem
operasi Wheezy Raspbian karena sistem operasi
tersebut sangat direkomendasikan untuk yang baru
menggunakan raspbery pi, dengan tujuan untuk
mempermudah pengguna dalam mengenal kinerja dari
raspberry pi.
Instalasi sistem operasi Wheezy Raspbian
membutuhkan software pendukung yaitu win32 Disk
Imager yang dapat diunduh di situs resmi raspberry
pi. Tampilan dari win32 Disk Imager dapat dilihat
pada gambar 3.
Di mana H bervariasi dari 0 sampai dengan 360,
yang menunjukkan sudut dalam derajat, S dan V berv
ariasi dari 0.0 sampai dengan 1.0.
OPENCV OpenCV (Open Computer Vision)
merupakan semacam library yang digunakan
Gambar 3. Interface Win32 Disk Imager
Update dan Upgrade Package update dan upgrade
ini dilakukan setelah instalasi sistem operasi Wheezy
Raspbian. untuk melakukan update dan upgrade
sistem maka dibutuhkan koneksi internet. Untuk
melakukan update dan upgrade package dapat
mengetikan perintah berikut pada terminal :
Hasil dari pengolahan citra digital untuk mendeteksi
bentuk dan warna bola dapat dilihat pada gambar 5.
Sudo apt-get update <enter>
Sudo apt-get upgrade <enter>
Install Open CV open cv merupakan komponen
pendukung yang dibutuhkan dalam pendeteksian
objek. Open CV adalah sebuah perangkat lunak yang
bersifat open source yang diciptakan guna
mendukung pengolahan citra digital. Dimana library
pada Open CV ditulis menggunakan bahasa C/C++,
sehingga melakukan kinerja dalam satu waktu.
Dalam proses pendeteksian objek yaitu berupa
bola berwarana orange perlu dirancang sebuah
algoritma dalam melakukan pengolahan citra digital.
Berikut algoritma yang digunakan pada pengolahan
citra digital. Lihat pada gambar 4.
Mulai
Grey = create_image()
Hsv_frame = create_image()
theresholded = create_image()
Mengambil
Gambar
Dari
Kamera
Hsv_frame =
konversi gambar
RGB ke HSV
Gambar 5. Hasil Deteksi Bola
4. HASIL
Pada tulisan ini telah dibahas mengenai
pendeteksian bola berdasarkan bentuk dan warna dari
bola. Dari penelitian ini menghasilkan kesimpulan
bahwa penggunaan raspberry pi dalam mendeteksi
bola lebih akurat, karena pengolahan citra dilakukan
berdasarkan 2 (dua) parameter, yaitu warna dan
bentuk bola.
5. DAFTAR PUSTAKA
Theresholded =
seleksi warna
orang pada
hsv_frame
[1] Darma Putra, Pengolahan
Yogyakarta : ANDI. 2010.
Citra Digital,
Smoothing
Theresholded
[2] Endra Pituarno, Robotika desain, Control,
dan Kecerdasan Buatan, Yogyakarta : Andi,
2006.
Mengecilkan
Ukuran Gambar
Theresholded
Mendeteksi bentuk
bulat pada gambar
theresholded
Bulat = 1
Lingkari Bola
Tampilkan
Gambar
Selesai
Gambar 4. Algoritma Deteksi Bentuk Dan Warna
Bola
[3] Jati Sasongko Wibowo, Deteksi dan
Klarifikasi Citra Berdasarkan Warna Kulit
Menggunakan HSV, Jurnal Teknologi
Informasi DINAMIK Volume 16, No. 2,
2011.
[4] Mahisa Ajy Kusuma, Membuat Aplikasi
Pengolahan Citra Dengan OpenCV. 2013.