Post on 26-Jan-2016
description
MODUL DAN LEMBAR KEGIATAN
PRAKTIKUM TEKNIK ROBOTIKA
Oleh :
NAMA :………………………………………….
NIM :………………………………………….
LABORATORIUM ELEKTRONIKA DAN TERAPAN
FAKULTAS TEKNIK ELEKTRO STRATA 1
UNIVERSITAS JEMBER
2015
PENDAHULUAN
Robot adalah sebuah alat otomatis atau perangkat yang melakukan fungsi yang berasal
dari manusia, atau beroperasi mirip dengan kecerdasan manusia (webster’s dictonary). robot
tidak pernah lepas dari beberapa disiplin ilmu, misalnya mekanik, elektronika, sistem kontrol
dan software atau algoritma program. Robot memiliki beberapa komponen yang penting,
seperti sensor, mikrokontroler, dan aktuator. Gambar 1 menunjukkan contoh dari blok
komponen robot yang pada umumnya digunakan, pada blok tersebut terlihat memiliki satu
prosesor, ada beberapa sensor, diantaranya adalah sensor ultrasonik, sistem vision sebagai
indra penglihatan pada robot, sistem detektor rintangan, dan memiliki beberapa aktuator
berupa kaki, lengan, dan gripper. Praktikum difokuskan untuk melakukan percobaan
pembuatan pada blok sistem vision, prosesor, dan roda pada robot.
Gambar 1 Blok dasar dari robot, ada prosesor pusat
(otak), penggerak (motor), dan sensor (switch, sonar, dll).
1 Konversi Citra Digital
1.1 Landasan Teori
Warna adalah elemen dasar dari pengolahan citra digital, ada beberapa jenis ruang warna,
ruang warna RGB merupakan ruang warna yang biasa digunakan dalam pemrosesan gambar
citra, R, G, dan B merupakan besara komponen warna merah, hijau, dan biru, setiap warna
tersebut memiliki rentang nilai antara 0 sampai 255 desimal (pada citra berformat bitmap 24
bit). Ada beberapa model citra, diantaranya adalah model warna HSV, Grayscale, dan Biner.
Model warna hsv
HSV merupakan model warna yang efektif dapat mengurangi efek dari pentulan
cahaya oven dan pengaruh bayangan (zheng dkk, 2014). Konversi dari RGB ke HSV dapat
menggunakan Persamaan (1) sampai (3).
(1)
(2)
(3)
dimana max dan min adalah nilai maksimum dan minimum dari R, G, dan B, adalah
perbedaan antara max dan min.
Grayscaling
Sesuai dengan namanya citra ini menangani gradasi warna hitam putih, yang tentu saja
menghasilkan efek warna abu-abu. Pada jenis gambar ini, warna dinyatakan dalam intensitas
berkisar antara 0 sampai dengan 255, nillai 0 menyatakan warna hitam dan 255 menyatakan
warna putih. Untuk mengkonversi citra berwarna ke citra berskala keabuan menggunakan
Persamaan (4), proses grayscale biasanya digunakan sebagai awal untuk melakukan proses
segmentasi citra.
Grayscale (GS)=(R+G+B)/3 (4)
Segmentasi citra merupakan proses yang ditujukan untuk mendaptkan objek-objek
yang terkandung di dalam citra atau membagi citra ke dalam beberapa daerah dengan setiap
objek atau daerah yang memiliki kemiripan atribut. Pada citra yang mengandung satu objek,
objek dibedakan dengan latar belakangnya.
Thresholding merupakan metode yang paling sederhana dari segmentasi citra. Dari
gambar grayscale, thresholding dapat digunakan untuk membuat gambar biner yaitu dengan
warna hitam putih.
(5)
Operasi Biner
Dalam pengolahan citra membutuhkan memori yang lebih besar dibandingkan
pengolah teks pada komputer, sehingga untuk menghemat memori warna citra diubah ke
tingkat grayscale terendah yang berarti citra hanya mengandung informasi hitam dan putih
pada piksel penyusunnya yang biasa disebut citra biner, selain itu citra biner umumnya lebih
sederhana, cepat, dan mudah dalam mengimplementasikan. Salah satu operasi biner adalah
mendapatkan area/luas.
Area adalah jumlah pixel-pixel pembentuk suatu objek dan satuannya adalah pixel,
suatu luasan akan terbentuk dari pixel-pixel tersebut. Area dapat mencerminkan ukuran atau
berat objek sesungguhnya pada beberapa benda pejal dengan ukuran yang hampir seragam,
tetapi tidak pada benda yang berongga.
Gambar 2 Proses perubahan dari model warna RGB ke gray lalu model biner
1.2 Tujuan
1. Mahasiswa mengerti dan mengetahui bagaimana konsep dari citra RGB, grayscale,
dan model citra biner
2. Mahasiswa mengetahui perbedaan dari setiap model citra
1.3 Alat dan Bahan
1. Komputer
2. Library emgu CV
3. Software Visual Studio
4. Kamera webcam
1.4 Blog dari Sistem
1.5 Prosedur Percobaan
A. Pengaturan pada visual studio untuk memasukkan library emgu cv
1. Instal emgu cv versi 2.1 dengan mengeksekusi file nya
2. Buka program visual studio lalu pilih bahasa program visual basic.
3. Untuk menambah komponen toolbox, klik kanan pada toolbox, pilih choose items,
pilih browse, arahkan pada folder penginstalan emgucv pada drive C program file
> emgucv > bin, lalu pilih file emgu.CV.UI.dll dan klik open
Emgu CV dan Visual
Studio yang telah
terinstal pada komputer
4. Pilih item HistrogramBox, ImageBox, MatrixBox, dan PanAndZoomPictureBox
5. Masukkan file referensi yang berupa file .dll agar fungsi emgucv dapat digunakan
dan tidak terjadi kesalahan dalam proses kompilasi. Klik kanan pada jendela
solution explorer, pilih add reference.
6. Pilih tab browse, arahkan pada menu look in, klik panah ke bawah dan arahkan
pada drive C program files > emgucv > bin
7. Pilih file .dll seperti yang diblok, kemudian klik ok
8. Langkah selanjutnya adalah mengkopi file cxcore210.dll dan
highgui210.dll dan memasukkannya ke folder debug pada folder
proyek yang telah dibuat
B. Mengetahui perbedaan model citra RGB, Grayscale, HSV, dan biner
1. Hubungkan webcam pada komputer
2. Buka algoritma program yang telah terbuat
3. Klik tombol mulai
4. Lakukan pengaturan nilai threshold untuk proses segmentasi sehingga gambar
biner membentuk objek yang diinginkan, lalu masukkan nilai rerata pada tabel
5. Lakukan pengujian pada warna yang berbeda sesuai dengan tabel percobaan
6. Berikan pembahasan tentang setiap model warna yang ada dan berikan juga
pembahasan dari data yang diperoleh
Pengaturan nilai threshold
Nilai rerata yang
dimasukkan dalam tabel
1.6 Data Hasil Percobaan
Percobaan
(Warna)
Merah
(rerata)
Hijau
(rerata)
Biru
(rerata)
Grayscale
(rerata)
Kertas Hijau
Kertas Merah
Kertas Biru
Kertas Putih
Kertas Hitam
1.7 Pembahasan
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
………………………………………………………………………..
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
………………………………………………………………………….
…………………………………………………………………………
…………………………………………………………………………
1.8 Kesimpulan
Beri kesimpulan dari percobaan yang telah anda lakukan!
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………
LEMBAR EVALUASI
Judul Praktikum :
Nama Asisten :
Nama Praktikan :
No Mekanisme Tgl ACC Ket. / Nilai
1 Tugas Pendahuluan
2 Kehadiran
3 Asistensi 1
4 Asistensi 2
5 Asistensi 3
6 Nilai Akhir
2 Memanfaatkan Kamera Sebagai
Sensor Jarak Pada Robot Beroda
2.1 Landasan Teori
Ada beberapa istilah penting dalam robot vision yang saling berhubungan,
yaitu computer vision, machine vision dan robot vision. Computer vision adalah
teknologi yang paling penting di masa depan dalam pengembangan robot interaktif. Computer
vision adalah bidang pengetahuan yang berfokus pada bidang kecerdasan buatan dan sistem
yang terkait dengan akuisisi dan pengolahan gambar. Computer vision diimplementasikan
pada teknologi yang berkaitan dengan pengolahan gambar - berdasarkan inspeksi otomatis,
kontrol proses, dan robot dalam berbagai aplikasi industri. Robot vision adalah pengetahuan
tentang aplikasi komputer vision pada robot. Robot membutuhkan informasi visi untuk
memutuskan tindakan apa yang akan dilakukan. Aplikasi ini saat ini dalam robot vision
adalah sebagai alat bantu navigasi robot, mencari objek yang diinginkan, dan inspeksi
lingkungan lainnya. Visi pada robot menjadi sangat penting karena menerima informasi lebih
rinci dari sekedar sensor jarak atau sensor lainnya. Misalnya, robot mampu mengenali apakah
objek yang terdeteksi adalah wajah seseorang atau tidak. Selanjutnya, sistem visi canggih
pada robot membuat robot dapat membedakan wajah secara akurat. Pengolahan input
gambar dari kamera memiliki makna bagi robot yang dikenal sebagai persepsi secara visual,
mulai dari akuisisi citra, image preprocessing untuk mendapatkan gambar yang diinginkan
dan bebas dari noise, misalnya ekstraksi fitur untuk interpretasi sebagai ditunjukkan pada
Gambar 3.
Gambar 3 Blok dasar dari robot vision
2.2 Tujuan
1. Mahasiswa mampu mengaplikasi kamera sebagai sensor pada robot
2. Mahasiswa memahami salah satu konsep dari penggunaan kamera sebagai sensor
jarak pada robot
2.3 Alat dan Bahan
1. Komputer
2. Kamera
3. Robot
4. Board arduino
2.4 Blok dari Sistem
2.5 Prosedur Percobaan
A. Kamera sebagai sensor jarak pada robot dari sebuah objek
1. Hubungkan webcam pada komputer
2. Hubungkan komputer dengan board arduino yang telah terpasang pada robot
menggunakan USB printer
3. Buka algoritma program yang telah terbuat
4. Klik tombol mulai
Emgu CV dan Visual
Studio yang telah
terinstal pada komputer
5. Lakukan pengaturan nilai threshold untuk proses segmentasi sehingga gambar
biner membentuk objek yang diinginkan
6. Klik tombol buka port, lalu gerakakkan objek mendekati kamera atau menjahui
kamera. Perhatikan pergerakan robot.
7. Rubah nilai ambang pada program arduino sesuai dengan tabel.
Nilai threshold
yang menentukan
jarak kamera
dengan robot
Pengaturan nilai threshold
2.6 Data Hasil Percobaan
Nilai
threshold
Jarak kamera dengan objek ketika robot bergerak
mundur
75
125
175
2.7 Pembahasan
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
………………………………………………………………………..
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
………………………………………………………………………….
…………………………………………………………………………
…………………………………………………………………………
2.8 Kesimpulan
Beri kesimpulan dari percobaan yang telah anda lakukan!
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………………………………………………………
…………………………
LEMBAR EVALUASI
Judul Praktikum :
Nama Asisten :
Nama Praktikan :
No Mekanisme Tgl ACC Ket. / Nilai
1 Tugas Pendahuluan
2 Kehadiran
3 Asistensi 1
4 Asistensi 2
5 Asistensi 3
6 Nilai Akhir
Referensi:
Widodo budiharto & Djoko purwanto. (2012). Robot Visioin Teknik Membangun Robot
Cerdas Masa Depan. Yogyakarta: Penerbit Andi.
Gordon McComb & Myke Predko. (2001). Robot Builder’s Bonanza (Third Edition).
McGraw-Hill
Widodo budiharto. (2014). Modern Robotics with OpenCV. New York: Science Publishing
Group.