Hasil Pencarian  ::  Simpan CSV :: Kembali

"Seiring dengan kemajuan teknologi, kemampuan kendaraan atau robot untuk dapat secara otonom menjelajahi lingkungannya menjadi semakin diminati. Terdapat banyak tantangan yang dihadapi oleh kendaraan atau robot otonom agar dapat melakukannya. Salah satu tantangan tersebut adalah melacak gerakan inkremental dan menganalisis lingkungannya dengan akurat untuk melakukan lokalisasi. Salah satu metode yang dapat digunakan untuk membantu menangani masalah tersebut adalah dengan menggunakan visual odometry. Visual odometry adalah proses mengestimasi gerakan translasi dan rotasi kendaraan atau robot menggunakan kamera yang dipasangkan dengan menganalisa gambar-gambar yang diambil. Dalam penelitian ini, penulis mencoba membangun sebuah sistem visual odometry stereo sederhana. Sistem ini terdiri dari enam bagian utama yaitu mendeteksi fitur dan mengkomputasi deskriptornya menggunakan Oriented FAST and Rotated BRIEF (ORB), mencocokkan fitur secara brute force berdasarkan jarak Hamming dari deskriptor-deskriptor fitur, melacak fitur menggunakan optical flow Lucas-Kanade, melakukan triangulasi terhadap titik-titik fitur menggunakan linear triangulation, mengestimasi translasi dan rotasi dengan menyelesaikan permasalahan Perspective-n-Point (PnP) menggunakan gabungan metode Efficient PnP (EPnP) dan Random Sample Consensus (RANSAC), dan memperbaharui estimasi posisi dan orientasi. Sistem yang dibangun ini memperoleh average translation root mean squared error sebesar 5.1284% dan average rotation error sebesar 0.027 deg/m pada dataset odometry publik KITTI dengan performa kecepatan 18.88 frames per second pada environment komputer 1 core dengan clock speed 2.7 Ghz.

---

As technology advances, the ability of vehicles or robots to be able to autonomously explore their environment is becoming increasingly desirable. There are many challenges that autonomous vehicles or robots face in order to do so. One of the challenges is to track incremental motions and accurately analyze their environment for localization. One of the methods that can be used to help to deal with this problem is by using visual odometry. Visual odometry is the process of estimating the translational and rotational movements of a vehicle or robot using a camera attached by analyzing the images taken. In this research, the author tried to build a simple stereo visual odometry system. This system consists of six main parts, namely detecting features and computing their descriptors using Oriented FAST and Rotated BRIEF (ORB), matching features by brute forcing based on Hamming distance from the feature descriptors, tracking features using Lucas-Kanade optical flow, triangulating the feature points using linear triangulation, estimating translation and rotation by solving Perspective-n-Point (PnP) problems using a combination of Efficient PnP (EPnP) and Random Sample Consensus (RANSAC) methods, and updating the position and orientation estimation. This system has an average translation root mean squared error of 5.1284% and an average rotation error of 0.027 deg/m on the KITTI public odometry dataset with a speed performance of 18.88 frames per second in a 1 core computer with a clock speed of 2.7 Ghz."

"Media dua dimensi merupakan media konvensional yang marak digunakan secara umum. Namun begitu, media dua dimensi yang dalam hal ini berbentuk fisik, secara pelan mulai ditinggalkan dengan masifnya digitalisasi. Hal tersebut disayangkan karena banyak sumber ilmu dan informasi yang bisa saja hanya berada pada media dua dimensi. Untuk bisa membuat penggunaan media dua dimensi menjadi lebih menarik, teknologi augmented reality bisa menjadi jawaban. Dalam hal ini dikembangkan aplikasi iOS bernama readAR dengan penerapan teknologi visual inertial odometry menggunakan ARKit yang dapat melakukan pendeteksian gambar dan analisis visual dalam melakukan penempatan objek untuk bisa menghadirkan interaksi yang diinginkan pada teknologi augmented reality. Pada readAR dapat dihadirkan interaksi dalam bentuk objek tiga dimensi menggunakan SceneKit serta video menggunakan SpriteKit. Berdasarkan hasil analisis perhitungan, didapatkan nilai interaksi pada media koran untuk objek tiga dimensi memakan nilai senilai 1.45 lebih lama  dibandingkan video pada media koran dan 2.7 kali pada media majalah. Dari pengujian performa terhadap CPU, didapatkan kesimpulan interaksi video menggunakan CPU lebih besar dengan selisih 3% pada media koran dan 5.1% pada media majalah. Hal yang sama juga terjadi pada pengujian memory, dengan selisih 23.01 MB untuk media koran dan 21.17 MB untuk media majalah.

---

Two-dimensional media is a conventional medium that is widely used in general. However, two-dimensional media, which in this case is in physical form, is slowly being abandoned due to massive digitization. This is unfortunate because there are many sources of knowledge and information that can only exist in two-dimensional media. To make the use of two-dimensional media more interesting, augmented reality technology can be the answer. In this case, an iOS application called readAR was developed with the application of visual inertial odometry technology using ARKit, which can perform image detection and visual analysis to place objects and provide the desired interaction with augmented reality technology. In readAR, interactions can be presented in the form of three-dimensional objects using SceneKit and videos using SpriteKit. Based on the results of the calculation analysis, it was found that the interaction value for three-dimensional objects on newspaper media takes 1.45 times longer than videos on newspaper media and 2.7 times longer for magazine media. Testing the performance of the CPU showed that video interaction uses a larger CPU, with a difference of 3% for newspapers and 5.1% for magazines. The same trend was observed in the memory test, with a difference of 23.01 MB for newspapers and 21.17 MB for magazines."