Seminar Nasional Teknologi dan Rekayasa (SENTRA) 2019 ISSN (Cetak) 2527-6042 eISSN (Online) 2527-6050 III-58 SENTRA 2019 PENGENALAN POSISI MULTI OBJEK MENGGUNAKAN NEURAL NETWORK DAN SCAN LINES PADA ROBOT SEPAK BOLA Nur Alif Mardiyah 1 , Rafif Kusuma Adi 2 , Novendra Setyawan 3 1,2,3 Universitas Muhamadiyah Malang, Malang Kontak Person: Nur Alif Mardiyah Jalan Raya Tlogomas No. 246, Malang 65144 E-mail: nuralif@umm.ac.id Abstrak Sistem visi dalam robot sepakbola diperlukan untuk mengenali objek di sekitar lingkungan robot. Sistem visi Omnidirectional telah dikembangkan secara luas untuk menemukan objek seperti bola, gawang, dan garis putih di lapangan dan mengenali jarak dan sudut antara objek dan robot. Paling menantang dalam pengembangan sistem omni-vision adalah distorsi gambar yang dihasilkan dari spherical mirror atau lensa. Selain itu pengenalan multi objek secara simultan juga diperlukan agar efektifitas pergerakan robot juga tercapai. Makalah ini menyajikan sistem omni-vision yang efisien menggunakan lensa fish eye untuk deteksi objek real-time. Bertujuan untuk mengatasi distorsi gambar dan kompleksitas komputasi, perhitungan jarak antara objek dan robot dari citra bola dimodelkan menggunakan jaringan syaraf tiruan yang dioptimalkan oleh optimasi partikel swarm. Kemudian untuk menyajikan kondisi objek dalam lingkungan dilakukan dengan menggunakan radial scan line. Hasil eksperimen menunjukkan efektivitas pengembangan kami dalam hal akurasi dan waktu komputasi 15 milidetik lebih cepat. Kata kunci: Mobile Robot, Omni-Vision, Particle Swarm Optimization; Neural Network; Radial Scan Lines 1. Pendahuluan Pada bidang robotik, berbagai penelitian telah dikembangkan untuk meningkatkan kemampuan robot. Kompetisi Robot sepakbola adalah salah satu kegiatan nyata yang bisa digunakan untuk pengujian sistem kontrol, perencanaan jalur, sensor navigasi, dan subjek penelitian lain seperti sistem visi. Dalam dekade terakhir, system visi omnidirectional atau sistem Omni-vision telah menjadi salah satu hal terpenting dalam sistem robot sepakbola. Omni-vision menyediakan tampilan 360 derajat dari lingkungan robot sekitar dalam satu gambar yang dapat digunakan untuk deteksi objek [1], pelacakan [2], lokalisasi posisi [3] dan kontrol navigasi [4] . Secara umum, sistem Omni-visi dapat dibangun dengan berbagai cara, seperti kamera servo mekanis, lensa spherical (fisheye panorama), dan cermin hiperbolik. Meskipun memiliki kelebihan tampilan penuh dari gambar yang dihasilkan Omni-vision, distorsi membuat deteksi objek atau pelacakan lebih rumit. Berbagai metode telah dikembangkan untuk memperbaiki dan mengembalikan menggunakan beberapa teknik pengolah gambar [1], yang membuat perhitungan menjadi lebih rumit. Selain itu, beberapa teknik kalibrasi telah diusulkan untuk memperkirakan parameter model yang benar dari gambar spherical [5]. Salah satu teknik pemodelan adalah dengan menggunakan algoritma cerdas untuk mengkalibrasi gambar spherical yaitu menggunakan Neural Network [6]. Karena metode heuristik telah banyak digunakan untuk menyelesaikan banyak masalah [7]. Dalam makalah ini, kami menggunakan NN untuk model kalibrasi dan pemodelan jarak antara objek dan robot dari gambar bulat dengan beberapa data eksperimental belajar dalam mengembangkan Omni-vision yang efisien untuk dikenali dan melacak objek. Selain permasalahan kalibrasi, agar lebih efisien dalam mendeteksi objek dalam lapangan diperlukan sebuah capaian dalam mendeteksi objek yang banyak atau multi objek. Pada penelitian ini menggunakan segmentasi warna secara simultan dan radial scan line untuk merekognisi multi objek dalam lapangan seperti, bola, garis, lapangan, dan objek halangan/ lawan. 2. Metode Penelitian Secara umum pengenalan posisi objek dilakukan melalui beberapa tahapan diantaranya, akuisisi gambar, filter noise gambar, segmentasi gambar, radial scan line, dan yang terakhir adalah kalibrasi brought to you by CORE View metadata, citation and similar papers at core.ac.uk provided by UMM Institutional Repository