aplikasi rekonstruksi 3d untuk proses pemahatan...

Aplikasi Rekonstruksi 3D untuk Proses Pemahatan Menggunakan CNC

Oleh: Retno Tri Wahyuni

2209204808

Dosen Pembimbing:

Ir. Djoko Purwanto, M.Eng, Ph.D

Dr. Tri Arief Sardono, S.T., M.T

Agenda Presentasi

• Pendahuluan- Latar Belakang- Perumusan Masalah- Batasan Masalah- Maksud dan Tujuan- Manfaat Penelitian

• Tinjauan Pustaka- Sensor Kinect- Noise pada Sensor Kinect- ICP- Filter- Mesin CNC- Mesin CNC Milling- Mithsubisi M70- G-code

• Metodologi Penelitian- Alur penelitian- Cara Pengambilan Gambar- Rekonstruksi 3D- Konversi menjadi Koordinat Mesin- Algoritma konversi ke G-code- Implementasi pada CNC

• Data dan Analisa- Kemampuan Sensor Kinect untuk Aplikasi

Pemahatan- Pengaruh Filter- Hasil Implementasi

• Penutup- Kesimpulan- Saran

Latar Belakang

Algoritma PengkonversiInformasi 3D Menjadi G-

code

Rekonstruksi 3D

Point clouds

Sensor Kinect

3D (Point) Model

3D (Point) Model

G-code file.nc

Perumusan Masalah

• Penentuan point clouds menggunakan sensor Kinect

• Rekontruksi 3D menggunakan ICP

• Prosedur konversi koordinat hasil rekonstruksi 3D menjadi koordinat mesin CNC

• Prosedur pembuatan G-code

• Implementasi G-code pada CNC

Batasan Masalah

• Objek 3D (benda asal) merupakan benda dengan kontur permukaan yang sederhana.

• Tidak terdapat fasilitas automatic tool changing

Tujuan

• Menggunakan sensor kinect untuk mengambil informasi 3D dari sebuah benda

• Melakukan rekonstruksi 3D menggunakan metode ICP

• Merancang sistem otomatis pengkonversi koordinat hasil rekontruksi 3D menjadi G-codeuntuk menjalankan mesin CNC.

Manfaat Penelitian

• Menambah alternatif pemanfaatan rekonstruksi 3D

• Potensi untuk membuat replika benda menggunakan CNC

Sensor Kinect

• Sensor Kinect

Noise pada Sensor Kinect

• Terdapat 3 sumber noise yang akan mempengaruhi pengukuran 3D pada kamera laser yaitu noise dari komponen elektronik, noise quantisasi dan noise speckle. (Josep, 2004).

• Terdapat 2 buah jenis noise yang terjadi pada proses pengukuran yaitu noise deterministik dan noise acak (Bryan, Pincock, 2011)

ICP (Iterative Closest Point)

pxXpdXx

min,

2

12

2

12

2

122121 )()()(, zzyyxxrrrrd

Filter

• Mean Filter

• Gaussian Filter

njminm

jiH 1;1;.

1),(

04.004.004.004.004.0

04.004.004.004.004.0

04.004.004.004.004.0

04.004.004.004.004.0

04.004.004.004.004.0

H

smymx yxes

yxG2/)()( 221

),(

0030.00133.00219.00133.00030.0

0133.00596.00983.00596.00133.0

0219.00983.01621.00983.00219.0

0133.00596.00983.00596.00133.0

0030.00133.00219.00133.00030.0

H

Mesin CNC Milling

Kaidah Tangan Kanan Sistem Koordinat CNC Milling

M

W

A

R

Mitsubishi M70

• Meja Mesin

• Ragum

• Spindle

• Colett

• Mata pahat

• Perangkat Penggerak(Motor X,Y,Z axis)

• Panel Kontrol

Layar Monitor

Keypad

Tombol Direction

Tombol

Emergency

Tombol Operate

Servo Switch

CNC Switch

CF Slot

Menu

G-code

• Bahasa pemrograman pertama CNCKode Fungsi

G Preparatory Word

X,Y,Z,U,V,W,P,Q,R,A,B,C Dimension Word

I,J,K Interpolation or Thread Lead Word

F,E Feed Function Word

S Spindle Speed Function Word

T,D Tool Function Word

M Miscellaneous Function Word

Metodologi Penelitian

Sensor Kinect Rekonstruksi 3D

Konversimenjadi

Koordinat Kerjamesin CNC

AlgoritmaPengkonversi

menjadi G-code

Implementasipada CNC

Informasi 3D Benda

Koordinat Kerja Mesin

File.nc

Hasil Pahatan

Benda Asal

Point Clouds

Rekonstruksi 3D

• Sensor kinect diakses menggunakan driver OpenNi

• Algoritma ICP menggunakan library dari PCL (Point Cloud Library)

Konversi Menjadi Koordinat KerjaMesin CNC

Informasi 3D Benda

Merubah data informasi 3D bendamenjadi matrik 2dimensi

Pengisian Vertex pada RuangKosong

Filtering

Penentuan Koordinat KerjaMesin

Koord KerjaMesin

Algoritma Pengkonversi Menjadi G-code

Sumbu X (i)

Sum

bu

Y (

j)

Sumbu Z (matrik(j,i))

(0,0)

(l,p)Kolom Genap Kolom Ganjil

N1 G54 G90 G00 X0. Y0. Z0.N2 G01 X0. F300

N4 G01 Y10. F300N5 G01 X1. F300

N7 G01 Y0. F300N8 G01 X2. F300

N10 G01 Y5. F300N11 G01 Z-2. F300

N3 G01 Z-1. F300

N6 G01 Z-1. F300

N9 G01 Z-1. F300

N12 G01 Y10. F300N13 G01 X3. F300N14 G01 Z-2. F300N15 G01 Y4. F300N16 G01 Z-1. F300N17 G01 Y0. F300

= -1

= -2

Implementasi pada CNC

• Ukuran mata pahat: 3mm

• Bahan: Kayu

Jarak benda terhadap Sensor

y x

z

Cara Pengambilan Gambar

Kemampuan Sensor Kinect untukAplikasi Pemahatan

• Sensor kinect masih dapat diaplikasikan untuk permukaan dengan beda kedalaman diatas 2cm

• Jarak pengambilan gambar yang efektif berada pada range 80cm sd 110cm

• Dibutuhkan pencahayaan yang cukup

Informasi 3D Benda Pertama

10

20

30

40

50

20

40

60

80

100

-910

-900

-890

-880

-870

Sumbu X, Panjang(mm)Sumbu Y, Lebar(mm)

Sum

bu Z

,Jara

k B

enda T

erh

adap K

am

era

(mm

)

-915

-910

-905

-900

-895

-890

-885

-880

-875

-870

-865

Informasi 3D Benda Kedua

10

20

30

40

50

20

40

60

80

-910

-900

-890

-880

-870


Sum

bu Z

, Jara

k B

enda T

erh

adap K

am

era

(m

m)

-915

-910

-905

-900

-895

-890

-885

-880

-875

-870

-865

Informasi 3D Benda Ketiga

10

20

30

40

50

20

40

60

80

-1090

-1080

-1070

-1060

-1050


Sum

bu Z

, Jara

k B

enda T

erh

adap K

am

era

(mm

)

-1090

-1085

-1080

-1075

-1070

-1065

-1060

-1055

-1050

Pengaruh Filtering

10

20

30

40

50

20

40

60

80

100

-960

-950

-940

-930


Sum

bu Z

,Jara

k B

enda T

erh

adap K

am

era

(mm

)

-965

-960

-955

-950

-945

-940

-935

-930

-925

10

20

30

40

50

20

40

60

80

-970

-960

-950

-940

-930


Sum

bu Z

, Jara

k B

enda T

erh

adap K

am

era

(m

m)

-970

-965

-960

-955

-950

-945

-940

-935

-930

-925

10

20

30

40

50

20

40

60

80

-1120

-1110

-1100

-1090

-1080

Sumbu X, Panjang(mm)

Sumbu Y, Lebar(mm)

Sum

bu Z

, Jara

k B

enda T

erh

adap K

am

era

(mm

)

-1120

-1115

-1110

-1105

-1100

-1095

-1090

-1085

-1080

Hasil Scalling

10

20

30

40

50

20

40

60

80

-3

-2

-1

0

Sumbu X, Panjang(mm)

Sumbu Y, Lebar(mm)

Sum

bu Z

, K

edala

man B

enda (

mm

)

-3

-2.5

-2

-1.5

-1

-0.5

0

10

20

30

40

50

20

40

60

80

-3

-2

-1

0


Sum

bu Z

, K

edala

man B

enda(m

m)

-3

-2.5

-2

-1.5

-1

-0.5

0

10

20

30

40

50

20

40

60

80

100

-3

-2

-1

0


Sum

bu Z

, K

edala

man B

enda(m

m)

-3

-2.5

-2

-1.5

-1

-0.5

0

Hasil Implementasi pada CNC

Kesimpulan

• Pengujian dilakukan menggunakan 3 sampel benda berbentuk dasar segi empatdengan kontur permukaan menonjol berbentuk huruf I, T dan S dengan perbedaankedalaman lebih dari 2cm. Hasil pengujian menggunakan 3 sampel benda tersebutmenunjukkan kesalahan rata-rata hasil rekonstruksi sebesar 4.0% untuk ukuranpanjang, 2.8% untuk ukuran panjang dan mencapai 46.1% untuk ukurankedalaman.

• Proses filtering dilakukan untuk memperbaiki kesalahan pada ukuran kedalaman.Kesalahan rata-rata untuk ukuran kedalaman pada hasil filtering adalah sebesar27.8% untuk filter rata-rata dan 25.9% untuk filter Gaussian.

• Pengujian selanjutnya dilakukan terhadap algoritma pembuat G-code, yaitudengan cara membandingkan hasil pahatan terhadap koordinat hasil penskalaanbenda, dalam hal ini skala yang digunakan sebesar 1:15. Artinya 1mm kedalamanpada hasil pahatan mewakili 15mm kedalaman pada benda asal. Hasil pengujianmenggunakan 3 sampel benda asal tersebut menunjukkan kesalahan rata-ratasebesar 3.8% untuk ukuran panjang, 2.1% untuk ukuran lebar dan 1.9% untukukuran kedalaman.

Saran

• Pemilihan sensor yang sesuai sehingga dapatmerepresentasikan kontur permukaan benda dengan baik,mengingat pada aplikasi pemahatan ini dibutuhkanketelitian yang cukup tinggi.

• Mencoba mengaplikasikan metode rekonstruksi yang lainuntuk memperoleh informasi 3D benda dengan baik.

• Proses modeling noise hasil pengukuran sehingga dapatdilakukan desain filter yang lebih baik.

• Merancang algoritma G-code dengan metode pemahatanyang lain serta melibatkan kode G-code yang lebihkompleks seperti G02 dan G03 yang merupakan modegerak melingkar.

TERIMA KASIH

aplikasi rekonstruksi 3d untuk proses pemahatan...

Documents