7/3/2014

1

DETEKSI FITUR DAN PENENTUAN POSISI HUMANOIDSOCCER ROBOT DALAM LAPANGAN STANDAR ROBOCUPBEBASIS SENSOR ORIENTASI DAN PENANDA TIDAK UNIK

OLEH : ACH HADI DAHLAN 2210100180

DOSEN PEMBIMBING :

1. PROF. DR. IR. MAURIDHI HERY PURNOMO, M.ENG.

2. MUHTADIN, ST., MT.

1

Latar Belakang Robot pemain sepak bola dituntut

dapat bermain secara autonomous,dan sebisa mungkin dapat bermainsepak bola seperti manusia

Informasi posisi robot diperlukanuntuk penerapan strategi permainan

Terdapat perubahan aturan yangsignifikan pada Robocup 2013mengenai fitur lapangan yang digunakan.

2

Unique Landmark

7/3/2014

2

Latar Belakang: Permasalahan Orientasi

3

Permasalahan Tim Robot Sepak Bola ITS menjadi

peserta unggulan dalam Kontes RobotSepak Bola Indonesia. Namun Robotmasih belum mampu mengenali Fitur-fitur di lapangan dengan baik.

Robot Sepak Bola ITS belum mampumengestimasi posisi (𝑥, 𝑦, 𝜃).

4

7/3/2014

3

Tujuan dan ManfaatMenerapkan algoritma pengenalan fitur lapangan yang lebih handal.

Mendapatkan informasi posisi robot berdasarkan penanda tidak unik dansensor orientasi berbasis Grid Occupancy [1].

Informasi posisi digunakan untuk penentuan strategi permainan.

5

1. Kohlbrecher, S., Stumpf, A., & Stryk, O. v. (2011). Grid-Based Occupancy Mapping and Automatic Gaze Control forSoccer Playing Humanoid Robots. Workshop on Humanoid Soccer Robots, (hal. 3). Bled(Slovenia).

Batasan Masalah

Robot yang digunakan adalah robot DARwIn-OP.

Pengujian dilakukan di environtmentstandar RoboCup 2013.

6

7/3/2014

4

Desain Sistem

7

Citra masukan

Orientasi dariSensor (θ)

Pengukuran tinggi penanda di

bidang citra

segmentasi

Deteksi garis

Ekstraksi fitur

Deteksi Penanda

Estimasi jarak penanda

terhadap robotTriangulasi

Kordinat robot (x,y)

Penentuan posisi di grid lapangan

Posisi robot di grid lapangan

(grid[i])

Grid lapangan(grid[24])

Pemrosesan Citra dan Deteksi Fitur

8

Gawang Tepi lapangan Bola

7/3/2014

5

Deteksi Gawang Berbasis TransformasiHough

9

Start

Citra RGB

Konversi Ke HSV

Deteksi Blob

Kuning

Deteksi Tepi

Pemrosesan

Garis

Penentuan titik-

titik pentng

Deteksi Garis

1

1

Stop

Tinggi

tiang

Deteksi gawang : RGB to HSV

10

Citra RGB Citra HSV

7/3/2014

6

Deteksi gawang : Segmentasi dan penghilangan Noise

11

Citra RGB Hasil segmentasi Hasil noise removal

Deteksi gawang: pendeteksian tepi dan garis

12

𝐺𝑎𝑟𝑖𝑠 𝐿 ≡ ℎ𝑜𝑟𝑖𝑧𝑜𝑛𝑡𝑎𝑙 𝑗𝑖𝑘𝑎 45° ≤ 𝜃𝐿 < 135° 𝑎𝑡𝑎𝑢 225° ≤ 𝜃𝐿 < 315°𝑣𝑒𝑟𝑡𝑖𝑘𝑎𝑙 𝑙𝑎𝑖𝑛𝑛𝑦𝑎

[2] Pallarés, A.M, “Goal Detection for Soccer-playing Robot Based on Hough Transform,” Universitat Rovira I Virgili, Departament d’Enginyeria Informàtica i Matemàtiques, June 2009

Hasil deteksi tepi Hasil deteksi garis

[2]

7/3/2014

7

Deteksi gawang: rata-rata garis

13

Hasil pemrosesan garis. Garis kuning merupakan rata-rata garis vertikal yang telah diklasifikasikanmenjadi tiang kanan dan tiang kiri. Garis biru merupakan rata-rata garis horizontal.

Deteksi gawang: titik-titik penting garis

14

KAB

KAA

KIB

KIA

Titik-titik gawang. KIA: kiri atas, KIB: kiri bawah, KAA: kanan atas, KAB: kanan bawah

7/3/2014

8

Hasil pendeteksian gawang

15

Satu gawang terlihatDua gawang terlihat

Penentuan kepemilikan gawang berdasar sensor orientasi

16

Pembagian area berdasarkan sudut dari sensor orientasi

Θ=0𝑜

Θ=−90𝑜Θ=90𝑜

7/3/2014

9

Deteksi Tepi Lapangan

17

Citra asli

Penskalaan1px = 4x4

segmentasi warnalapangan

closing

Pengecekan pada tiap sumbu y, untukmemperoleh Titik maksimal citra yang memilki nilai biner 1

Deteksi tepi lapangan digunakan untuk proses deteksi bola, sehingga bola yang di ambil adalah yang berada di area lapangan hijau

Deteksi Tepi Lapangan

18

Hasil deteksi tepi lapangan

7/3/2014

10

Deteksi bola dalam lapangan

19

Bola dalam lapangan Bola diluar lapangan Bola dan noise

Estimasi jarak : curve fittingNo. Tinggi (px) Jarak (m)

1 209.010 1.50

2 167.012 1.75

3 147.340 2.00

4 129.016 2.25

5 112.018 2.50

6 100.005 2.75

7 96.0000 3.00

8 85.0059 3.25

9 76.0066 3.50

10 72.0278 3.75

11 67.0075 4.00

20

𝐽𝑎𝑟𝑎𝑘 = −0.0000008𝑥3 + 0.00048𝑥2 − 0.09697𝑥 + 8.54598

Grafik persamaan polynomial orde 3

7/3/2014

11

Penentuan posisi robot menggunakan Triangulasi

21

Terdeteksi satu tiangTerdeteksi Dua tiang

Pengujian penentuan posisi: berbasis koordinat lapangan

No.Posisi Robot (m) Hasil Penentuan Posisi (m)

Galat(m) x y x y

1 3,50 2,60 3,60 2,63 0,1044

2 3,20 3,50 3,15 3,55 0,0707

3 2,50 4,00 2,66 4,07 0.1746

4 2,50 3,50 2,70 3,31 0,2759

5 2,50 2,90 2,65 2,90 0.1500

6 2,50 2,45 2,60 2,65 0.2236

7 1,40 2,50 1,63 2,66 0.2802

8 1,50 1,70 1,53 1,66 0.0949

Galat rata-rata 0.1154

22

7/3/2014

12

Pengujian penentuan posisi: berbasis Grid lapangan

23

No GridHasil Perrcobaan ke- Persentase

Keberhasilan1 2 3 4 51 0 5 1 5 1 20%2 0 0 0 0 0 0%3 0 0 0 0 0 0%4 0 0 0 0 0 0%5 5 5 9 12 5 60%6 6 6 6 6 6 100%7 7 0 7 7 7 80%8 8 8 8 7 8 80%9 9 9 10 9 9 80%

10 10 10 10 10 10 100%11 11 11 11 11 11 100%12 12 11 12 12 12 80%

Kesimpulan Hasil pendeteksian gawang di lapangan lebih akurat saat robot berada di area tengah

lapangan.

Robot dapat membedakan bola yang berada dalam lapangan dan objek di luarlapangan yang memilki warna sama dengan bola.

Hasil penentuan posisi menggunakan metode triangulasi cukup akurat. Daripengujian pada 8 titik dalam lapangan didapatkan galat rata-rata 0.1154 meter.

Hasil penentuan posisi robot dilapangan berdasarkan grid akurat saat berada di areatengah lapangan. namun robot tidak dapat menentukan posisi dirinya saat beradadekat dengan lapangan.

Penentuan posisi menggunakan metode triangulasi tidak mampu memberikan hasilyang kontinyu. Saat robot berpindah posisi, robot harus melakukan scanning ulanguntuk mendapatkan estimasi posisi yang baru.

24

7/3/2014

13

Saran Fitur yang diamati bisa ditingkatkan dengan memanfaatkan garis lapangan.

Perlu diterapkan metode particle filter dan position tracking untuk memperoleh estimasiposisi robot secara kontinyu.

Penentuan posisi robot dalam lapangan dapat dilakukan menggunakan kerjasama tim.

25 26

Terima Kasih