Pengenalan Posisi Objek dari Sistem Kamera Omni-Vision Menggunakan PSO-NN dan Scan Lines Pada Robot Sepak Bola

Novendra Setyawan

Abstract


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. Yang paling menantang dalam pengembangan sistem omni-vision adalah distorsi gambar yang dihasilkan dari spherical mirror atau lensa. 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

Keywords


Mobile Robot, Omni-Vision, Particle Swarm Optimization; Neural Network; Radial Scan Lines

Full Text:

PDF

References


D. B. Kusumawardhana and K. Mutijarsa, “Object recognition using multidirectional vision system on soccer robot,” 2017, pp. 183–187.

W. Feng, Y. Liu, and Z. Cao, “Omnidirectional Vision Tracking and Positioning for Vehicles,” 2008, pp. 183–187.

H. Lu, S. Yang, H. Zhang, and Z. Zheng, “A robust omnidirectional vision sensor for soccer robots,” Mechatronics, vol. 21, no. 2, pp. 373–389, Mar. 2011.

Z. Cao, S. Liu, and J. Roning, “Omni-directional Vision Localization Based on Particle Filter,” 2007, pp. 478–483.

B. A. Garro and R. A. Vázquez, “Designing Artificial Neural Networks Using Particle Swarm Optimization Algorithms,” Comput. Intell. Neurosci., vol. 2015, pp. 1–20, 2015.

N. Setyawan, R. E. A. Kadir, and A. Jazidie, “Adaptive Gaussian parameter particle swarm optimization and its implementation in mobile robot path planning,” 2017, pp. 238–243.

A. N. Fitriana, K. Mutijarsa, and W. Adiprawita, “Color-based segmentation and feature detection for ball and goal post on mobile soccer robot game field,” 2016, pp. 1–4.

A. K. Mulya, F. Ardilla, and D. Pramadihanto, “Ball tracking and goal detection for middle size soccer robot using omnidirectional camera,” 2016, pp. 432–437.

Setiawardhana, R. Dikairono, T. A. Sardjono, and D. Purwanto, “Visual ball tracking and prediction with unique segmented area on soccer robot,” 2017, pp. 362–367.

J. Kennedy and R. Eberhart, “Particle Swarm Optimization,” IEEE Int. Conf. Neural Netw., pp. 1942–1948, 1995.

A. Nickabadi, M. M. Ebadzadeh, and R. Safabakhsh, “A novel particle swarm optimization algorithm with adaptive inertia weight,” Appl. Soft Comput., vol. 11, no. 4, pp. 3658–3670, Jun. 2011.




DOI: https://doi.org/10.22219/sentra.v0i4.2311

Refbacks

  • There are currently no refbacks.


________________________________________________________________________________________

Seketariat

Fakultas Teknik

Universitas Muhammadiyah Malang Kampus III

Jl. Raya Tlogomas 246 Malang 65144