Implementasi Connected Component Labeling untuk Deteksi Objek Penghalang bagi Penyandang Tunanetra Berbasis Raspberry Pi
| Main Author: | Yusnilawati, Ida |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/14111/1/Ida%20Yusnilawati.pdf http://repository.ub.ac.id/14111/ |
Daftar Isi:
- Tunanetra adalah suatu keadaan dimana kedua indera pengelihatannya tidak berfungsi untuk menerima informasi layaknya orang awas, untuk itu membutuhkan alat bantu sehingga dapat menggantikan indera pengelihatan dalam menjalankan aktifitas sehari-hari. Namun tongkat juga masih memiliki kekurangan yaitu hanya dapat digunakan untuk meraba objek atau halangan dengan jangkauan yang terbatas. Oleh karena itu dibutuhkan penelitian untuk membantu penyandang tunanetra dalam melakukan kegiatan sehari-hari. Salah satu teknologi yang memungkinkan tunanetra dalam menjalankan aktifitas sehari hari yaitu memanfaatkan computer vision yang dapat mendeteksi sebuah objek penghalang saat Tunanetra berjalan di dalam ruangan. Sistem ini menggunakan Raspberry Pi sebagai pemroses citra digital dan kamera webcam sebagai sensor yang dipasangkan di depan dada pengguna pada ketinggian 110cm dan kemiringan kamera sebesar 41o sehingga dapat mengambil citra di depan pengguna sampai dengan 125cm. Proses deteksi objek penghalang ini dilakukan dalam beberapa tahap yaitu meresize citra, cropping, kemudian thresholding. Proses thresholding ini memanfaatkan nilai parameter mean, median dan min-max dari citra RGB yang didapatkan dari citra RGB lantai. Selanjutnya menggunakan metode connected component labeling 4-connectivity yang pada penelitian ini digunakan untuk mendeteksi objek penghalang dari citra yang diambil dengan memberikan label pada piksel ketetanggaannya. Piksel yang telah terlabeli tersebut akan dianalisis untuk dapat mendeteksi objek penghalang. Sistem dapat mendeteksi objek penghalang pada jarak 50 cm, 75 cm, 100 cm dan 125 cm menggunakan patameter threshold mean memiliki akurasi sebesar 88,51%, threshold median sebesar 84,47% dan threshold min-max sebesar 66,25%. Untuk hasil akurasi sistem dalam mendeteksi objek penghalang dengan yaitu sebesar 91,66%. Hasil pengujian akurasi integrasi sistem dengan hardware yaitu