Upload
wir-group
View
146
Download
1
Embed Size (px)
Citation preview
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
The good researcher is not “one who knows the right answers”But
“one who is struggling to find out what the right questions might be”(Phillips and Pugh, 2005)
“research is what i'm doing when i don't know what i'm doing” (wernher von braun)
SIDANG HASIL PENELITIAN
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
Tracking QR Code Augmented Reality dengan Penggabungan Marker Tradisional berbasis Backpropagation Neural NetworkQR CODE AUGMENTED REALITY TRACKING WITH MERGING ON TRADITIONAL MARKER BASED BACKPROPAGATION NEURAL NETWORK
OLEHGIA MUHAMAD AGUSTA109091000144
LatarBelakangObjek Penelitian
Mengapa QR Code Augmented Reality?QR Code Augmented Reality (QRAR) adalah Augmented Reality (AR) yang menerapkan QR Code sebagai marker-based untuk melakukan tracking.Dengan QR Code...o tidak memerlukan proses pre-registrationo memiliki jumlah kombinasi ID-encoded sebesar
107089 o dapat digunakan pada aplikasi AR yang publik(Kan, Teng, & Chou, 2009)
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
LatarBelakangObjek Penelitian
Mengapa Tracking?o Sebuah marker memerlukan ukuran yang tidak
kecil agar mudah melakukan tracking;o marker-based tracking memiliki komputasi
yang rendah dan;(Siltanen, 2012)
o memerlukan 6 Degree of Freedom (6DOF) pose tracking secara real-time dan akurat (Wagner & Schmalstieg, 2007)
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
LatarBelakangKelebihan dan Kelemahan Pada Metode yang ada
Deteksi QRFP dengan mekanisme perhitungan yang sederhana (Kan, Teng, & Chou, 2009)
o memiliki kecepatan tracking yang cukup rendaho memiliki keterbatasan 6DOF Pose tracking;o border pada QRFP yang sangat tipis untuk
mendeteksi ketiga QRFP secara bersamaan pada kondisi perspektif dan;
o Titik temu antara dua garis persamaan yang keluar dari QRFP juga memiliki ketidak-stabilan dikarenakan terlalu kecilnya QRFP dibandingkan ukuran marker pada biasanya
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
LatarBelakangKelebihan dan Kelemahan Pada Metode yang ada
Contour Filtering (Wang, Shyi, Hou, & Fong, 2010)
o Deteksi dengan memiliki langkah yang sederhana
o Memiliki keterbatasan 6DOF o Menghabiskan waktu komputasi yang cukup
lama.
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
LatarBelakangKelebihan dan Kelemahan Pada Metode yang ada
Binary Histogram dengan Optical Flow (Park, Lee, & Woo, 2011)
o Pendeteksian QRFP dengan binary histogram memiliki kecepatan tracking yang rendah
o kestabilan trackingo Tetapi harus melakukan assist terhadap planar
target, atau disebut hybrid tracking method (markerless dan marker-based).
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
LatarBelakangMasalah pada metode yang ada
Dengan Penggabungan Marker Tradisional dengan QR Code dapat menerapkan kelebihan/keunggulan tracking seperti pada ARToolKitKarena pendeteksian marker ARToolKit dapat terus melakukan tracking selama marker masih terdeteksi.Namun pada kondisi perspective distortion QRFP akan mengalami noise atau kerusakan citra, sehingga diperlukan ekstraksi fitur
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
LatarBelakangSolusi perbaikan metode
Backpropagation Neural Network (BPNN) atau disebut Jaringan Syaraf Tiruan (JST) Propagasi balik merupakan JST Multilayer Perceptron yang dapat menyelesaikanfungsi yang kompleks atau nonlinier, mudah digunakan dengan pembelajaran terawasi, sifatnya fault tolerance dan dapat mengenali pola
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
RumusanMasalaho Seberapa tinggi akurasi 6DOF Pose Tracking
setelah menggabungkan marker tradisional dengan memakai BPNN untuk deteksi QRFP pada QR Code?
o Apakah dengan penggabungan QR Code dengan marker tradisional, titik temu antara dua garis persamaan pada QR Code mendekati kestabilan marker tradisional?
o Bagaimana tingkat kecepatan deteksi frame per second atau tracking setelah menerapkan BPNN?
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
BatasanMasalaho Windows Platform.o Pengukuran
o 6 DOF Pose Tracking – Pitching, Yawing & Surgingo Kestabilan Markero Frame Per Second (fps) – Waktu Komputasi
o Fokus pada pendeteksian QRFP, tidak melakukan Decode QR
o Tidak melakukan modelling 3D dan Kalibrasi Kamera
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
TujuanPenelitianMenerapkan metode BPNN pada QR Code yang digabungkan dengan marker tradisional sehingga tracking QRAR dapat meningkat dan memenuhi karakteristik marker-based tracking.
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
MetodologiPenelitianMetode Pengumpulan Data
o Menemukan Ide dan masalah secara umum (Tracking QRAR) dan mencari informasi ilmu yang berkaitan (CV, IP, AR, ML dll)
o Melakukan percobaan pada penelitian “Applying QR Code in Augmented Reality Application”
Metode Kuantitatif1. Pengumpulan Data
a. Penggabungan Markerb. Digitalisasi & Deteksi Markerc. Proyeksi Perspektifd. Ektraksi Fitur
2. Analisis Data dengan BPNN3. Pengukuran (6DOF, Kestabilan, fps)4. Hasil
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
AlurPemikiranPenelitianMetode Kuantitatif
Pengukuran Data
Metode Pengumpulan Data
Pengambilan Data Training Set dan Test Set Analisis Data dengan BPNN
Penggabungan Marker
Digitalisasi
Deteksi Marker
Proyeksi Perspektif
Training
Testing
Ekstraksi Fitur
6 DOF
FPS
Morfologi
Grayscaling
Segmentasi
Studi Kepustakaan
Studi Literatur
Kestabilan
HASIL
Start End
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
PengumpulanData• Desain Pengumpulan Data – Non
Probabilityo Tidak dapat memprediksikan Populasi
Datao Peluang besar data anggota populasi
sebagai sampel tidak diketahui• Teknik Pengambilan Data
o Judgment untuk Training SetoConvienence untuk Test Set
Quantitative Method
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
PengumpulanData• Instrumen (Metode)
o Penggabungan Marker TradisionaloDigitalisasi & Marker Detectiono Perspective Projectiono Feature Extraction
• Instrumen (Fisik)o Logitech C270h HD720p
Quantitative Method
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
PenggabunganMarker• Standar ukuran
Pengumpulan Data - Quantitative Method
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
PenggabunganMarker• Algoritma/langkah penggabungan marker
Pengumpulan Data - Quantitative Method
1 2 3
4
567
Encode QR Kontur dengan 4 vertex Kontur Kotak
dengan derajat ±90o
Filter vertex
pada kontur
Mencari vertex terdekat dengan titik
0
Pemotongan QR Code
Penggabungan Marker
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
Digitalisasi• Resolusi 640x480
Pengumpulan Data - Quantitative Method
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
MarkerDetectionKecepatan rata-rata 0,64318ms
Pengumpulan Data - Quantitative Method
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
PerspectiveProjection• Proyeksi dan Resize ke 200x200 px
Pengumpulan Data - Quantitative Method
Pitching 37.69° & Yawing 15.97o
Pitching 75.30o & Yawing 52.2o
noise
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
FeatureExtraction• Morfologi
o Dilasio Erosi
• Grayscaling• Segmentation
o Thresholdingo ROIo Contouring
Pengumpulan Data - Quantitative Method
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
FeatureExtraction• Pemilihan Fitur
1. Persentase Warna Putih2. Persentase Warna Hitam3. Jumlah Kontur4. Graylevel dari daerah kontur5. Koordinat x letak Graylevel6. Koordinat y letak Graylevel
Pengumpulan Data - Quantitative Method
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
HasilPengumpulanPengumpulan Data - Quantitative Method
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
100 Sampe
l
100Sampel
QR Code
Non QR Code (Microsoft Tag)
5 Kondisi perspektif x 4 orientasi x 5 data sampel
6 variabel prediktor x 4 orientasi (perkalian digunakan untuk mentolelir klasifikasi) = 24
inputVariabel target 1 & 0 untuk QR Code
Variabel target 0 & 1 untuk non QR Code
HasilPengumpulanPengumpulan Data - Quantitative Method
1 9 17 25 33 41 49 57 65 73 81 89 970
20406080
100120
QR 1 QR 2 QR 3 QR 4
Non QR 1 Non QR 2 Non QR 3 Non QR 4
1 2 3 4 5
1 8 15 22 29 36 43 50 57 64 71 78 85 92 990
20406080
100120
QR 1 QR 2 QR 3 QR 4
Non QR 1 Non QR 2 Non QR 3 Non QR 4
1 2 3 4 5
1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 970
0.5
1
1.5
2
2.5
3
3.5 QR 1 QR 2 QR 3QR 4 Non QR 1 Non QR 2Non QR 3 Non QR 4
1 2 3 4 5
1 9 17 25 33 41 49 57 65 73 81 89 970
50100150200250300
QR 1 QR 2 QR 3 QR 4
Non QR 1 Non QR 2 Non QR 3 Non QR 4
1 2 3 4 5
1 9 17 25 33 41 49 57 65 73 81 89 970
50
100
150
200
QR 1 QR 2 QR 3 QR 4
Non QR 1 Non QR 2 Non QR 3 Non QR 4
1 2 3 4 5
1 8 15 22 29 36 43 50 57 64 71 78 85 92 990
50
100
150
200
QR 1 QR 2 QR 3 QR 4
Non QR 1 Non QR 2 Non QR 3 Non QR 4
1 2 3 4 5
1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 970
50
100
150
200
250
300
QR Code dengan Penggabungan Marker Tradisional
X1 X2 X3 X4 X5 X6X7 X8 X9 X10 X11 X12X13 X14 X15 X16 X17 X18X19 X20 X21 X22 X23 X24
Data SampelNila
i Eks
trak
si Fi
tur/
Targ
et In
put B
PNN
1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 970
50
100
150
200
250
300
Microsoft Tag sebagai Target non QR
X1 X2 X3 X4 X5 X6X7 X8 X9 X10 X11 X12X13 X14 X15 X16 X17 X18X19 X20 X21 X22 X23 X24
Data Sampel
Nila
i Eks
trak
si Fi
tur/
Targ
et In
put B
PNN
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
BackPropagation• Arsitektur
o 3 Layer (Input, Hidden dan Output)o 24 Neuron Inputo 105 Neuron Hiddeno 2 Neuron Outputo Sigmoid Activationo Nguyen Widrow Weight
Initialitation• Parameter
o MSE Target 5x10-5
o 5000 Epocho Learning Rate (α) = 0.06
Analisis Data - Quantitative Method
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
TrainingBPNNAnalisis Data - Quantitative Method
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
Percobaan Waktu (ms) MSE Konvergen? Stop Epoch
Mencapai Target
Error?
1 21978.12 0.000126 Ya 5000 Tidak
2 22878.43 0.000218 Ya 5000 Tidak
3 22983.43 0.000168 Ya 5000 Tidak
4 23272.54 0.000405 Ya 5000 Tidak
5 22142.00 0.000073 Ya 5000 Tidak
6 23352.80 0.000083 Ya 5000 Tidak
7 21619.62 0.000173 Ya 5000 Tidak
8 22583.91 0.000083 Ya 5000 Tidak
9 7691.683 0.000050 Ya 1802 Ya
10 21639.55 0.000181 Ya 5000 Tidak
TrainingBPNN• MSE Pada percobaan 9
Analisis Data - Quantitative Method
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
2 70 138 206 274 342 410 478 546 614 682 750 818 886 954 1022 1090 1158 1226 1294 1362 1430 1498 1566 1634 1702 17700
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
Epoch
MSE
TestingBPNNAnalisis Data - Quantitative Method
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
Marker Banyak Data pada test set MSE
QR Encode Length 78 105 0.003715
QR Encode Length 53 110 0.070988
QR Encode Length 32 90 0.087193
QR Encode Length 16 90 0.351523
Microsoft Tag 85 0.155362
Tradisional Marker 85 0.000149
ARToolKitPlus Marker 60 0.000069
ARTag Marker 60 0.000050
6DOFPengukuran - Quantitative Method
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
(Castro & Figueroa, 2007)
Pitching
Yawing
Surging
𝑓 (𝑦 1 , 𝑦 2)={ 𝑦1 ,0.9≤ 𝑦1≤1.1𝑦2 ,0.1≥ 𝑦 2∧≥−0.1
6DOFPengukuran - Quantitative Method
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
Maksimum
Penelitian Sebelumnya (Kan,
Teng, & Chou, 2009)
Dengan Penggabungan
Marker Tradisional
pitching ±43° ±10.65°
yawing ±58° ±15.03°
surging ±374 ±408.07
KestabilanMarkerPengukuran - Quantitative Method
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
𝑃𝑇 𝑁=( 𝐽𝑚𝑙 h𝑃𝑒𝑟𝑢𝑏𝑎 𝑎𝑛𝑇𝑖𝑡𝑖𝑘 𝑋 𝑁−1 )+ ( 𝐽𝑚𝑙 h𝑃𝑒𝑟𝑢𝑏𝑎 𝑎𝑛𝑇𝑖𝑡𝑖𝑘𝑌 𝑁−1 )
( 𝐽𝑚𝑙 𝐹𝑟𝑎𝑚𝑒∗2)
𝑃𝐾=∑𝑁=1
4
𝑃𝑇 𝑁
4
Penelitian
Sebelumnya (Kan, Teng, & Chou, 2009)
Dengan Penggabungan
Marker Tradisional
Perubahan Kesuluruhan 0.08357 0.02375Persentase 91.625% 97.625%
𝑃=100 %−(𝑃𝐾 ∗100 %)
KecepatanTrackingPengukuran - Quantitative Method
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
14710131619222528313437404346495255586164677073767982858891949710010310610911211511812112412713013313613914214514815115415716016316616917217517818118418719019319619920220520821121421722022322622923223523824124424725025325625926226526827127427728028328628929229529830130430731031331631932232532833133433734034334634935235535836136436737037337637938238538839139439740040340640941241541842142442743043343643944244544845145445746046346646947247547848148448749049349649950250550851151451752052352652953253553854154454755055355655956256556857157457758058358658959259559860160460761061361661962262562863163463764064364664965265565866166466767067367667968268568869169469770070370670971271571872172472773073373673974274574875175475776076376676977277577878178478779079379679980280580881181481782082382682983283583884184484785085385685986286586887187487788088388688989289589890190490791091391691992292592893193493794094394694995295595896196496797097397697998298598899199499710000
10
20
30
40
50
60
Penelitian Sebelumnya (Kan, Teng & Chou, 2009)Dengan Penggabungan Marker Tradisional
Jumlah Frame
Wak
tu P
rose
s (m
s)
KecepatanTrackingPengukuran - Quantitative Method
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
Penelitian
Sebelumnya (Kan, Teng, & Chou, 2009)
Dengan Penggabungan
Marker Tradisional
Kecepatan Rata-Rata (ms) 10.10 28.41FPS 99.01 35.41
𝐹𝑃𝑆=1000𝑚𝑠
𝑋
KesimpulanPenelitianHasil - Quantitative Method
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
• Akurasi 6DOF mengalami kenaikan dibandingkan dengan penelitian sebelumnya
• Tracking dapat lebih mudah dikelompokan tanpa harus melalui mekanisme yang rumit pada penelitian sebelumnya dan menjadi lebih stabil
• Kecepatan menurun• Panjang encode 16 sering terjadi lost tracking• Keluaran output JST terkadang tidak sesuai dengan target
SaranPenelitian
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
• Integrasi Kalman Filter pada bagian decode QR Code• Menggunakan PCA• Pemilihan fitur yang lebih akurat dan menggunakan SVM
atau metode machine learning lainnya.
TERIMAKASIH
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
This reseach has been submitted in:o Seminar Nasional Ilmu Komputer 2012 (SNIK 2012)
Faculty of Science and Mathematic, Diponegoro Universityo Seminar Nasional ASTECHNOVA 2012
Phsyic Engineering, Faculty of Engineering, Gadjah Mada Universityo International Conference on Computer Science (ICCSE 2012)
Faculty of Mathematic and Natural Science, Gadjah Mada Universityo International Conference on Advance Computer Science and Information System (ICACSIS 2012)
Faculty of Computer Science, University of Indonesiao Research Funding Support LG Innotek
PT. LG Innotek
And accepted in:o Seminar Nasional Ilmu Komputer 2012 (SNIK 2012)
Faculty of Science and Mathematic, Diponegoro Universityo Seminar Nasional ASTECHNOVA 2012
Phsyic Engineering, Faculty of Engineering, Gadjah Mada University
AugmentedReality
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta
• Reality & Virtuality (Realitas Tertambah)• Marker-Based & Markerless• Marer-Based -> Template & 2D Barcode• ARToolKit (Kato & Billinghurst, 1999)
Template• ARTag & Webtag (Fiala, 2004)
4x1012 id-based markers• ARToolKitPlus (Wagner & Schmalstieg, 2007)
4096 id-based markers + Mobile Applied
PenelitianSebelumnya(Kan, Teng, & Chou, 2009)
Deteksi QRFP dengan mekanisme perhitungan yang sederhanao memiliki kecepatan tracking yang cukup rendaho memiliki keterbatasan 6DOF Pose tracking;o border pada QRFP yang sangat tipis untuk mendeteksi ketiga
QRFP secara bersamaan pada kondisi perspektif dan;o Titik temu antara dua garis persamaan yang keluar dari QRFP
juga memiliki ketidak-stabilan dikarenakan terlalu kecilnya QRFP dibandingkan ukuran marker pada biasanya
GiaMuhammad | Jakarta, 8th October 2012Department of Computer Science, Faculty of Science and Technology - State Islamic University (UIN) Syarif Hidayatullah Jakarta