Presentasi Pool Cue Guide kuliah sistem informasi.pptx

pool cue guide presentasi mata kuliah sistem informasi

1. Pool Cue Guide (Panduan Tongkat Bilyar) Di presentasikan oleh ; Hary Sabita 1621211013 Binawan Wisesa 1621211005 M.Khoirudin 1621211016 IBI DARMAJAYA

2. 1. Abstrak Makalah ini menjelaskan dan menunjukkan sebuah algoritma arah vektor untuk mensukseskan cue (tongkat bilyar) dalam menentukan arah bola pada permainan Eight Ball Varian. Melihat gambar meja bilyar, dengan kondisi 1. cue 2. Eight-ball 3. Posisi bola striped dan solid

3. Aspek yang mempengaruhi 1. Arah pandang ( View ) ; lihat dengan tampilan atas-ke bawah ( Top-Down ) 2. Iluminasi cahaya ( Lighting Ilumination ) ; Warna putih, warna keseimbangan bola 3. Pencahayaan ( Lighting ) ; lihat dengan kesamaan template 4. Skala ( Scale ) ; penskalaan meja bilyar dan ukuran bola Teknik image processing ini menggunakan ; algoritma homograpi, segmentasi gambar, morfologi erosi, template matching, edge detection dan color processing .

4. Teknik image processing ini menggunakan ; 1. Algoritma homograpi ( Algorith Homography) 2. Segmentasi gambar ( Image Segmentation ) 3. Morfologi erosi ( Morphological Erotion) 4. Kesamaan Template ( T emplate matching) 5. Deteksi Sudut (Edge Detection) 6. Proses Warna ( color processing) .

5. 1. Pendahuluan Spesifikasi Permainan Bilyar (Pool Table) yang di gunakan 1. Memiliki 6 kantong di sepanjang meja 2. Lebar 7/ 3,5 feet sampai 9/ 4,5 feet 3. Panjang nya adalah dua kali dari lebarnya 4. Terdapat 16 bola pada meja bilyar 5. Terdapat 7 bola solid (warna padat) dan 7 bola stripes (warna belang). 6. Menggunakan varian permainan eight ball

6. Batasan-batasan masalah 1. Menggunakan miniatur meja bilyar dengan ukuran ; 37 inch dan 18,5 inch untuk mempermudah dalam pengambilan foto/ capture 2. Menggunakan permainan Eight-ball , pemain bisa memilih solid ball atau stripes ball untuk di masukkan ke dalam pocket . Apabila pemain memasukkan bola lawannya, maka lawan pemain mendapatkan point. Selanjutnya, kedua pemain harus menghindari bola hitam ( eight-ball ) masuk ke dalam pocket. 3. Menghasilkan algoritma dengan output 2 keluaran vektor yang berasal dari cue ball ke arah solid ball atau stripes ball 4. Perhitungan nya hanya satu kali benturan untuk bola yang di tuju ( s tripes atau solid )

7. 2. Deskripsi Algoritma 1. Revisi Homografi Untuk Tampilan Atas-Bawah Proses 1 : Komponen warna yang dominan dari meja ditangkap dengan menerapkan view-box (foto tampak atas) di sekitar bagian tengah gambar, dan mendapatkan histogram komponen RGB di dalam kotak ini. Asumsinya adalah bahwa bagian tengah gambar sebagian besar adalah meja biliar, dan puncak histogram akan mewakili warna atas meja yang dominan.

8. Image Processing yang berlangsung di gunakan untuk ; 1. Memperbaiki tampilan atas-bawah (view top-down) 2. Memisahkan dan mengidentifikasi pocket serta membedakan tipe-tipe bola 3. Menyempurnakan lokasi posisi-posisi bola 4. Mengidentifikasi dindin bagian dalam meja 5. Kompensasi warna-warna bola untuk iluminasi yang berbeda dalam menguraikan stripes versus solids 6. Lintasan bola dan benturan 7. Penanda pocket , tipe bola dan panduan cue

9. Original Picture

10. Proses 2 : Nilai warna RGB dominan meja digunakan dalam vektor pembobotan, yang dikalikan dengan setiap piksel pada gambar, hasilnya dibandingkan dengan threshold, dan binarized (atas meja putih, latar belakang hitam). Gambar biner yang dihasilkan diberi label wilayah, dan kotak batas wilayah dihitung. Simpul kotak (bouding box) pembatas menyediakan wilayah piksel atas, bawah, kiri dan kanan untuk mencari tepi meja. Dibatasi ke daerah piksel ini, pencarian dieksekusi dari tepi gambar ke dalam, sampai area tabel binarized putih ditemukan. Lokasi piksel dimana tepi meja ditemukan dan digunakan dalam transformasi Hough untuk menemukan garis yang sesuai dan persamaan karakteristiknya

11. Binarisasi Obyek

12. 2. Memisahkan dan Mengidentifikasi Pocket dan Membedakan Tipe-Tipe Bola Dari gambar meja bilyar yang diperbaiki, pocket dan bola diidentifikasi dengan cara berikut : Gambar yang diperbaiki adalah binarize dengan menggunakan vektor pembobotan meja yang ditemukan untuk rektifikasi, namun diterapkan setelah perbaikan gambar. Daerah binarize diberi label wilayah, dan kotak pembatas meja ditemukan. Kotak pembatas digunakan untuk membuat sekumpulan dimensi biner yang teruji dengan dimensi sama dengan dimensi meja, dan eksklusif-atau diambil dari gambar yang dihasilkan gambar meja binarized asli, meninggalkan gambar dari pocket dan bola. Gambar ini kemudian secara morfologis terkikis untuk mengisolasi bola dari satu sama lain dan juga pocket. Label yang terkikis selanjunya wilayahnya di beri label. Objek yang paling dekat dengan bounding box posisi vertikal pada meja (dan di tengah sepanjang dimensi panjang) ditabdai sebagai pocket, sisa calon bola potensial.

13. Vektor thresholding bobot sederhana

14. Menggunakan vektor thresholding bobot warna sederhana untuk membedakan bola dari latar belakang meja dapat menyebabkan bola-bola menjadi hilang, terutama untuk bola-bola hijau yang sama dengan warna meja bilyar. Gambar 3 & 4 menunjukkan sebuah bola hijau solid (posisi pada bagian tengah kiri) yang kebanyakan hilang bagian hijaunya, hanya meninggal kan bagian putih yang membantu dalam membedakan. Teknik Morphological erosion hampir menghilangkan bola ini dari gambar. Oleh karena itu hal ini perlu juga untuk menambahkan Otsu Thresholding sebagai teknik untuk mendeteksi bola-bola yang berwana hijau. Teknik ini dapat membantu dalam mendeteksi bola-bola hijau yang coraknya sama dengan meja bilyar, tetapi berbeda dalam reflection atau amplitudo warnanya. Gambar 5 menunjukkan binarization setelah menambahkan Otsu thresholding yang memperbaiki dalam mendeteksi bagian hijau pada bola hijau

15. otsu therholding

16. 3. Perbaikan Lokasi Posisi Bola Rata-rata semua sudah di buat oleh sub images binarized obyek bola. Rata-rata ini dibulatkan, menghasilkan templat biner dari karakteristik bola rata-rata. Template ini kemudian dipecahkan dengan AND pada masing-masing gambar bola untuk menemukan posisi bola yang menghasilkan korelasi korektif tertinggi. Pendekatan ini mengurangi kerentanan terhadap skala, dan cukup cepat karena menggunakan AND convolution

17. 4. Mengidentifikasi dinding bagian dalam “rail” Rel bagian dalam ditemukan dengan terlebih dahulu menggunakan gambar biner yang dikelompokkan dari meja bilyar untuk menemukan garis tepi luar dengan cara yang sama pada homografi. Setelah pelabelan wilayah gambar binari, bounding box vertices pembatas meja ditemukan, dan digunakan untuk memproyeksikan garis ke dalam dari tepi gambar, untuk menemukan dinding bagian atas, bawah, kiri dan kanan

18. Gradien Low Amplitude

19. 5. Mengimbangin Warna-warna bola, untuk Iluminasi yang berbeda untuk membedakan bola stripes dan solid Dengan menggunakan bola cue sebagai referensi, semua bola dilewatkan. Setelah menemukan bobot RGB yang dibutuhkan per pixel untuk mengimbangi bola cue menjadi putih, kemudian diterapkan pada masing-masing sub-gambar bola. Proses ini di perlukan untuk membedakan bola-bola putih solid di bawah pencahayaan yang berbeda-beda. Cara membedakannya dengan melakukan pengalian vektor bobot RGV putih dengan masing-masing piksel dalam sub-gambar bola, selanjutnya di binerkan menjadi threshold. Pixel biner telah di tambahkan, selanjutnya membagi radius bola dengan persentase warna putih. Bola dengan persentase putih melebihi threshold di tandai sebagai bola stripes, dan yang tidak di tandai sebagai bola solid.

20. 6. Lintasan bola dan benturan Perbaikan citra membantu dalam akurasi perhitungan bola. Jika diimplementasikan lebih awal, perhitungan fisik bisa sangat disederhanakan, karena dinding sejajar dengan sumbu x dan y pada gambar, membuat perhitungan vektor bouncing sederhana. Membuat perhitungan vektor bouncing sederhana, karena fisik benda benda tidak diketahui sebelumnya untuk meja dan bola tertentu (tujuan algoritma ini adalah untuk mengakomodasi berbagai meja dan bola).

21. 7. Penanda pocket, tipe bola dan panduan cue Akhirnya, setelah dua gambar output di buat, kedua gambar ini telah di tandai dengan garis indikasi rel, meletakkan tanda kotak pada masing-masing pocket (posisi di tengah pocket), dan tanda lingkaran pada masing-masing bola. Bola stripes di tandai dengan lingkaran yang putus, bola solid di tandai dengan lingkaran penuh. Bola cue di tandai dengan lingkaran yang berwarna biru dan ada kotak biru di tengahnya. Eigh ball di tandai dengan lingkaran yang berwana merah dan ada kotak merah di tengahnya. Semua bola berwarna putih seimbang pada gambar yang ditandai, untuk memberi indikasi visual tentang kualitas white-balancing. Singkatnya adalah; pemain baik pada posisi bola stripes maupun solid bisa melihat ke arah mana petunjuk bola cue mengarah, Arah ini akan menentukan ke arah mana bola obyek akan mendarat.

22. Cue Guide

23. 3. Hasil Algoritma pada paper ini telah di uji pada kondisi ; 1. pencahayaan yang berbeda 2. sudut pencahayaan yang berbeda 3. aspek tampilan meja dan resolusi kamera.

24. A.Pewarnaan iluminasi dan Sudut invarian Gambar-gambar referensi meja bilya miniatur telah di ambil dalam dua kondisi pencahayaan, yaitu ; yellow (warm) lamp lighting, and natural sun lighting. Untuk kedua sumber cahaya, sudut pencahayaan yang berbeda untuk menghasilkan variasi bayangan. Untuk penerangan lampu, bola-bola teridentifikasi dengan baik, tetapi bola stripes warna kuning salah teridentifikasi sebagai bola solid. Selain itu posisi bola hijau solid juga bermasalah, Sebagai algoritma deteksi bola hijau yang rentan terhadap bayangan bola. Gambar 11 menunjukkan bola hijau yang salah penempatan karena bayangannya.

25. Cahaya lampu. Bola hijau solid salah tempat karena bayangannya dan bola kuning stripes salah identifikasi sebagao solid

26. B.Aspek Tampilan Meja yang tidak bervariasi Yang menarik adalah tampilan top-down sebagai ganti tampilan frontal dalam kondisi yang sama, seperti pada gambar berikut dalam semua aspek sangat tepat dalam mengidentifikasi bola stripes dan solid. Hal ini mengindikasikan bahwa aspek tampilan ini sangat berpotensi.

27. Natural lighting 2. Green balls detected but red and orange solids misidentified as stripes

28. 4. Kesimpulan Makalah ini menguraikan algoritma yang bekerja dengan baik dalam mengidentifikasi pocket, rel dan selain bola hijau di bawah variasi pencahayaan, aspek pandang, dan skala. Algoritma ini tidak bekerja dengan baik dalam mengidentifikasi bola hijau di bawah kondisi cahaya matahari alami (natural sun light), tetapi bisa bekerja dengan cahaya lampu yang di gunakan dalam pengetesan. Juga tidak bekerja dengan baik dalam menemukan posisi bola hijau di bawah bayangan, hal ini bisa di maklumi karena bayangan hijau juga di hasilkan oleh meja bilyar. Pekerjaan selanjutnya adalah mencakup penyempurnaan threshold amplitudo untuk memperbaiki deteksi bola hijau, dan bola subpicture thresholding untuk memperbaiki posisi bola hijau di hadapan bayang-bayang.

29. Yang menarik adalah ketergantungan algoritma untuk bola solid yang mewakili bola stripes dan lokasi bola pada aspek tampilan. Masalah lokasi bola di pahami, sebagai distorsi homografi bentuk obyek yang tidak sesuai dengan transformasi. Hal ini bisa di perbaiki pada pekerjaan selanjutnnya dengan koreksi affine distorsi objek dengan homografi. Bola solid mewakili bola stripes, namun tidak tergantung pada aspek pandang, karena komponen warna pada masing-masing bola tidak boleh berubah. Rektifikasi homografi memang mengubah skala namun sedikit, Jadi varians dari skala belum dapat di lihat sebagai penyebabnya. Pekerjaan masa depan akan fokus pada koreksi blur pada gambar, karna warna piksel yang berdekatan dapat mempengaruhi warna piksel putih saat buram. Yang juga menarik adalah ketergantungan pendeteksi petunjuk cue pada skala, Hal ini dapat dimengerti jika solusi petunjuk cue berlaku untuk rentang sudut yang sangat sempit, yang tidak disimulasikan secara akurat pada situasi gambar beresolusi rendah. Meski begitu, mekanisme pastinya menyebabkan masalah ini tidak diketahui saat ini, dan membutuhkan penyelidikan lebih lanjut