Estimasi posisi dan kecepatan kendaraan menggunakan teknik rektifikasi citra dan algoritma tapis kalman

GUSA, Rika Favoria, Prof. Dr. Ir. Thomas Sri Widodo, DEA

2010 | Tesis | S2 Teknik Elektro

Dengan perkembangan ilmu pengetahuan dan teknologi, kemampuan kamera yang dapat merekam runtun citra dapat digunakan untuk mengestimasi posisi dan kecepatan kendaraan. Estimasi sulit dilakukan dengan langsung mengolah runtun citra dikarenakan adanya proyeksi perspektif pada kamera yang menyebabkan panjang ataupun luas objek-objek di dalam citra mengalami perubahan. Perekaman runtun citra juga dihadapkan pada berbagai gangguan baik pada objek yang diamati, lingkungan di sekitar objek maupun pada kamera yang digunakan. Dalam penelitian ini, digunakan teknik rektifikasi citra dan algoritma tapis Kalman untuk mengatasi permasalahan-permasalahan yang telah disebutkan sehingga dapat diperoleh estimasi posisi dan kecepatan kendaraan yang akurat. Rektifikasi citra dilakukan dengan menghitung nilai matriks transformasi pure projective, matriks transformasi affine dan matriks transformasi similarity berdasarkan kondisi (panjang maupun besar sudut) sebenarnya dari garis-garis objek di dala m runtun citra. Ketiga matriks tersebut diterapkan ke runtun citra untuk menghilangkan distorsi geometrik pada objek. Hasil rektifikasi citra berupa rectified image selanjutnya diolah, kemudian algoritma tapis Kalman dijalankan berdasarkan hasil pengolahan tersebut untuk dapat mengestimasi posisi dan kecepatan kendaraan yang diamati di dalam runtun citra. Hasil penelitian menunjukkan bahwa distorsi geometrik objek di dalam runtun citra dapat dikoreksi dengan baik menggunakan teknik rektifikasi citra. Algoritma tapis Kalman yang dijalankan juga cukup baik dalam mengestimasi posisi kendaraan. Pada penelitian ini, diperlukan kurang dari 10 kali iterasi untuk memperoleh estimasi posisi kendaraan dengan galat yang kecil (< 0,5 m). Berbeda dengan estimasi posisi, estimasi kecepatan rata-rata kendaraan yang dilakukan dengan algoritma tapis Kalman memberikan hasil yang baik pada saat kendaraan bergerak lurus (galat estimasi kecepatan rata -rata kendaraan sebesar ±3 km/jam), akan tetapi, memberikan hasil yang kurang baik pada saat kendaraan mengalami perubahan lintasan (belokan). Hal ini dikarenakan koordinat centroid kendaraan yang diperoleh kurang tepat dalam menunjukkan posisi kendaraan yang sebenarnya (koordinat centroid tidak selalu tepat berada pada titik pusat kendaraan).

The development of science and technology bring the camera that has ability to record image sequences to be used for estimating vehicle’s position and velocity. Estimating is a challenging task when the image sequences are directly processed because there is perspective projection on the camera that causes length and area ratio of objects in the image are not preserved. Image sequences recording process is also influenced by many disturbances happened to the observed objects, surroundings of the objects and the used camera. In this thesis, it was used image rectification technique and Kalman filter algorithm to overcome the problems encountered in order to obtain accurate vehicle’s position and velocity estimation. Image rectification was accomplished by computing pure projective transformation matrix, affine transformation matrix and similarity transformation matrix based on the real condition (length and angle) of the objects in the image sequences. All of the matrices were applied to the image sequences to eliminate geometric distortion on the objects. Rectified images as result of image rectification were processed and then Kalm an filter algorithm was executed based on the processing result of the rectified images to estimate the observed vehicle’s position and velocity. The result of the tests showed that the geometric distortion on the objects in the image sequences could be corrected well by using image rectification technique. Kalman filter algorithm was also good enough in estimating vehicle’s position. It needed less than 10 iterations to result vehicle’s position estimation with small error (< 0,5 m). Different with the vehicle’s position estimation, vehicle’s average velocity estimation resulted by Kalman filter algorithm was good when vehicle moves straight forward (vehicle’s average velocity estimation error was ±3 km/hour), but, it was not good when vehicle turns round. It was caused by the vehicle’s centroid coordinate that did not refer to the true position of vehicle.

Kata Kunci : Runtun citra,Estimasi,Posisi dan kecepatan kendaraan,Rektifikasi citra,Tapis kalman, image sequences, estimation, vehicle’s position and velocity, image rectification, Kalman filter.