KENDALI A.R DRONE BERDASARKAN CITRA TANGAN MENGGUNAKAN METODE HAAR CLASSIFIER

F.A BIMO ADISATRIO, Bakhtiar Alldino A.S, S.Si., M.Cs.

2015 | Skripsi | S1 ELEKTRONIKA DAN INSTRUMENTASI

Algoritme Haar berbasis Cascade Classifier merupakan metode deteksi yang ditemukan oleh Viola – Jones dan terbukti handal dalam mendeteksi suatu objek. Penggunaan metode ini pada AR.Drone menjadi sarana pengembangan interaksi antara mesin dengan manusia. Pada penelitian ini dirancang bangun sebuah sistem yang dapat mengenali isyarat tangan menjadi sebuah perintah gerak dengan melakukan deteksi pada isyarat tangan operator. Pengolahan citra digital diimplementasikan pada sistem melalui penggunaan pustaka OpenCV dengan metode Haar Classifier. Dari hasil citra yang ditangkap oleh kamera AR.Drone, dikirimkan kepada komputer untuk dilakukan deteksi objek tangan dan posisi centroid diklasifikasikan pada area yang telah ditentukan. Hasil dari penelitian ini berupa sebuah sistem yang mampu mendeteksi isyarat tangan operator secara otomatis dengan menggunakan file XML hasil training data pada sistem. Uji coba sistem dilakukan pengujian jarak operator terhadap AR.Drone dan pengujian respond AR.Drone terhadap perintah dengan variasi parameter deteksi. Proses pendeteksian tangan terbaik adalah pada saat operator berdiri tegak dan berhadapan dengan kamera AR.Drone dalam memperagakan isyarat tangan secara frontal. Dihasilkan AR.Drone mampu melakukan misi sesuai deteksi isyarat tangan. Di dapat rentang jarak pendeteksian isyarat tangan pada ruangan antara operator dan AR.Drone adalah 200 - 279 cm. Deteksi terbaik menggunakan file XML dengan jumlah citra positif 768 dengan waktu respon rata-rata adalah sebesar 0.05 detik.

Haar Cascade Classifier Algorithm is a method founded by Viola – Jones and has been proved robust to detect object. Implementation of this method in AR.Drone becomes human-machine interface development. In this research, a prototype system has been built to detect hand position and control the drone by identify hand position of operator. Digital image processing has been implemented on the system by using library opencv with Haar Classifier method. Frame input from AR.Drone`s camera sent to computer for detection processing and classify the centroid. Results from this research is a system that is able to recognize the position of the operator's hand automatically using an XML file system data on the training results. Trials done by testing operator distance to the AR.Drone and AR.Drone respond to commands with parameter variate detection. The best result is when the operator is standing upright and facing the camera AR.Drone in demonstrating the hand position frontally. The result proven that AR.Drone can perform the mission by detecting hand position. AR.Drone can detect hand position in range within 2 - 2.8 metres. System using an XML file with number of positive image 768 with an average response time of detection is of 0.05 seconds.

Kata Kunci : position, hand signal, drone