Perpustakaan Digital ITB

Kamera seringkali digunakan sebagai alat komputer untuk melihat. Komponen utama dalam computer vision adalah gambar, yang menginterpretasikan gambar sebagai array dari pixel yang mengandung informasi warna RGB dan alpha setiap pixel. Sistem kamera stereovision seringkali digunakan untuk mengestimasi jarak sebuah objek tetapi penggunaan kamera low cost mempengaruhi hasil akurasi dan presisi dari estimasi jarak objek. Seringkali juga kita mendapatkan kamera low cost yang kita gunakan tidak identik ataupun tidak sesuai dengan spesifikasi pada kotak sehingga informasi focal length tidak akurat. Maka dari itu, pada tesis ini penulis akan menggunakan sebuah metode estimasi jarak objek yang baru untuk kamera yang heterogen / tidak identik dan tanpa perlu mengetahui spesifikasi bawaan kamera dengan menggunakan metode object detection Mask R-CNN. Metode Mask R-CNN tidak hanya mendeteksi objek (object detection) tetapi juga memberikan daerah kontur arsir pada objek (instance segementation) yang terdeteksi sehingga titik pusat objek dapat dihitung lebih tepat. Metode ini diuji terhadap 3 objek yang berada di dalam ruangan yaitu koper (jarak 22 cm), mobil (jarak 280 cm), dan tumpukan buku (jarak 150 cm). Hasil dari estimasi jarak objek adalah 220,98 cm ? 7,52 cm untuk koper, 253,75 cm ? 9,85 cm untuk mobil dan 148,61 cm ? 4,69 cm untuk buku. Akurasi dari metode ini adalah 99,56% untuk koper berjarak 220cm, 90,63% untuk mobil berjarak 280cm, dan 99,07% untuk buku.