Peningkatan Performa Augmented Reality untuk Menampilkan Objek 3D menggunakan Metode Fast Corner Detection

INDONESIA :

Penelitian ini dilakukan untuk meningkatkan performa dari segi kecepatan dan keakuratan deteksi marker dengan menggunakan metode FAST Corner Detection. Langkah-langkah deteksi marker dimulai dari input marker, resize, grayscale, histogram, threshold dan terakhir deteksi poin marker. Untuk melihat seberapa besar peningkatan performa adalah dengan melihat keberhasilan marker terdeteksi hingga menampilkan objek 3D dan kecepatan waktu yang digunakan hingga penampilan objek 3D. Peningkatan performa dilakukan dengan membandingkan antara metode FAST dan SURF dalam mendeteksi marker hingga menampilkan objek 3D dengan sistem rambu lalu lintas. Performa berhasil ditingkatkan menggunakan metode FAST dari segi kecepatan sebesar 62% yaitu lebih cepat 892 ms dari sebelumnya 1.438,2 ms menggunakan metode SURF menjadi 546,2 ms menggunakan metode FAST. Namun, dari segi keakuratan metode SURF berhasil mengenali marker hingga penampilan objek sebanyak 25 kali uji coba. Sedangkan untuk metode FAST sebanyak 19 kali uji coba yang berhasil. Selain itu untuk pengukuran performa sistem rambu lalu lintas juga dilakukan dengan menggunakan confusion matrix didapatkan accuracy 63%, precision 63% dan recall 100%. Setelah keberhasilan peningkatan performa yang dilakukan, dibuatlah sistem menggunakan metode FAST dengan objek furniture untuk melihat bagaimana performa dengan marker yang memiliki banyak sudut dan marker dengan sudut yang sedikit. Alasan menggunakan marker furniture selain memiliki banyak sudut adalah karena sistem ini dapat digunakan untuk media pemasaran berbentuk brosur yang dapat membuat brosur tersebut menjadi lebih menarik karena bisa menampilkan visualisasi detail bentuk objek 3 dimensi dari furniture yang diperjual belikan. Hasil pada pengujian sistem furniture didapatkan rata-rata kecepatan marker berhasil dikenali hingga menampilkan objek 3D yaitu 319,52 ms dan sebanyak 25 kali uji coba yang berhasil dengan pengukuran confusion matrix didapatkan accuracy 41%, precision 41% dan recall 100%.

INGGRIS :

This research was conducted to improve performance in terms of speed and accuracy of marker detection using the FAST Corner Detection method. The marker detection steps start from marker input, resize, grayscale, histogram, threshold and finally marker point detection. To see how big the performance improvement is, look at the success of the marker being detected to display the 3D object and the speed of time used to display the 3D object. Performance improvement was carried out by comparing the FAST and SURF methods in detecting markers and displaying 3D objects with a traffic sign system. Performance was successfully improved using the FAST method in terms of speed by 62%, namely 892 ms faster from the previous 1,438.2 ms using the SURF method to 546.2 ms using the FAST method. However, in terms of accuracy, the SURF method succeeded in recognizing the marker and the appearance of the object in 25 trials. Meanwhile, for the FAST method, there were 19 successful trials. Apart from that, measuring the performance of the traffic sign system was also carried out using a confusion matrix, obtaining an accuracy of 63%, precision of 63% and recall of 100%. After the successful performance improvement was carried out, a system was created using the FAST method with furniture objects to see how the performance would be with markers that have many angles and markers with few angles. The reason for using furniture markers apart from having many angles is because this system can be used for marketing media in the form of brochures which can make the brochures more attractive because they can display detailed visualizations of the shapes of 3-dimensional objects from the furniture being bought and sold. The results of testing the furniture system showed that the average speed at which markers were successfully recognized and displayed 3D objects was 319.52 ms and 25 successful trials using confusion matrix measurements obtained accuracy of 41%, precision of 41% and recall of 100%.

ARAB:

إجراء هذا البحث لتحسين الأداء من حيث سرعة ودقة الكشف عن العلامات باستخدام طريقة سريع. تبدأ خطوات اكتشاف العلامة من إدخال العلامة، وتغيير الحجم، والتدرج الرمادي، والرسم البياني، والعتبة، وأخيرًا اكتشاف نقطة العلامة. لمعرفة حجم التحسن في الأداء، انظر إلى مدى نجاح العلامة التي تم اكتشافها في عرض الكائن ثلاثي الأبعاد وسرعة الوقت المستخدم لعرض الكائن ثلاثي الأبعاد. تم تحسين الأداء من خلال مقارنة طريقتي سريع وتصفح في اكتشاف العلامات وعرض الكائنات ثلاثية الأبعاد باستخدام نظام الإشارات المرورية. تم تحسين الأداء بنجاح باستخدام طريقة سريع من حيث السرعة بنسبة ٦٢٪، أي أسرع بـ ٨٩٢ مللي ثانية من ٢, ١٤٣٧ مللي ثانية السابقة باستخدام طريقة تصفح إلى ٢, ٥٤٦ مللي ثانية باستخدام طريقة سريع. ومع ذلك، من حيث الدقة، نجحت طريقة تصفح في التعرف على العلامة ومظهر الجسم في ٢٥ تجربة. وفي الوقت نفسه، بالنسبة لطريقة سريع، كانت هناك ١٩ تجربة ناجحة. علاوة على ذلك، تم أيضًا قياس أداء نظام الإشارات المرورية باستخدام مصفوفة الارتباك، حيث حصلت على دقة ٦٣٪ ودقة ٦٣٪ واستدعاء ١٠٠٪. بعد تنفيذ تحسين الأداء الناجح، تم إنشاء نظام باستخدام طريقة سريع مع قطع الأثاث لمعرفة كيف سيكون الأداء مع العلامات ذات الزوايا المتعددة والعلامات ذات الزوايا القليلة. السبب في استخدام علامات الأثاث بصرف النظر عن وجود زوايا متعددة هو أنه يمكن استخدام هذا النظام للوسائط التسويقية على شكل كتيبات مما يمكن أن يجعل الكتيبات أكثر جاذبية لأنها يمكن أن تعرض تصورات تفصيلية لأشكال الكائنات ثلاثية الأبعاد من الأثاث يتم شراؤها وبيعها. أظهرت نتائج اختبار نظام الأثاث أن متوسط السرعة التي تم بها التعرف على العلامات وعرض الكائنات ثلاثية الأبعاد بنجاح كان ٥٢, ٣١٩ مللي ثانية، وحصلت ٢٥ تجربة ناجحة باستخدام قياسات مصفوفة الارتباك على دقة ٤١٪، ودقة ٤١٪ واستدعاء ١٠٠٪.