EKSTRAKSI SPARSE POINT CLOUD DENGAN TEKNIK SFM
MENGGUNAKAN OPENCV
(Studi Kasus : Kota Malang)
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Nasional Malang
Author
Wende, Maria Beata
Subject
Geodesy Engineering
Datestamp
2022-01-18 01:32:36
Abstract :
Perkembangan teknologi penginderaan jauh dan fotogrametri saat ini mampu menghasilkan model permukaan bumi dengan resolusi yang cukup detil, akurasi yang sangat tinggi, dan cakupan spasial yang semakin luas. Meningkatnya kapasitas komputasi di dunia komputer memberikan alternatif lain dalam pemodelan permukaan bumi. Berbasis pada konsep cepat, murah, dan metode fotogrametri yang mudah, teknik structure from motion (SfM) yang merupakan suatu teknik analisis digital berbasis gambar dua dimensional yang dapat menghasilkan model tiga dimensional dengan pendekatan otomatis image-to-image registrasi. Penelitian ini bertujuan untuk membandingkan kualitas hasil sparse point cloud dari OpenCV dengan dense cloud Agisoft PhotoScan dengan menggunakan teknik SfM. Dalam penelitian ini menggunakan data hasil pemotretan kamera digital Nikon D3400 sebanyak 2 buah foto. Data tersebut kemudian diproses dalam OpenCV dengan teknik SfM menggunakan bahasa pemograman Python untuk menghasilkan sparse point cloud dan pengolahan pada Agisoft Photo Scan untuk mendapatkan dense cloud. Hasil penelitian ini menunjukkan bahwa sparse point cloud kualitas kesesuaian persebaran point pada sparse point cloud OpenCV dengan Agisoft PhotoScan sebagai referensinya diperoleh distribusi point sebagai berikut: kualitas baik = 328 point pada rentang jarak 0 - 0.921070mm, kualitas sedang = 290 point pada rentang jarak 0.921070 - 7.368570mm, kualitas rendah = 34 point pada rentang jarak 7.368570 - 23.947839 mm. Persebaran point pada sparse point cloud OpenCV yang lebih sedikit mempengaruhi kesesuaian point ketika dibandingkan dengan Agisoft PhotoScan.
Perkembangan teknologi penginderaan jauh dan fotogrametri saat ini mampu menghasilkan model permukaan bumi dengan resolusi yang cukup detil, akurasi yang sangat tinggi, dan cakupan spasial yang semakin luas. Meningkatnya kapasitas komputasi di dunia komputer memberikan alternatif lain dalam pemodelan permukaan bumi. Berbasis pada konsep cepat, murah, dan metode fotogrametri yang mudah, teknik structure from motion (SfM) yang merupakan suatu teknik analisis digital berbasis gambar dua dimensional yang dapat menghasilkan model tiga dimensional dengan pendekatan otomatis image-to-image registrasi. Penelitian ini bertujuan untuk membandingkan kualitas hasil sparse point cloud dari OpenCV dengan dense cloud Agisoft PhotoScan dengan menggunakan teknik SfM. Dalam penelitian ini menggunakan data hasil pemotretan kamera digital Nikon D3400 sebanyak 2 buah foto. Data tersebut kemudian diproses dalam OpenCV dengan teknik SfM menggunakan bahasa pemograman Python untuk menghasilkan sparse point cloud dan pengolahan pada Agisoft Photo Scan untuk mendapatkan dense cloud. Hasil penelitian ini menunjukkan bahwa sparse point cloud kualitas kesesuaian persebaran point pada sparse point cloud OpenCV dengan Agisoft PhotoScan sebagai referensinya diperoleh distribusi point sebagai berikut: kualitas baik = 328 point pada rentang jarak 0 - 0.921070mm, kualitas sedang = 290 point pada rentang jarak 0.921070 - 7.368570mm, kualitas rendah = 34 point pada rentang jarak 7.368570 - 23.947839 mm. Persebaran point pada sparse point cloud OpenCV yang lebih sedikit mempengaruhi kesesuaian point ketika dibandingkan dengan Agisoft PhotoScan.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
