Wibowo, Matthew Alvin (1622013) (2020) Pengendalian Manuver Quadcopter Menggunakan Gesture Tangan. Undergraduate thesis, Universitas Kristen Maranatha.
|
Text
1622013_Abstract_TOC.pdf - Accepted Version Download (258Kb) | Preview |
|
![[img]](http://repository.maranatha.edu/style/images/fileicons/text.png) |
Text
1622013_Appendices.pdf - Accepted Version Restricted to Registered users only Download (1541Kb) |
|
|
Text
1622013_Chapter1.pdf - Accepted Version Download (151Kb) | Preview |
|
|
Text
1622013_Chapter2.pdf - Accepted Version Restricted to Registered users only Download (1459Kb) |
|
|
Text
1622013_Chapter3.pdf - Accepted Version Restricted to Registered users only Download (1107Kb) |
|
|
Text
1622013_Chapter4.pdf Restricted to Registered users only Download (2746Kb) |
|
|
Text
1622013_Conclusion.pdf - Accepted Version Download (40Kb) | Preview |
|
|
Text
1622013_Cover.pdf - Accepted Version Download (364Kb) | Preview |
|
|
Text
1622013_References.pdf - Accepted Version Download (152Kb) | Preview |
Abstract
Pada kalangan milenial mulai berkembang kegiatan yang dinamakan selfie atau swafoto. Di sisi lain drone mulai menjadi tren untuk kegiatan fotografi, videografi, mengantarkan barang, hingga untuk keperluan militer. Gagasan baru pun muncul untuk membuat drone khusus selfie yang dapat digerakkan tanpa menggunakan device lain. Oleh karena itu, quadcopter dirancang dan direalisasikan untuk dapat bermanuver menggunakan gesture recognition. Realisasi dari perancangan sistem yang dibuat yaitu quadcopter bermanuver sesuai gesture yang dideteksi oleh kamera. Quadcopter dikendalikan dengan flight controller Pixhawk. Terdapat 2 gesture yang digunakan yaitu gesture palm dan gesture fist. Untuk dapat mendeteksi gesture pada setiap frame digunakan kamera Logitech C920 sebagai sensor penglihatan dan Odroid-XU4 sebagai pengolah citra dengan memanfaatkan library OpenCV Haar cascade classifier. Gesture recognition dilatih menggunakan dataset citra positif dan negatif yang diharapkan dapat mencapai tingkat keberhasilan minimum sebesar 80%. Gesture recognition pada gesture palm dan gesture fist tidak dapat mencapai tingkat keberhasilan 80% dengan dataset 600 citra negatif dan 40 citra positif. Dengan demikian, ditambahkan dataset menjadi 1000 citra negatif dan 120 citra positif sehingga didapatkan tingkat keberhasilan gesture palm sebesar 80% dan gesture fist sebesar 83,3%. Implementasi algoritma manuver quadcopter masih melakukan manuver yang tidak sesuai dengan perintah yang dikirimkan karena tidak dilakukan tuning PID pada quadcopter.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Quadcopter, OpenCV, Haar cascade, manuver, gesture |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Faculty of Engineering > 22 Electrical Engineering Department |
| Depositing User: | Perpustakaan Maranatha |
| Date Deposited: | 15 Feb 2022 03:12 |
| Last Modified: | 15 Feb 2022 03:12 |
| URI: | http://repository.maranatha.edu/id/eprint/29877 |
Actions (login required)
 |
View Item |
