aplikasi, dikenal dengan istilah pembentukan SOURCE PACKET atau CCSDS PACKET, dan yang kedua adalah manajemen atau pengaturan dalam konteks persiapan menjelang masuk ke pemancar, dikenal dengan istilah TRANSFER
FRAME.
Kegiatan ini adalah kegiatan litbangyasa dengan orientasi akhir membangun sebuah model sistem akuisisi data optis multispektrum yang produk data keluarannya telah berbentuk paket CCSDS (source packet). Kegiatan ini dimaksudkan sebagai salah satu langkah pembelajaran dalam proses penguasaan teknologi remote sensor untuk satelit, sebagai kelanjutan dari kegiatan sejenis tahun 2005. Hal menonjol yang membedakan dari kegiatan tahun 2005 adalah
implementasi teknologi penyeleksi warna prismatik dan baku komunikasi camera link pada sistem yang dibangun kali ini. Jabaran glogal aktivitas meliputi perancangan sistem, kajian pustaka (teori) pendukung, kajian komponen (keras dan lunak) yang akseptabel dan tersedia, rekayasa perangkat lunak pembentuk paket ccsds, integrasi dan ujicoba.
Tujuannya adalah membangun sebuah model sistem akuisisi data optis multispektrum tipe pushbroom scanning dan mengembangkan perangkat lunak pemaket data baku CCSDS, sedang sasarannya adalah tersedianya sistem tersebut baik perangkat keras maupun software pemformat paket ccsdsnya. Dengan dasar pemikiran dapat dioperasikan dari pesawat terbang pada resolusi spasial 20 cm, di luar PC dengan perating sistem windows, implementasi kegiatan menetapkan Atmel Akyla HD20 2010 CL prismatic color line scan camera, Phoenix D24CL-PCI32 grablink inteface card, dan AF-S DX VR Zoom-Nikkor 18-200mm f/3.5-5.6G IF-ED photographic lens sebagai komponen utama sistem. Komponen-komponen tersebut akan dirangkai membentuk sebuah sistem dengan PC-windows sebagai main processing dan controlling unit. Di dalam PC, data mentah disalin menjadi dua (diduplikasi) untuk keperluan pembentukan paket ccsds dan untuk keperluan tampilan (display).
Prototipe Robot Pemantau Erupsi Gunung Berapi Berbasis Deteksi Suhu Menggunakan Telemetri Modulasi Amplitude Shift Keying
Apakah telemetri itu ? Telemetri adalah proses pengukuran parameter suatu obyek (benda, ruang, maupun kondisi alam), yang hasil pengukurannya di kirimkan ke tempat lain melalui proses pengiriman data baik dengan menggunakan kabel maupun tanpa menggunakan kabel (wireless), selanjutnya data tersebut dimanfaatkan langsung atau digunakan untuk keperluan analisa. Secara umum sistem telemetri terdiri atas enam bagian pendukung yaitu objek ukur, sensor, pemancar, saluran transmisi, penerima dan penampil/display. Modulasi ASK dalam konteks komunikasi digital merupakan suatu proses modulasi pada dua atau lebih tingkat amplitudo diskrit sinusoidal.
Suhu di sekitar gunung dideteksi dengan menggunakan sensor suhu LM35 [1]. Mikrokontroler yang digunakan adalah AVR ATMega8535 [5], sebagai pengolah data suhu yang dipancarkan dengan sistem ASK menggunakan modul TLP434A [6] dan data input remote kontrol untuk mengendalikan robot. Blok diagram sistem pemancar suhu dapat dilihat pada Gambar 1.
Gambar 1. Blok Diagram Sistem Pemancar Suhu
Data sinyal dari remote dibaca oleh infrared receiver [2] kemudian diolah pada mikrokontroler untuk memberikan perintah pada IC L293D [3] sebagai penggerak motor DC. Ada lima input sinyal remote yang akan diolah sebagai penggerak robot ke arah depan, belakang, kanan, kiri, atau berhenti. Blok diagram kendali robot dengan remote kontrol dapat dilihat pada Gambar 2.
Gambar 2. Blok Diagram Sistem Kendali Robot
Data yang sebelumnya telah diubah ke dalam bentuk gelombang radio didemodulasikan ASK kembali dengan menggunakan modul RLP434A [6]. Blok diagram sistem penerima data suhu dapat dilihat pada Gambar 3.
Gambar 3. Blok Diagram Sistem Pemancar
Output RLP434A dihubungkan ke IC MAX232 [4], dan dengan menggunakan kabel DB9 dihubungkan ke port serial RS232 pada komputer, untuk kemudian ditampilkan data suhu pada program antarmuka dengan menggunakan Visual Basic 6.
Program antarmuka tersebut dapat menampilkan data real-time suhu yang dipancarkan oleh robot. Tabel pada antarmuka terdiri dari tanggal, jam, dan waktu pengukuran, sehingga analisis data akan lebih mudah dilakukan. Data pada tabel juga dapat disimpan dalam basis data pada Microsoft Excel, yang dapat digunakan untuk analisis lebih lanjut terhadap aktivitas gunung berapi yang dipantau.
Gambar 4. Program Antar Muka Robot Akuisisi Suhu
Untuk robot pemantau, masih harus dilakukan pengembangan lebih lanjut agar dapat melewati daerah gunung berapi dan masih harus dilengkapi dengan komponen dan peralatan lain, antara lain: 1. sensor gas yang diperlukan seperti CO2, H2S, HCl, SO2, dan CO sebagai faktor-faktor lain yang dapat menjadi tanda kemungkinan terjadinya erupsi; 2.kamera dan GPS pada robot untuk agar daerah yang dilewati robot dapat dilihat dan lokasi robot berada dapat terus diamati; 3. modul telemetri dengan jarak yang lebih jauh, agar lokasi tempat pemantauan dapat berada di tempat lain yang lebih aman dan jauh dari kawasan gunung berapi.
Gambar 5: Robot Pemantau Erupsi Gunung Berapi Berbasis Deteksi Suhu menggunakan Telemetri
Gambar 6: Bentuk Fisik Alat Bagian Penerima Telemetri
===============================================================Page 1
CLASSIFICATION OF APPLE DIAMETER BY DIGITAL IMAGE PROCESSING
| Subject: | Transmisi citra |
| Keyword: | Klasifikasi pengolahan citra digital histogram warna |
[ Description ]
Suatu sistem pengenalan dengan pengolahan citra digital telah dikembangkan untuk melakukan klasifikasi. Sistem yang dibuat berupa suatu perangkat keras untuk pengambilan gambar dan perangkat lunak untuk analisa gambar. Sampel yang digunakan pada penelitian tugas akhir ini adalah buah apel yang sesuai klasifikasi pemasaran yaitu berdasarkan diameter. Sampel yang digunakan mempunyai tipe B dengan diameter 8-10 cm, tipe C berdiameter antara 6-8 cm dan tipe D berdiameter kurang dari 6 cm. Dari hasil pengambilan data, sistem ini mampu memberikan informasi besarnya diameter buah. Hasil pengukuran diameter dengan cara manual menggunakan jangka sorong dan perangkat lunak yang dibuat terdapat selisih pengukuran. Selisih maksimum pengukuran yang terjadi untuk masing masing tipe B dan C berturutturut adalah 1,75 mm dan 1,85 mm, sedangkan tipe D mempunyai selisih maksimal 1,5 mm. Hasil klasifikasi yang dilakukan dengan pengolahan citra digital dan klasifikasi pemasaran terdapat sedikit perbedaan (kesalahan). Perbedaan klasifikasi terjadi pada sampel tipe B yaitu sebanyak 3 buah dari 20 buah yang diuji, untuk tipe C terjadi perbedaan sebanyak 3 buah dari 30 buah yang diuji. Sedangkan kesalahan paling sedikit terjadi pada klasifikasi tipe D, dari 30 buah yang diuji hanya ada 1 buah yang mengalami kesalahan klasifikasi. Informasi untuk membedakan antara ketiga tipe buah yang diuji juga diperoleh dari histogram warna yang ditampilkan pada komputer.
4 (empat) tahapan konversi sinyal analog menjadi sinyal digital:1. Akuisisi data: pengambilan data analog
2. Pencuplikan (sampling)
3. Kuantisasi / Pembulatan nilai data
4. Digitalisasi (digitizing) / Konversi dari analaog ke digital yang nantinya dihasillkan nilai binner
============================================================ Page 2
Akuisisi Data
Merupakan proses pengolahan sinyal analog.
pada bagian ini sinyal analog terlebih dahulu diolah
meliputi filterisasi dan stabilisasi tegangan.
Pencuplikan/SamplingAdalah proses pengambilan sinyal analog pada waktutertentusecara periodik sehingga
sinyal kontinyu berubah
menjadi sinyal diskret.
Kuantisasi
Adalah proses perkiraan dan pemetaan nilai kontinyu dengan kmungkinan jangkauan yang besar menjadi beberapa set sinyal diskret yang relatif lebih kecil yang masih dapat mewakili nilai-nilai kontinyu. Sebagai contoh, pembulatan bilangan pecahan dalam interval 0..100 menjadi bilangan bulat.
Digitalisasi
Adalah proses pengubahan sinyal analog yang menjadi data digital menggunakan piranti ADC (Analog to Digital Converter) dengan persamaan
data=(Vadc/VMax) *(2^n-1)
dengan:
Vadc = tegangan analog
VMax=tegangan maksimal full scale ADC
n = Resolusi ADC
=========================================================== Page 3Dasar Akuisisi Citra menggunakan Kakas Matlab
Dalam membuat aplikasi akuisisi citra pada menggunakan kakas Matlab dibutuhkan beberapa tahap,
yaitu :
a. Identifikasi adaptor akuisisi yang terinstal. Adaptor disini berfungsi sebagai protokol
komunikasi dasar antara Matlab dengan perangkat pencitraan. Dapat diketahui dengan perintah
imaqhwinfo. Secara default biasanya adaptor bernama winvideo, atau jika menggunakan kamera
berantarmuka fireWire akan bernama DCAM.
b. Identifikasi Informasi perangkat. Untuk menemukan perangkat tertentu dari setiap perangkat akuisisi citra, menggunakan perintah imaqhwinfo(‘nama adaptor’). Matlab akan mengembalikan informasi yang meliputi jumlah perangkat yang terinstal, format resolusi citra yang bisaditangkap dan beberapa hal teknis perangkat kamera lainnya.
c. Menciptakan obyek untuk input video. Sesi ini merepresentasikan koneksi antara Matlab dan
perangkat akuisisi pada level tertinggi pemrograman. Contoh perintahnya : vid1 =
videoinput('dcam',1,'Y8_800x600');. Kode ini akan menyiapkan obyek input akuisisi dalam
variable bernama vid1 dalam resolusi 800x600. Sampai langkah ini Matlab sudah siap untuk
mengakses perangkat akuisisi citra dan siap mengambil datanya.
d. Menampilkan Video streaming. Sebelum mengambil data, biasanya user perlu melihat tampilan
video untuk memastikan bahwa citra yang akan diambil sudah tepat. Langkah ini biasanya untuk
menjadi pedoman user dalam mengubah posisi kamera, mengubah pencahayaan, memperbaiki
fokus, atau membuat beberapa perubahan dalam kegiatan setup. Perintahnya adalah
preview(vid1), dimana vid1 adalah variabel obyek pada langkah sebelumnya.
e. Menangkap citra atau memperoleh data citra, melalui tiga langkah :
100mm
500mm
Kamera
Seminar on Application and Research in Industrial Technology, SMART
Mohammad Iqbal, Imam Ahmad Trinugroho, Yuli Karyati
Jurusan Teknik Mesin dan Industri FT UGM
ISBN XXX-XXXXX-X-X
menonaktifkan menggunakan fungsi stop(vid1).
2. Mengatur pemicu akuisisi, pilihannya adalah otomatis setelah diaktifkan, atau secara
manual. Contoh perintah untuk mengatur akuisisi untuk dilakukan secara manual
set(vid1,' TriggerType','Manual').
3. Membawa data citra ke wilayah kerja Matlab. Ada dua fungsi utama dalam melakukan
langkah ini, yaitu fungsi getdata untuk mengambil data citra multiframe dan fungsi
pada setiap kamera untuk diletakkan dalam variabel img1 sebagai citra.
f. Menonaktifkan obyek input. Setelah akuisisi selesai, maka perlu ada aktivitas pembebasan
memori dari obyek input. Sebab untuk proses ini memakan banyak sumber daya komputer.
Perintahnya adalah delete(vid1).
2.2.2 Bekerja dengan properti sistem Akuisisi Matlab
Inti dari perancangan akuisisi stereo pada penelitian ini adalah bekerja dengan properti akuisisi
yang disediakan Matlab. Setelah langkah-langkah dasar akuisisi dilakukan pada sub bab sebelumnya,
penulis mendapatkan bahwa Matlab mengembalikan informasi yang sangat banyak terkait dengan
kemampuan kamera yang disambungkan ke sistemnya. Penulis kemudian membagi menjadi dua
bagian properti-properti tersebut, yaitu yang pertama adalah fungsi pengaturan umum (general settings
properties) and fungsi spesifik (device specific properties).
a. Fungsi Pengaturan Umum
Fungsi-fungsi pada bagian ini melakukan pembacaan properti umum dari kamera, yang meliputi idperangkat, tipe video input, video format dan video resolusi, pengaturan pemicuan akuisisi, pengaturan
memori untuk proses akuisisi, pengaturan fungsi sensor untuk area warna citra dan deklarasi beberapa
variabel video obyek. Aktivitas ini dapat diaktifkan dengan perintah get(vid1). Properti-properti ini
adalah informasi status dari perangkat akuisisi. Beberapa properti bisa saja hanya bisa dibaca, tanpa
bisa diatur lagi. Ini terkait dengan perintah awal deklarasi fungsi ini. Penulis melakukan pengaturan
dengan menggunakan perintah : set(variable,'properti yang ingin diubah',’nilai properti baru’);
Untuk mendapatkan nilai parameter spesifik menggunakan perintah getselectedsource. Properti
perangkat spesifik ini akan sangat tergantung dengan kemampuan perangkat akuisisi kamera yang
tersambung dengan sistem stereo. Pada umumnya properti yang dikembalikan Matlab adalah
pengaturan autoexposure, gain, brightness, shutter speed, white balance, gamma, dan lain sebagainya
tergantung pada kemampuan kamera. Berikut ini adalah contoh perintah mengakses dan melakukan
edit properti spesifik ; src=getselectedsource(vid1); get(src); (untuk menampilkan), dan
set(src,'Brightness',20); (untuk memberi nilai baru pada properti brightness).
Perancangan kakas Matlab untuk sistem akuisisi stereo dapat dilihat pada algoritma yang berada
pada Gambar 4. Penulis mengkombinasikan pengaturan dasar akuisisi citra Matlab dengan pengaturan
properti-propertinya secara otomatis. Pada bagian akhir penulis pun mengkombinasikannya dengan
perintah-perintah pengolahan citra agar memudahkan pengguna.
Gambar 4. Algoritma Sistem akuisisi stereo Matlab
1. Tentukan Jumlah kamera
2. Tampilkan parameter akuisisi citra setiap kamera:
• Tampilkan adaptor, device id dan format.
• Tampilkan properti pengaturan fungsi umum
• Tampilkan properti pengaturan fungsi spesifik
• Tampilkan streaming obyek akusisi
3. Atur parameter akuisisi citra setiap kamera sesuai input dari user
4. Tentukan obyek penyimpanan :
• Jumlah citra yang akan diambil
• Nama dan format file citra
5. Lakukan akuisisi citra secara serempak
6. Simpan citra pada obyek yang sudah disediakan
Seminar on Application and Research in Industrial Technology, SMART
Mohammad Iqbal, Imam Ahmad Trinugroho, Yuli Karyati
Jurusan Teknik Mesin dan Industri FT UGM
ISBN XXX-XXXXX-X-X
2. Pengujian Citra Stereo
Pada bagian ini akan dijabarkan mengenai pengujian citra yang telah diakusisi dengan sistem ini
dengan pendekatan histogram dan indeks kualitas citra berdasarkan model distorsi.
2.2. Histogram
Salah satu informasi penting mengenai suatu citra digital dapat diketahui melalui pembuatan
histogram. Histogram citra adalah grafik yang menggambarkan penyebaran nilai-nilai intensitas piksel
dari suatu citra. Histogram akan menunjukkan kemunculan relatif dari intensitas pada citra tersebut
serta dapat menunjukkan kecerahan dan kontras dari suatu citra. Secara matematis histogram dapat
dihitung dengan rumus (Rinaldi Munir, 2004) :
= ,i = 0,1,..., L −1
n
n
h i
i (3)
L adalah derajat keabuan, pada citra yang dihasilkan dari sistem akuisisi ini, dipilih citra dengan
kuantitasi derajat keabuan 8-bit, sehingga nilai derajat keabuannya antara 0 sampai 255. ni adalah
jumlah piksel yang memiliki derajat keabuan i, n adalah jumlah seluruh piksel dalam citra. Pengujian
dilakukan dengan mengakuisisi citra sebanyak 20 kali, lalu menghitung histogram setiap citra tersebut
dan meletakkannya dalam sebuah matrik. Selanjutnya adalah melakukan operasi rata-rata bagi setiap
hi yang didapat dari setiap citra untuk semua citra uji tersebut. Citra yang diambil terdiri dari 4 jenis
obyek yang berbeda (wayang, kotak bertekstur, botol penghapus cair bertekstur halus dan kotak
polos), agar dapat melihat sebaran variasi intensitas yang ada. Hasilnya dapat dilihat pada Gambar 5.
(a) (b)
Gambar 5. Rata-rata nilai histogram dari 20 citra hasil akuisisi kamera kiri (a) dan kanan (b)
Puncak histogram menunjukkan intensitas piksel yang menonjol. Lebar dari puncak menunjukkan
rentang kontras dari citra. Citra yang memiliki histogram yang sempit dan hanya menggunakan
setengah dari daerah derajat keabuan biasanya mempunyai kontras yang terlalu terang atau terlalu
gelap. Dari dua rata-rata nilai histogram yang didapat dari 4 jenis citra tes terlihat hampir mengisi
semua daerah derajat keabuan dengan distribusi yang hampir merata pada setiap nilai intensitas piksel.
Secara umum dapat dilihat bahwa kualitas citra dari hasil akuisisi dengan sistem ini cukup layak untuk
diproses lebih lanjut.
2.3. Indeks Kualitas berdasarkan model Distorsi
Pada penelitian ini, penulis menguji citra yang diambil dengan mengadaptasi model kualitas citra
pada penelitian Wang, 2002. Secara umum, model kualitas indeks ini bekerja dengan memberikan 3
Seminar on Application and Research in Industrial Technology, SMART
Mohammad Iqbal, Imam Ahmad Trinugroho, Yuli Karyati
Jurusan Teknik Mesin dan Industri FT UGM
ISBN XXX-XXXXX-X-X
kombinasi distorsi pada citra yang dibandingkan, yaitu penghilangan korelasi (loss correlation),
distorsi luminasi/intensitas (luminance distortion) dan distorsi kontras/kecerahan (contrast distortion).
Defenisi model dapat dilihat di bawah ini (Wang, 2002) :
2 2 2 2
2
.
( ) ( )
. 2 .
x y
x y
x y
xy
x y
Q x y
σ σ
σ σ
σ σ
σ
+ +
= (4)
Komponen pertama adalah mencari koefisien korelasi antara x dan y, didapat dengan mengukur derajat
korelasi antara x (citra referensi) dan y (citra tes). Representasi komponen ini berada dalam area
dinamis [-1,1]. Nilai terbaik 1 akan terjadi jika yi=axi+b untuk setiap i=1,2,3,..,N, dimana a dan b
konstan dan a>0. Komponen kedua yang memiliki kisaran [0,1], mengukur seberapa dekat rata-rata
luminasi/intensitas antara x dan y. Nilai akan 1 jika dan hanya jika x = y. x σ dan y σ dapat
ditampilkan sebagai estimasi kontras x dan y, maka komponen yang ketiga akan mengukur seberapa
sama kontras citra tersebut. Nilainya pada kisaran [0,1] pula. Dimana nilai terbaik 1 akan didapat jika
x y σ =σ .
Proses ini diterapkan pada 20 pasangan citra tes dari 4 pola obyek yang berbeda seperti pada
pengujian histogram pada sub bab sebelumnya. Citra referensinya adalah citra khusus dari masingmasing
obyek tersebut dengan kecerahan dan kontras paling tinggi, sehingga penulis dapat
membandingkan secara radikal jenis citra dengan tekstur banyak dan sedikit dan pengaruhnya
terhadap kualitas yang dibandingkan. Tabel berikut ini menunjukkan rata-rata kualitas perbandingan
20 pasang citra tes dengan citra referensi.
Tabel I. Hasil perbandingan Kualitas 20 pasang citra tes dengan 4 variasi obyek
No Citra Rata-rata kualitas 20 citra (0-1)
1 Wayang – kiri 0.83141
Wayang – kanan 0.913955
2 Kotak bertekstur - kiri 0.84879
Kotak bertekstur - kanan 0.906595
3 Penghapus cair – kiri 0.81391
Penghapus cair – kanan 0.91008
4 Kotak polos – kiri 0.795965
Kotak polos – kanan 0.86941
Secara umum, karena citra pembandingnya adalah citra dengan kecerahan dan kontras paling tinggi,
penulis menemukan obyek citra bertekstur banyak ternyata memiliki indeks kualitas yang lebih tinggi
dibandingkan dengan citra bertekstur rendah. Selain itu, perbedaan titik pandang obyek juga
mempengaruhi indeks kualitas citra. Dari data di atas, kita dapat melihat rata-rata kualitas indeks dari
20 citra kiri dibandingkan dengan 20 citra kanan, ternyata citra kiri memiliki indeks yang lebih rendah.
2.4. Tes Kalibrasi Stereo
Sebagai penegas kualitas citra yang didapatkan dari sistem akuisisi ini, penulis mencoba
mengkalibrasi citra stereo yang didapat dengan menggunakan kakas kalibrasi Bouguet (bouguet,
2008). Untuk keperluan ini, penulis melakukan akuisisi 10 pasang citra citra dengan obyek check
board, dengan ukuran kotak dalam check board sebesar 10mm x 10mm, dan menentukan ukuran
jendela untuk pencarian sudut 5 dan 3(wintx dan winty).
Gambar 6. Citra untuk kalibrasi dari kamera kiri dan kamera kanan
Seminar on Application and Research in Industrial Technology, SMART
Mohammad Iqbal, Imam Ahmad Trinugroho, Yuli Karyati
Jurusan Teknik Mesin dan Industri FT UGM
ISBN XXX-XXXXX-X-X
Pada proses kalibrasi ini, kakas kalibrasi Bouguet kemudian mengekstrak kotak sudut (grid corner)
sebagai pedoman perhitungan, lalu mengkalibrasinya untuk mendapatkan parameter intrinsik setiap
kamera (kiri dan kanan). Untuk keperluan ini, penulis melakukannya satu per satu untuk setiap
kamera.
Hasil kalibrasi Bouguet adalah mendapatkan data intrinsik panjang fokal (focal length) dan titik
prinsip (prinsipal point) kamera kiri dan kanan dengan masing-masing pixel error seperti di bawah ini.
Pixel error left: err = [ 0.26174 0.25549 ]
Pixel error right: err = [ 0.27587 0.23443 ]
Setelah mendapatkan data tersebut di atas, maka dengan kakas yang sama, kita dapat mengkalibrasi
stereo untuk mendapatkan vektor rotasi dan translasi yang menunjukkan parameter ekstrinsik antara
dua kamera stereo tersebut, seperti yang ditunjukkan pada Gambar 7-(a).
Rotation vector: om = [ 0.05870 -0.03126 0.00980 ] ± [ 0.04273 0.07177 0.00232 ]
Translation vector: T = [ -85.33403 6.93823 -1.05960 ] ± [ 1.56573 1.03274 12.56509 ]
(a) (b)
Gambar 7. Parameter ekstrinsik dua kamera Guppy F-080B yang dirangkai Stereo (a) dan Hasil perbaikan
(Rectify) Citra stereo (b)
Langkah terakhir, adalah melakukan perbaikan geometri citra stereo yang didapat untuk menunjukkan
garis hubungan piksel antara citra kiri dan kanan. Hasilnya dapat dilihat pada Gambar 7-(b). Sampai
tahapan ini, dengan mengacu pada hasil pengujian kalibrasi di atas, dapat menunjukkan bahwa citra
yang diambil menggunakan sistem akuisisi stereo ini cukup layak dan dapat diproses lebih lanjut.
3. Kesimpulan
Salah satu tujuan pembuatan kakas ini adalah untuk mengatasi kelemahan perangkat lunak bawaan
kamera yang pada umumnya tidak memiliki kemampuan mengakuisisi citra stereo lebih dari satu
kamera secara simultan. Pada penelitian ini, kakas sistem akuisisi citra stereo yang disusun telah
mengalami 3 langkah pengujian kelayakan citra yang diambil. Secara umum hasil pengujian
histogram, pengujian indeks kualitas metoda Wang dan proses pengujian kalibrasi stereo memberikan
hasil yang baik. Pengembangan dapat dilakukan dengan memanfaatkan GUI Matlab pada seluruh bagian program agar pengguna mendapatkan tampilan yang lebih baik lagi. Selain itu juga, dapat program ini dapat dikombinasikan dengan mengadaptasi kemampuan kalibrasi kamera secara ,langsung sehingga tidak menggunakan kakas kalibrasi kamera lainnya secara terpisah.
